▶ENGLISH 

人間支援ロボット研究室

研究内容


Wheelchair Robot

屋外環境での車椅子ロボットのナビゲーション

屋外環境で自動的に移動できるロボットシステムを開発しています。車椅子ロボットをベースプラットフォームとして使用しており、ロボットは主に、接続されたカメラから撮影された画像を介してナビゲートされます。ナビゲーション機能を改善するために、レーザーレンジファインダ、GPS、コンパスなどのさまざまなセンサーもロボットに取り付けられています。
ロボットナビゲーションシステムには、ディープラーニングアルゴリズムが実装されています。 初期プロトタイプには、ロボットオドメトリを使用した畳み込みニューラルネットワーク(CNN)を使用したロボットナビゲーション、およびFaster Regional CNN(Faster R-CNN)を使用した屋外ローカリゼーションが用いられています。

Deep Learning Applications for Robot Manipulator

ロボットマニピュレーターの深層学習
アプリケーション

産業用ロボットマニピュレーターは、さまざまな方法で役立ちます。 我々は、深層学習アルゴリズムのインスタンスをさまざまなタスクのロボットマニピュレーターに追加しました。 特に、deep belief neural network(DBNN)を使用することで、オブジェクトの山の中から求めたオブジェクトを検出することを可能としました。 検出されたオブジェクトの座標と向きが出力され、ロボットマニピュレーターに送信されます。 ロボットマニピュレーターは、座標に移動し、DBNNから受け取った方向に回転できます。 現在、私たちはさまざまなアルゴリズムのさらなる実装に取り組んでおります。

Humanoid Mobile

屋内環境におけるニューラルネットワークベースのロボットナビゲーション

屋内環境での移動ロボットのナビゲーションを開発しています。 この研究のベースとしてヒューマノイドロボットを使用しています。 レーザーレンジファインダ、カメラ、Kinectカメラなどのさまざまなセンサーをテストした結果、 屋内ナビゲーションには深度カメラとKinectカメラが適切と判断しました。
深度情報を含む画像は、障害物回避のためにニューラルネットワークをトレーニングするために使用されます。 ロボットの動きがニューラルネットワークから出力される間、画像と深度情報が入力として使用されます。 ディープニューラルネットワークと深度カメラ画像のさまざまなアプリケーションのさらなる研究を行っています。

3D Hand

3Dプリンターを用いた筋電義手

3Dプリンターを用いて、低コストの義肢を設計および印刷しました。 低価格で制御可能な義肢を製造することを目的としています。 プロトタイプは、腕の筋肉からの筋電図信号によって稼働できます。 3Dプリントを用いて造形された人工装具を制御するためのディープラーニングの実装に取り組んでいます。

Arm Rehabilitation

腕のリハビリテーションシステム

人間の腕のリハビリテーションのためのロボットを開発しました。 さまざまなモードで腕の動きを支援します。 ロボットは、Bluetooth接続を介してロボットに接続されたスマートフォンアプリケーションによって簡単に制御できます。

Ankle Rehabilitation

足首のリハビリテーションシステム

人間の足首リハビリテーション用ロボットを開発しました。 人間の足首をさまざまなパターンで動かしてくれます。 ロボットは人間が手動で制御するか、プログラムされたパターンで自動的に駆動します。 現在、私たちは動作の模倣による学習に取り組んでおり、それを用いることでロボットは適切なトレーニング技術を習得します。

Brain Machine Interface

ブレイン・マシン・インターフェース

環境内で自律的に移動する移動ロボットの能力は非常に重要です。 しかし技術の進歩にもかかわらず、複雑な環境でのロボットの自己位置確認と目標指向ナビゲーションは、依然として困難なタスクです。 そこで、ラットの脳信号(Local Field Potentials)に基づいたロボットナビゲーションのための新しい方法を提案します。 ラットの脳信号を自身の行動にマッピングすることにより、ロボットがラットの意思決定を模倣することを学習するアルゴリズムを開発しました。 最後に、ロボットは、複雑な環境にてローカライズおよびナビゲートするために、内部状態と外部センサーを統合することを学びました。