![研究背景
ヒューマノイドロボット
?多自由度の腕や足 種々の環境における応用に期待
?人間に近い形状
例，原発等の危険区域での作業代替
活動環境拡大
水中環境での利用
[応用] 水中環境での人間の作業代替
水泳行動の獲得 [05 小林他]
起き上がり動作の実現
[09 大矢他]](https://image.slidesharecdn.com/sekiyab-130326085656-phpapp01/85/Sekiya-b-2-320.jpg)
![陆上と水中での検出の実験
実験条件
教示データ 陸上（歩行）
水中（歩行）
ニューラルネットワークの終端条件 0.10
FFT入力データ数
(加速度センサの測定時間)
32 64 128
(960 [msec]) (1920 [msec]) (3840 [msec])
陸上 30％ 80％ 100％
実
験
環
境 水中 100％ 60％ 0％](https://image.slidesharecdn.com/sekiyab-130326085656-phpapp01/85/Sekiya-b-10-320.jpg)
![陆上と水中での検出の実験
実験条件
教示データ 陸上（歩行）
水中（水泳）
ニューラルネットワークの終端条件 0.05
FFT入力データ数
(加速度センサの測定時間)
32 64 128
(960 [msec]) (1920 [msec]) (3840 [msec])
陸上 70％ 80％ 70％
実
験
環 水中 75％ 90％ 70％
境](https://image.slidesharecdn.com/sekiyab-130326085656-phpapp01/85/Sekiya-b-11-320.jpg)
More Related Content
What's hot (6)
Viewers also liked (8)
Similar to Sekiya b (20)
![SSII2021 [OS3] 広域環境の3D計測と認識 ～ 人が活動する場のセンシングとモデル化 ～（オーガナイザーによる冒頭の導入）](https://cdn.slidesharecdn.com/ss_thumbnails/os3-01-210605061816-thumbnail.jpg?width=560&fit=bounds)
More from harmonylab (20)
Sekiya b
- 1. 水中ヒューマノイドロボットにおける 歩行行動と水泳行動の切り替え検出に関する研究 北海道大学 工学部 情報エレクトロニクス学科 複雑系工学講座 調和系工学研究室 4年 関谷 章吾
- 2. 研究背景 ヒューマノイドロボット ?多自由度の腕や足 種々の環境における応用に期待 ?人間に近い形状 例，原発等の危険区域での作業代替 活動環境拡大 水中環境での利用 [応用] 水中環境での人間の作業代替 水泳行動の獲得 [05 小林他] 起き上がり動作の実現 [09 大矢他]
- 3. 陸上－水中間の移動の実現 問題点 陸上と水中では抵抗や慣性力が違う ? それぞれ適したロボット動作が必要 陸上：歩行動作 水中：水泳動作 動作の切替が必要 目的 水陸環境検出
- 4. 提案手法 水陸検出へのアプローチ 陸上 水中 波 なし あり 波による周期的な復元力の発生 抵抗 小 大 ?ロボットの加速度の周期的変化 浮力 なし あり 加速度の時系列データのパワースペクトルに特徴 加速度 パワースペクトル {水中，陸上} 時系列 のベクトル 二値分類機 FFT （Neural Network）
- 5. 加速度データの取得?変换 パワースペクトル 加速度 {水中，陸上} のベクトル 二値分類機 時系列 FFT （Neural Network） パワー スペクトル 加速度 時刻 周波数 FFT入力データ ニューラルネットワーク データ数 入力データ {32, 64, 128} データ数 {16, 32, 64} x, y, zの各軸に対して実行
- 6. ニューラルネットワークの构成 出力： {水中, 陸上} の二値 出力層の数：1 ????? 中間層の数：{24, 48, 96} ????? 入力層の数：{16×3軸, 32×3軸, 64×3軸} 入力： 3軸の加速度センサのフーリエ変換の 伝達関数：シグモイド関数 パワースペクトル 学習方法：誤差逆伝搬法 学習率： 0.2
- 7. 学习开始 学習 ランダムに1つ 教示データ（40データ） 教示データを取得 ?水中20データ ?陸上20データ 学習 すべての教示データに対 10000回繰り返す し，二乗誤差を計算 誤差が ε（定数）以下 教示データ ? 陸上で歩行行動をした後 の加速度データを 学習終了 それぞれ20データ用意 ? 水中で水泳行動をした後
- 8. 実験 提案手法の水陸環境検出に対する有効性の検証 使用機材 ヒューマノイドロボット（MANOI AT01） 防水スーツ Body 高さ 340 mm 肩幅 205 mm 足裏の長さ 100 mm 重さ 1410 ｇ Main body 自由度 17自由度 重さ 525 g 通信手段 RS232C 材質 ネオプレーン ３軸加速度センサを胴体に装備 ホストPC 水槽 コマンド制御 Connect : RS232C W:1000mm ヒューマノイド L:400mm ロボット H:200mm 安定化電源
- 9. 設定 陸上においての自らの環境の推定 水中においての自らの環境の推定 試行回数20回 試行回数20回 200mm 200mm 1000mm 1000mm 波の減衰に応じて， 加速度 加速度変化も減衰すると予想される 時刻 FFT入力データ データ数 {32, 64, 128} ↑ 3パターンに対して検証を行う
- 10. 陆上と水中での検出の実験 実験条件 教示データ 陸上（歩行） 水中（歩行） ニューラルネットワークの終端条件 0.10 FFT入力データ数 (加速度センサの測定時間) 32 64 128 (960 [msec]) (1920 [msec]) (3840 [msec]) 陸上 30％ 80％ 100％ 実 験 環 境 水中 100％ 60％ 0％
- 11. 陆上と水中での検出の実験 実験条件 教示データ 陸上（歩行） 水中（水泳） ニューラルネットワークの終端条件 0.05 FFT入力データ数 (加速度センサの測定時間) 32 64 128 (960 [msec]) (1920 [msec]) (3840 [msec]) 陸上 70％ 80％ 70％ 実 験 環 水中 75％ 90％ 70％ 境
- 12. まとめ - 環境検出の正答率が70% - FFT入力データ数が64の場合において，検 出精度が向上 - 入力データ数が多いほど，正答率が高くなる - ただし，入力データ数が128の場合，波の減衰に より，加速度変化も減衰したため，陸上との区別 ができなくなったと考えられる
- 13. 陆上から水中への移动
- 15. 実験 2 コマンド制御 W:1000mm L:400mm H:200mm ホストPC Connect : RS232C ヒューマノイドロボット 200mm Connect : RS232C 1000mm 安定化電源