GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning

要約

人間は自らの身体の感覚と運動の関係を自律的に学習し、自らの身体の状態を推定・制御し、現在の環境に適応し続けながら動くことができます。
一方、現在のロボットは、人間が記述したネットワーク構造を経験から学習し、センサーとアクチュエーターの関係について一定の仮定を置き、自らの身体を制御しています。
また、ネットワークモデルはロボットの身体や掴む道具、環境の変化に適応せず、制御だけでなく状態推定、異常検知、シミュレーションなどにおいても統一理論がありません。
の上。
本研究では、ロボット自身がネットワーク入出力などのモデル構造を含め、センサとアクチュエータの相関関係を記述した身体スキーマを自身の経験から取得する一般化多感覚相関モデル（GeMuCo）を提案します。
ロボットは、この身体スキーマモデルをオンラインで更新することで現在の環境に適応し、身体状態の推定と制御、さらには異常検知やシミュレーションを実行します。
軸駆動ロボットの把持状態の変化を考慮した工具使用、筋骨格系ロボットの関節筋マッピング学習、低剛性プラスチックの全身工具操作に適用し、この手法の有効性を実証する。
-人型に作られた。

要約(オリジナル)

Humans can autonomously learn the relationship between sensation and motion in their own bodies, estimate and control their own body states, and move while continuously adapting to the current environment. On the other hand, current robots control their bodies by learning the network structure described by humans from their experiences, making certain assumptions on the relationship between sensors and actuators. In addition, the network model does not adapt to changes in the robot’s body, the tools that are grasped, or the environment, and there is no unified theory, not only for control but also for state estimation, anomaly detection, simulation, and so on. In this study, we propose a Generalized Multisensory Correlational Model (GeMuCo), in which the robot itself acquires a body schema describing the correlation between sensors and actuators from its own experience, including model structures such as network input/output. The robot adapts to the current environment by updating this body schema model online, estimates and controls its body state, and even performs anomaly detection and simulation. We demonstrate the effectiveness of this method by applying it to tool-use considering changes in grasping state for an axis-driven robot, to joint-muscle mapping learning for a musculoskeletal robot, and to full-body tool manipulation for a low-rigidity plastic-made humanoid.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google