研究内容

事前環境情報を使用しない教示者が最初にロボットの動作経路の経由点とパラメータの設定だけで済む簡単な教示方法で，ロボットが接触時に得られる力覚情報を利用し経路を自動修正します．これにより，ロボット導入時の教示時間の短縮を目指します．

ロボットの動作情報と動作中に得られた画像情報及び触覚情報から，事前情報(モデル)がない半透明で柔軟な物体の状態を自律的に推定します．

非ホロノミック制約を持つ二輪車両移動ロボットを対象として，未知のセンサ情報から目標位置到達のための可制御性を満たす状態空間を獲得するための学習手法を提案しています．

油圧ショベルによる掘削中の力学的応答と土砂構造をシミュレーションし，それらのデータをAIで分析することで，地中に埋まった岩など見えない構造を推定する技術を開発しています．この技術を活用して，将来的な自律掘削の実現を目指します．

モジュラーロボットの形態を変化させることができる点に着目し，形態を環境に適応させて溝・段差などの不整地の踏破を目指します．局所情報のみで結合体の歩行を実現する仕組みや環境をどのように推定するか，形をどのように変えるかなどの制御則の確立を行っています．

先行研究のTransformerベースの経路予測モデルを拡張し，交差点などの複雑な地形においても経路予測が可能となるように，モデルの汎用性を向上させることを目的としています．教師あり学習の手法を採用し，実機を用いてデータの収集・分析およびTransformerネットワークの学習を行っています．

人の腕を模した筋骨格アームを対象として，同じ動作を繰り返すことで上腕が運動を獲得する学習手法の提案を行っています．

種々の感覚間の依存関係推定を行う運動学習モデルに「写像間の変換推定」という機構を導入し，過去に獲得した制御器の中の部分的なダイナミクスを再利用する過程を説明する運動学習モデルを開発しています．

冗長かつマルチモーダルなセンシングを行えるシステムを考え，異種センサ間の依存関係を同定し，「どのセンサ情報を使えば目的とする制御が可能か」を推定するプロセスを含めた運動制御を行う方法を開発しています．

駅構内やスタジアムなどの人が高密度で行き交う雑踏環境下で，人との相互作用を考慮してを考慮する人の流れを阻害せずに走行するナビゲーション方法を開発しています．

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．

自律ロボットが事前情報を用いないで取得した画像のみより周囲の環境を認識する手法を研究しています．

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し，ロボットが危ない道を避けて目的の地点にたどり着く方法を研究しています．

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方法を研究しています．

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，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．

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．

アームでは持てないような物体を押し動作によって運ぶために，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．

異なる2地点での車載カメラの画像から，2地点間の位置に視点を移動した画像を自動生成し，その場所の交通状況を認識可能にする画像提示方法を研究しています．