ロボットラーニング：ディープネットワークを用いたヤコビアン場の推論による多様なロボットの制御

自然界の生物の複雑な構造や多様な機能を忠実に反映させることは、ロボット工学における長年の課題である。現代の製造技術によって、実現可能なハードウエアは大いに広がったが、こうしたシステムを使用するには、所望の動作をアクチュエーターのコマンドに変換する制御ソフトウエアが必要である。従来のロボットは、関節によって接続された剛体リンクとして容易にモデル化できるが、生物から着想を得たロボットは柔らかかったり複数の材料でできていたりする場合が多く、センシング能力がなく、使用によって材料特性が変化する可能性があるため、それらをモデル化して制御することはいまだ未解決の課題である。今回我々は、ディープニューラルネットワークを用いて、ロボットの動画ストリームを視覚運動ヤコビアン場にマッピングする（あらゆる三次元点の感度をロボットのアクチュエーターに対応付ける）方法を提示する。我々の手法は、1台のカメラのみからロボットを制御することを可能にし、ロボットの材料、アクチュエーション、センシングについてはなんら仮定せずに、無作為のコマンドの実行を観察することによって専門家の介入なしに訓練される。我々は、アクチュエーション、材料、製造、コストの異なる多様なロボットマニピュレーター群を用いて、今回の方法を実証した。我々の手法は、正確な閉ループ制御を実現し、各ロボットの因果的な動的構造を再生する。この手法は一般的なカメラを唯一のセンサーとして用いてロボット制御を可能にするので、今回の研究は、ロボットシステムの設計空間を押し広げるとともに、ロボット自動化への障壁を下げる出発点としての役割を果たすと期待される。

目次へ戻る