人と協働するロボットのための自然言語によるタスクの実行状況識別方法（2016年4月～現在）

人に近い場所でともに働くロボットには，タスクに関わる情報共有を言語によって行うことが求められます．本研究では，人からタスクに関する言語での指示（何らかの動作に失敗している，など）を受けて動作状況を識別し，行動修正などの対応を行うことのできる識別方法を研究・開発しています．ロボットが行うタスクには図のような物体の組み立て作業を想定し，その作業の失敗について，どのような失敗が置きているのかを識別します．タスクと動作方法については設計者が設計して与え，自然言語処理には，クラウドソーシングにより収集した文章データをもとに自動的に識別を行うことを目指しています．※本研究は，ミュンヘン工科大学（自動制御研究室，Prof. M. Buss, Prof. D. Wollherr）との共同研究により行われています．

Fig. ロボットによるタスク実行の様子	Fig. タスクの階層表現の例

ヒューマノイドロボットの物理モデルを用いないバランス制御（2014年4月～現在）

モデルを用いることなくロボットのバランス制御を行う方法を研究しています。ロボットが姿勢を変更する場合、ロボットが動く軌道というのは無数にあります。そこで冗長自由度を考慮した運動学に基づき、「目標の姿勢に近づくこと」と「バランスを保つこと」の2つのタスクを達成可能な軌道を探索し、安全な姿勢の変更を目指します。また、モデルを用いないことで、実環境とモデルのずれに影響されない制御を目指します。ロボットの制御は運動学モデルを用いた制御が主ですが、ずれがあった場合には、対処が難しくなります。ですが、モデルを用いることなくロボットが実環境で観測したデータをもとに制御することができれば、ずれに影響されない制御が可能になります。

Fig. ロボットの動作軌跡	Fig. 動作時の圧力中心

ロボットの身体と環境の相互作用にもとづく自律的な環境認識（2012年4月～現在）

自律ロボットによる事前情報を用いない周囲の環境を認識する手法を研究しています．具体的には，ロボット周囲における物体との接触，隠れなどの状態を，環境に対して何も意味を与えられていないまま，取得した画像のみより判断を行います．画像からは特徴点を取得するのみで，腕の微小移動ごとの画像群より，その位置での状態を確率的に判断します．事前情報を用いない自律ロボットは，未知の環境下においても柔軟に行動することが期待されます．

Fig. ロボットと環境	Fig. カメラにより得た画像	Fig. 視覚特徴点同士の依存関係

内部センサの運動情報を利用した移動ロボットによる環境認識（2012年4月～現在）

屋外の整備されていない環境において、自律移動ロボットが危ない道を避け、安定して走行できる道を選びながら目的の地点にたどり着くためにはロボット自身が走行に適した道を自律的に選択する必要があります。そこで私たちは、走路を選択する能力の向上させる事を最終的な目的として研究を行っています。現在はこれの準備段階として複数のセンサをロボットに搭載して路面環境を認識する研究を2つ行っています。1つ目は目前の路面全域を対象としてその路面をロボットが走行するとどのような影響を受けるか推定することで路面環境を認識する研究、2つ目は目前の狭い範囲を対象として障害物を乗り越えた際にロボットがどのような影響を受けるか推定することで路面環境を認識する研究になっています。この2つの研究を組み合わせることで正しい路面環境の認識結果が得られることが期待されます。

Fig. 屋外環境を走行する移動ロボット	Fig. 不整地環境の例

無人自律車両の不整地環境における最適制御（2013年4月～現在）

無人車両のための最適制御についての研究を行っています。無人車両に搭載されているセンサー(カメラ、レーザーレンジファインダー)などで環境の走りやすさを認識、評価したうえで目的地までの最適な経路を生成して自律走行を行うのが目的です。ここでいう最適とは、例えば目的地に到達するまでの走行時間やエネルギー消費量、車両の揺れなどができるだけ小さいという意味になります。特に本研究では車両のキネマティクス、ダイナミクスを考慮することで、小さな段差を超えるために一度バックして助走距離を稼ぐような複雑な経路も生成することができます。

Fig. 無人自律車両のシミュレータ	Fig. 不整地環境でのナビゲーション

アーム搭載ロボットによる環境接触動作の制御（2012年4月～現在）

現在，人間が行動する環境でロボットに仕事を自動で行わせたい場合，様々な障害があります．例えば，扉を開けるという作業を行う時，扉の移動方向は蝶番やレールによって制限されていることを考慮してロボットの動作を生成しなければなりません．物を持ち上げて運ぶという作業を行う時，物の重量を知らなければロボットは転倒してしまう可能性があります．本研究では，計測データを用いてロボットに自律的に仕事を行わせる手法を研究しています．

Fig. ハンド・アーム搭載移動ロボット

アームロボットによる物体操作（2012年4月～現在）

アーム型のロボット（マニピュレータ）により，物体操作を自律的に行う研究をしています．ものを動かす・あやつるという動作は，ロボットに長く求められ，かつ未だ実用的なレベルではなかなか実現していない重要な課題です．本研究では，物体操作に学習の要素を取り込むための一つのアプローチとして，環境と物体の間の接触モデルを観測情報をもとに柔軟に構成できる物体操作方法を提案しています．

Fig. ハンド・アームシステム	Fig. 物体操作（回転動作）の例

複数移動ロボットの協調動作の動作計画（2013年4月～現在）

この研究では、複数台の車両型移動ロボットによって1つの物体を経路を分担して運ぶための動作計画をしています．物体はロボットが押し動作によって運ぶことで、アームでは持てないような物体でも運ぶことができます．しかし押し動作によって運ぶ場合、物体は押していくにつれて床面との摩擦等でずれていってしまいます．よって私の研究では、押し動作時に物体がどれくらいずれるのかをシミュレータで予測し、どこでロボットがもう一台のロボットに物体を受け渡すのが一番適しているのかを計算しています．これにより作業の正確さや効率が向上することが期待できます．

Fig. 移動ロボット	Fig. 協調押し動作	Fig. 物体の受け渡しを含んだ協調動作の最適経路