JP2002086380A

JP2002086380A - 脚式ロボット及びその制御方法

Info

Publication number: JP2002086380A
Application number: JP2000276921A
Authority: JP
Inventors: Takeshi Takagi; 剛高木
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2000-09-12
Filing date: 2000-09-12
Publication date: 2002-03-26

Abstract

(57)【要約】【課題】さまざまなキャラクタに対応した自己学習並
びに学習結果の再生を実現する。【解決手段】歩行ロボットは、ロボット本体に対して
交換可能に取り付けられる外装モジュールを備えてお
り、ロボットを使用する状況や役割に応じて外装モジュ
ールを交換する。外装モジュールには、ニューラル・ネ
ットワークのシナプティック・ウェイトを識別するため
の外部情報を含んでおり、外装モジュールを交換したこ
とに応答して、使用すべきシナプティック・ウェイトを
切り替えることによって、ロボットのキャラクタを素早
く切り替えることが可能である。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、少なくとも肢体と
体幹部を有する脚式ロボット及びその制御方法に係り、
特に、肢体及び／又は体幹部を利用した各種の動作パタ
ーンを時系列的に学習するとともに再生する脚式ロボッ
ト及びその制御方法に関する。

【０００２】更に詳しくは、本発明は、リカレント・ニ
ューラル・ネットワークを用いて時系列的な学習・教示
作用を実現する脚式ロボット及びその制御方法に係り、
特に、リカレント・ニューラル・ネットワークを用いて
さまざまなキャラクタに対応した自己学習並びに学習結
果の再生を実現する脚式ロボット及びその制御方法に関
する。

【０００３】

【従来の技術】電気的若しくは磁気的な作用を用いて人
間の動作に似せた運動を行う機械装置のことを「ロボッ
ト」という。ロボットの語源は、スラブ語のＲＯＢＯＴ
Ａ(奴隷機械)に由来すると言われている。わが国では、
ロボットが普及し始めたのは１９６０年代末からである
が、その多くは、工場における生産作業の自動化・無人
化などを目的としたマニピュレータや搬送ロボットなど
の産業用ロボット（industrial robot）であった。

【０００４】アーム式ロボットのように、ある特定の場
所に植設して用いるような据置きタイプのロボットは、
部品の組立・選別作業など固定的・局所的な作業空間で
のみ活動する。これに対し、移動式のロボットは、作業
空間は非限定的であり、所定の経路上または無経路上を
自在に移動して、所定の若しくは任意の人的作業を代行
したり、ヒトやイヌあるいはその他の生命体に置き換わ
る種々の幅広いサービスを提供することができる。なか
でも脚式の移動ロボットは、クローラ式やタイヤ式のロ
ボットに比し不安定で姿勢制御や歩行制御が難しくなる
が、階段や梯子の昇降や障害物の乗り越えや、整地・不
整地の区別を問わない柔軟な歩行・走行動作を実現でき
るという点で優れている。

【０００５】最近では、イヌやネコのように４足歩行の
動物の身体メカニズムやその動作を模したペット型ロボ
ット、あるいは、ヒトのような２足直立歩行を行う動物
の身体メカニズムや動作をモデルにしてデザインされた
「人間形」若しくは「人間型」のロボット（humanoid r
obot）など、脚式移動ロボットに関する研究開発が進展
し、実用化への期待も高まってきている。

【０００６】ロボットに対して所定動作を教え込むこと
を、「教示」若しくは「ティーチング」と呼ぶ。動作教
示には、例えば、作業現場においてオペレータ又はユー
ザが手取り足取り教える教示方式や、計算機などロボッ
ト外部のエディタ上で動作パターンの入力・作成・編集
を行う教示方式などが挙げられる。また、ロボットに学
習機能を搭載することにより、作業空間における事象を
逐次記憶させ次の行動に活用させることができる。

【０００７】ロボットに関する制御情報は、一般に、セ
ンサや関節アクチュエータに関する連続的な時系列デー
タの集まりとして扱うことができる。他方、時系列デー
タのための学習機構として、リカレント・ニューラル・
ネットワークが有効であることが情報処理の技術分野で
は知られている。

【０００８】ここで、「ニューラル・ネットワーク」と
は、人間の脳における神経回路網を簡略化したモデルで
あり、神経細胞ニューロンが一方向にのみ信号を通過す
るシナプスを介して結合されているネットワークを意味
する。各ニューロン間の信号の伝達はシナプスを介して
行われ、シナプスの抵抗、すなわち重み（シナプティッ
ク・ウェイト）を適当に調整することによりさまざまな
情報処理が可能となる。各ニューロンは、他の１以上の
ニューロンからの出力をシナプスによる重み付けをして
入力し、それら入力値の総和に対して非線型応答関数の
変形を加え、再度他のニューロンへ出力する。ニューラ
ル・ネットワークによる制御では、摩擦や粘性などの非
線型問題にそのまま対応することができるとともに、学
習機能を備えているので、パラメータの設定変更が不要
になる。すなわち、学習作業が効率的となる。

【０００９】また、リカレント・ニューラル・ネットワ
ークは、内部にフィードバック結合を備えることで、１
周期前の情報をネットワーク内に持ち、これによって時
系列データの履歴を把握することができる仕組みになっ
ている。

【００１０】ところで、ひとえに４足歩行のペット型ロ
ボットといっても、イヌ型とネコ型とではキャラクタの
性質が大いに相違する。例えばボールを見つけたときな
どの単純な場面であっても、イヌであればボールを蹴り
始めるという行動が自己組織化されているであろうが、
ネコであればボールに抱え込むといった行動が自己組織
化されていることが期待される。

【００１１】また、同じイヌ型のロボットであっても、
ユーザ（飼い主）とジャレあっているときと、サッカー
などの競技に出場しているときとでは、自ずと特性が相
違する。また、同じサッカー・ゲームに出場する場合で
あっても、ポジションや割り当てられた役割に応じて、
期待されるキャラクタや動作特性は相違して然るべきで
ある。

【００１２】例えば、本出願人に既に譲渡されている特
願平１１−３１０３３０号明細書、並びに特願平１１−
３１０３３１号明細書には、ロボットの本体に対して取
外し自在に装着される外装モジュールの種類に応じてロ
ボットの挙動に変化を持たせることにより、アミューズ
メント性を格段と向上し得るロボット・システム、外装
及びロボット装置について開示されている。

【００１３】このうち、特願平３１０３３０号明細書に
は、所定動作を発現するロボット装置と、ロボット装置
に着脱自在に装着される外装と、外装に設けられ、当該
外装に応じた固有情報を保持する情報保持手段と、ロボ
ット装置に設けられ、ロボット装置に外装が装着された
とき、外装の情報保持手段に保持された固有情報を検出
する情報検出手段と、当該検出された固有情報に基づい
て、動作の発現パターンを必要に応じて変化させる制御
手段とを設けたロボット・システムについて開示してい
る。すなわち、外装モジュールの交換に応じて動作の発
言パターンを素早く変更することができる。

【００１４】また、特願平１１−３１０３３１号明細書
には、可動部を有し、当該可動部を駆動するように所定
の動作を発現するロボット装置と、ロボット装置に着脱
自在に装着される外装と、ロボット装置に設けられ、可
動部を駆動制御する制御手段とを設けたロボット・シス
テムについて開示している。制御手段は、ロボット装置
に外装が装着されたときに、可動部を駆動させて動作に
対する当該外装の影響量を検出し、当該検出結果に基づ
いて動作の発現パターンを必要に応じて変化させるよう
にしている。すなわち、外装モジュールの交換に応じて
動作の発言パターンを素早く変更することができる。

【００１５】しかしながら、従来のニューラル・ネット
ワークを用いた学習機構では、キャラクタの相違に対応
したり、キャラクタを動的に且つ素早く変更させるもの
は存在しななかった。また、ロボット本体に対する外装
モジュールやその他の取り外し可能な部品の着脱に応じ
て学習メカニズムのキャラクタや特性を切り替えるもの
はなかった。

【００１６】また、ロボットが遭遇した状況や与えられ
た役割が変わる毎に、ロボットに対して再度の学習・教
示作業を行っていたのでは、効率が悪く、使い勝手も低
下する。

【００１７】

【発明が解決しようとする課題】本発明の目的は、リカ
レント・ニューラル・ネットワークを用いて時系列的な
学習・教示作用を実現することができる、優れた脚式ロ
ボット及びその制御方法を提供することにある。

【００１８】本発明の更なる目的は、リカレント・ニュ
ーラル・ネットワークを用いてさまざまなキャラクタに
対応した自己学習並びに学習結果の再生を実現すること
ができる、優れた脚式ロボット及びその制御方法を提供
することにある。

【００１９】本発明の更なる目的は、ロボットが遭遇し
た状況や与えられた役割が変化したことに応答して、キ
ャラクタを素早く変更することができる、優れた脚式ロ
ボット及びその制御方法を提供することにある。

【００２０】本発明の更なる目的は、ロボット本体に対
する外装モジュールやその他の取り外し可能な部品の着
脱に応じて学習メカニズムの特性を切り替えることがで
きる、優れた脚式ロボット及びその制御方法を提供する
ことにある。

【００２１】

【課題を解決するための手段】本発明は、上記課題を参
酌してなされたものであり、その第１の側面は、複数の
関節で構成される脚式ロボットであって、各関節の駆動
を始めとするロボットの動作を制御する動作制御手段
と、該脚式ロボットに対して印加された教示内容をシナ
プティック・ウェイトを用いてニューラル・ネットワー
クにより学習する学習手段と、所定の固有情報を保持し
た外装モジュールを着脱自在に取り付ける外装モジュー
ル取付手段と、外装モジュールの交換に応答して、前記
学習手段が使用するシナプティック・ウェイト・セット
を制御するシナプティック・ウェイト制御手段と、を具
備することを特徴とする脚式ロボットである。

【００２２】ここで、前記学習手段は、リカレント・ニ
ューラル・ネットワークを使用して、各関節アクチュエ
ータの動作を時系列的に学習することができるようにし
てもよい。

【００２３】また、本発明の第１の側面に係る脚式ロボ
ットは、前記学習手段が使用する１以上のシナプティッ
ク・ウェイト・セットを外装モジュールの固有情報と対
応付けて記憶するシナプティック・ウェイト記憶手段を
さらに備えていてもよい。このような場合、前記シナプ
ティック・ウェイト制御手段は、外装モジュールの交換
に応答して、該外装モジュールの固有情報に該当するシ
ナプティック・ウェイト・セットを前記シナプティック
・ウェイト記憶手段から取り出して、前記学習手段が使
用するシナプティック・ウェイト・セットを素早く変更
することができる。

【００２４】このようにして、新たに取り付けられた外
装モジュールに対応するシナプティック・ウェイト・セ
ットを変更することで、脚式ロボットが持つキャラクタ
を素早く変更することができる。

【００２５】また、前記シナプティック・ウェイト制御
手段は、前記学習手段が使用するシナプティック・ウェ
イト・セットを置き換えるときに、変更前のシナプティ
ック・ウェイト・セットを交換前の外装モジュールの固
有情報と対応付けて前記シナプティック・ウェイト記憶
手段に記憶するようにしてもよい。

【００２６】このようにして、以前使用したシナプティ
ック・ウェイト・セットを保存しておくことにより、将
来同じ外装モジュールが再び取り付けられた場合などに
おいて、対応するシナプティック。ウェイト・セットを
シナプティック・ウェイト記憶手段から回復することに
よって、同様のキャラクタを瞬時に再現することができ
る。

【００２７】また、本発明の第２の側面は、複数の関節
で構成され、各関節の駆動を始めとするロボットの動作
を制御するとともに、該脚式ロボットに対して印加され
た教示内容をシナプティック・ウェイトを用いてニュー
ラル・ネットワークにより学習するタイプの脚式ロボッ
トの制御方法であって、所定の固有情報を保持した外装
モジュールが交換されたことを検出する検出ステップ
と、外装モジュールの交換に応答して、前記ニューラル
・ネットワークが使用するシナプティック・ウェイト・
セットを制御するシナプティック・ウェイト制御ステッ
プと、を具備することを特徴とする脚式ロボットの制御
方法である。

【００２８】ここで、前記ニューラル・ネットワークは
リカレント・ニューラル・ネットワークを使用して、各
関節アクチュエータの動作を時系列的に学習するように
してもよい。

【００２９】また、前記脚式ロボットはさらに、前記ニ
ューラル・ネットワークが使用する１以上のシナプティ
ック・ウェイト・セットを外装モジュールの固有情報と
対応付けて記憶するシナプティック・ウェイト記憶手段
を備えていてもよい。このような場合、前記シナプティ
ック・ウェイト制御ステップでは、外装モジュールの交
換に応答して、該外装モジュールの固有情報を読み出
し、該固有情報に対応するシナプティック・ウェイト・
セットを前記シナプティック・ウェイト記憶手段から取
り出して、前記ニューラル・ネットワークが使用するシ
ナプティック・ウェイト・セットと素早く置き換えるこ
とができる。

【００３０】このようにして、新たに取り付けられた外
装モジュールに対応するシナプティック・ウェイト・セ
ットを変更することで、脚式ロボットが持つキャラクタ
を素早く変更することができる。

【００３１】また、前記シナプティック・ウェイト制御
ステップでは、前記ニューラル・ネットワークが使用す
るシナプティック・ウェイト・セットと置き換えるとき
に、変更前のシナプティック・ウェイト・セットを交換
前の外装モジュールの固有情報と対応付けて前記シナプ
ティック・ウェイト記憶手段に記憶するようにしてもよ
い。

【００３２】このようにして、以前使用したシナプティ
ック・ウェイト・セットを保存しておくことにより、将
来同じ外装モジュールが再び取り付けられた場合などに
おいて、対応するシナプティック。ウェイト・セットを
シナプティック・ウェイト記憶手段から回復することに
よって、同様のキャラクタを瞬時に再現することができ
る。

【００３３】

【作用】本発明に係る脚式ロボットは、ロボット本体に
対して交換可能に取り付けられる外装モジュールを備え
ており、ロボットを使用する状況や役割に応じて外装モ
ジュールを交換するようになっている。

【００３４】各外装モジュールには、ニューラル・ネッ
トワークのシナプティック・ウェイトを識別するための
外部情報を含んでおり、外装モジュールを交換したこと
に応答して、使用すべきシナプティック・ウェイトを切
り替えることによって、ロボットのキャラクタを素早く
切り替えることが可能である。

【００３５】したがって、本発明によれば、ロボットが
遭遇した状況や与えられた役割が変化したことに応答し
て、キャラクタを素早く変更することができる。

【００３６】本発明のさらに他の目的、特徴や利点は、
後述する本発明の実施例や添付する図面に基づくより詳
細な説明によって明らかになるであろう。

【００３７】

【発明の実施の形態】以下、図面を参照しながら本発明
の実施例を詳解する。

【００３８】図１には、本発明を実施に供される、四肢
による脚式歩行を行う歩行ロボット１の外観構成を示し
ている。図示の通り、該ロボット１は、四肢を有する動
物の形状や構造をモデルにして構成された多関節型の移
動ロボットである。とりわけ本実施例の歩行ロボット１
は、愛玩動物の代表例であるイヌの形状及び構造を模し
てデザインされたペット型ロボットという側面を有し、
例えば人間の住環境において人間と共存するとともに、
ユーザ操作に応答した動作表現を行うことができる。

【００３９】歩行ロボット１は、胴体部ユニット２と、
頭部ユニット３と、尻尾４と、四肢すなわち脚部ユニッ
ト６Ａ〜６Ｄで構成される。

【００４０】頭部ユニット３は、ロール、ピッチ及びヨ
ーの各軸方向（図示）の自由度を持つ首関節７を介し
て、胴体部ユニット２の略前上端に配設されている。ま
た、頭部ユニット３には、イヌの「目」に相当するＣＣ
Ｄ（Charge Coupled Device：電荷結合素子）カメラ１
５と、「耳」に相当するマイクロフォン１６と、「口」
に相当するスピーカ１７と、触感に相当するタッチセン
サ１８が搭載されている。これら以外にも、生体の五感
を構成するセンサや、足底が路面に着床しているか否か
を検知する設置確認センサなどを含んでいても構わな
い。

【００４１】尻尾４は、ロール及びピッチ軸の自由度を
持つ尻尾関節８を介して、胴体部ユニット２の略後上端
に湾曲若しくは揺動自在に取り付けられている。

【００４２】脚部ユニット６Ａ及び６Ｂは前足を構成
し、脚部ユニット６Ｃ及び６Ｄは後足を構成する。各脚
部ユニット６Ａ〜６Ｄは、それぞれ、大腿部ユニット９
Ａ〜９Ｄ及び脛部ユニット１０Ａ〜１０Ｄの組み合わせ
で構成され、胴体部ユニット２底面の前後左右の各隅部
に取り付けられている。大腿部ユニット９Ａ〜９Ｄは、
ロール、ピッチ、ヨーの各軸の自由度を持つ股関節１１
Ａ〜１１Ｄによって、胴体部ユニット２の各々の所定部
位に連結されている。また、大腿部ユニット９Ａ〜９Ｄ
と脛部ユニット１０Ａ〜１０Ｄの間は、ロール及びピッ
チ軸の自由度を持つ膝関節１２Ａ〜１２Ｄによって連結
されている。

【００４３】なお、歩行ロボット１の関節自由度は、実
際には各軸毎に配備され関節アクチュエータ（図示しな
い）の回転駆動によって提供される。また、歩行ロボッ
ト１が持つ関節自由度の個数や配置は任意であり、本発
明の要旨を限定するものではない。

【００４４】本実施例では、図１に示したような歩行ロ
ボット１に対して、図２に示すような所定の外装モジュ
ール１３を着脱自在に装着することができる構造となっ
ている。このような外装モジュール１３を装備して表面
全体を被覆した結果、歩行ロボット１そのものの外観が
決定される。すなわち、歩行ロボット１は、装着した外
装モジュール１３に応じて、イヌ又はネコに見えたり、
あるいはイヌであっても特定の種類や役割を持っている
ように見えたりする。また、ユーザはかかる外観に応じ
て歩行ロボット１が持つ性質やキャラクタ、発現すべき
動作パターンを予想したり期待してしまう。

【００４５】外装モジュール１３は、あたかも本物のイ
ヌやネコの表皮と同様の形態を合成繊維や天然素材から
形成した外装本体部１３Ａからなる構造体である。外装
モジュール１３の裏面側の所定の部位には、コネクタ半
体１４Ａ及び掛合機構部１４Ｂかならる接続部１０が配
設されており、歩行ロボット１の本体側の該当部位に設
けられた接続部（図示しない）と電気的及び機械的に接
続する機械的及び電気的な結合を実現するようになって
いる。

【００４６】図３には、歩行ロボット１の電気・制御系
統の構成図を模式的に示している。同図に示すように、
歩行ロボット１は、全体の動作の統括的制御やその他の
データ処理を行う制御部２０と、入出力部４０と、駆動
部５０と、電源部６０とで構成される。以下、各部につ
いて説明する。

【００４７】入出力部４０は、入力部として移動ロボッ
ト１の目に相当するＣＣＤカメラ１５や、耳に相当する
マイクロフォン１６、触感に相当するタッチセンサ１８
など、五感に相当する各種のセンサを含む。また、出力
部として、口に相当するスピーカ１７などを装備してい
る。これら出力部は、脚部などによる機械運動パターン
以外の形式で、歩行ロボット１からユーザに対してシン
ボリックなフィードバックを与えることができる。

【００４８】歩行ロボット１は、カメラ１５を含むこと
で、作業空間上に存在する任意の物体の形状や色彩を認
識することができる。また、歩行ロボット１は、カメラ
のような視覚手段の他に、赤外線、音波、超音波、電波
などの発信波を受信する受信装置をさらに備えていても
よい。この場合、各伝送波を検知するセンサ出力に基づ
いて発信源からの位置や向きを計測することができる。

【００４９】駆動部５０は、制御部２０が指令する所定
の運動パターンに従って歩行ロボット１の機械運動を実
現する機能ブロックであり、首関節７、尻尾関節８、股
関節１１Ａ〜１１Ｄ、膝関節１２Ａ〜１２Ｄなどのそれ
ぞれの関節におけるロール、ピッチ、ヨーなど各軸毎に
設けられた駆動ユニットで構成される。図示の例では、
歩行ロボット１はｎ個の関節自由度を有し、したがって
駆動部５０はｎ個の駆動ユニットで構成される。各駆動
ユニットは、所定軸回りの回転動作を行うモータ（関節
アクチュエータ）５１と、モータ５１の回転位置を検出
するエンコーダ（関節角度センサ）５２と、制御部から
の制御指令値とエンコーダ５２の出力に基づいてモータ
５１の回転位置や回転速度を適応的に制御するドライバ
５３の組み合わせで構成される。

【００５０】電源部６０は、その字義通り、歩行ロボッ
ト１内の各電気回路等に対して給電を行う機能モジュー
ルである。本実施例に係る歩行ロボット１は、バッテリ
を用いた自律駆動式であり、電源部６０は、充電バッテ
リ６１と、充電バッテリ６１の充放電状態を管理する充
放電制御部６２とで構成される。

【００５１】充電バッテリ６１は、例えば、複数本のニ
ッケル・カドミウム電池セルをカートリッジ式にパッケ
ージ化した「バッテリ・パック」という形態で構成する
ことができる。

【００５２】また、充放電制御部６２は、バッテリ６１
の端子電圧や充電／放電電流量、バッテリ６１の周囲温
度などを測定することでバッテリ６１の残存容量を把握
し、充電の開始時期や終了時期などを決定するようにな
っている。

【００５３】制御部２０は、ヒトやイヌの「頭脳」に相
当し、例えば歩行ロボット１の頭部ユニット３あるいは
胴体部ユニット２に搭載される。

【００５４】図４には、制御部２０の構成をさらに詳細
に図解している。同図に示すように、制御部２０は、メ
イン・コントローラとしてのＣＰＵ（Central Processi
ng Unit）２１が、メモリその他の各回路コンポーネン
トや周辺機器とバス接続された構成となっている。バス
２７は、アドレス・バス、データ・バス、コントロール
・バスを含んだ共通信号伝送路である。バス２７上の各
装置にはそれぞれに固有のアドレス（メモリ・アドレス
又はＩ／Ｏアドレス）が割り当てられており、ＣＰＵ２
１は、アドレス指定することでバス２８上の特定の装置
と通信することができる。

【００５５】ＲＡＭ（Random Access Memory）２２は、
ＤＲＡＭ（Dynamic RAM）などの揮発性メモリで構成さ
れた書き込み可能メモリであり、ＣＰＵ２１が実行する
ロボット制御用のプログラム・コードをロードしたり、
作業データの一時的な保存のために使用される。

【００５６】ＲＯＭ（Read Only Memory）２３は、プロ
グラムやデータを恒久的に格納する読み出し専用メモリ
である。ＲＯＭ２３に格納されるプログラム・コードに
は、歩行ロボット１の電源投入時に実行する自己診断テ
スト・プログラムや、歩行ロボット１の動作を規定する
制御プログラムなどが挙げられる。

【００５７】本実施例では、歩行ロボット１の制御プロ
グラムには、リカレント・ニューラル・ネットワークに
基づく学習機能が適用されている。リカレント・ニュー
ラル・ネットワークによれば、時系列的な学習を行うこ
とができる。すなわち、ユーザがロボット１の脚部ユニ
ットなどを操作するなどして直接教示して得られる時系
列的な関節角度パラメータと、そのときの外部環境やそ
の変化などとを関連付けた効率的な学習作業を実現する
ことができる。但し、リカレント・ニューラル・ネット
ワークを用いた学習機構並びに教示機構の詳細について
は、後述に譲ることにする。

【００５８】不揮発性メモリ２４は、例えばＥＥＰＲＯ
Ｍ（Electrically Erasable and Programmable ROM）の
ように、電気的に消去再書き込みが可能なメモリ素子で
構成され、逐次更新すべきデータを不揮発的に保持する
ために使用される。逐次更新すべきデータには、例え
ば、歩行ロボット１の行動パターンを規定する学習モデ
ル、感情モデル、本能モデル、行動計画モデルなどが挙
げられる。

【００５９】インターフェース２５は、制御部２０外の
機器と相互接続し、データ交換を可能にするための装置
である。インターフェース２５は、例えば、カメラ１５
やマイクロフォン１６、スピーカ１７との間でデータ入
出力を行う。また、インターフェース２５は、駆動部５
０内の各ドライバ５３−１…との間でデータやコマンド
の入出力を行う。また、インターフェース２５は、電源
部６０との間で充電開始及び充電終了信号の授受を行う
こともできる。

【００６０】インターフェース２５は、ＲＳ（Recommen
ded Standard）−２３２Ｃなどのシリアル・インターフ
ェース、ＩＥＥＥ（Institute of Electrical and elec
tronics Engineers）１２８４などのパラレル・インタ
ーフェース、ＵＳＢ（Universal Serial Bus）インター
フェース、ｉ−Ｌｉｎｋ（ＩＥＥＥ１３９４）インター
フェース、ＳＣＳＩ（Small Computer System Interfac
e）インターフェースなどのような、コンピュータの周
辺機器接続用の汎用インターフェースを備え、ローカル
接続された外部機器との間でプログラムやデータの移動
を行うようにしてもよい。

【００６１】また、インターフェース２５の１つとして
赤外線通信（ＩｒＤＡ）インターフェースを備え、外部
機器と無線通信を行うようにしてもよい。赤外線通信の
ための送受信部は、例えば頭部ユニット２や尻尾３な
ど、移動ロボット１本体の先端部に設置されることが受
信感度の観点から好ましい。

【００６２】また、インターフェース２５の１つとし
て、歩行ロボット１の本体に対して取外し可能に装着さ
れた外装モジュール１３（図２を参照のこと）の接続部
１４と電気的及び機械的に結合する接続部を備え、接続
部１４を経由して外装モジュール１３との間でデータ通
信を行うようになっている。但し、外装モジュール１３
とのデータ交換並びに交換されたデータに基づくオペレ
ーションについては後に詳解する。

【００６３】さらに、制御部２０は、無線通信インター
フェース２６ネットワーク・インターフェース・カード
（ＮＩＣ）２７を含み、"ｂｌｕｅｔｏｏｔｈ"や"．１
１Ｂ"のような近接無線通信、あるいはＬＡＮ（Local A
rea Network：例えばＥｔｈｅｒｎｅｔ（登録商標））
やインターネットを経由して、外部のホスト・コンピュ
ータ１００とデータ通信を行うことができる。

【００６４】このような歩行ロボット１とホストコンピ
ュータ間のデータ通信の目的は、遠隔のコンピュータ資
源を用いて歩行ロボット１の動作をリモート・コントロ
ールすることである。また、該データ通信の他の目的
は、動作モデルやその他のプログラム・コードなど歩行
ロボット１の動作制御に必要なデータやプログラムをネ
ットワーク経由で歩行ロボット１に供給することにあ
る。

【００６５】歩行ロボット１の動作制御は、現実には、
ＣＰＵ２１において所定のソフトウェア・プログラムを
実行することによって実現する。図５には、ロボット１
上で稼動するソフトウェア制御構成を模式的に示してい
る。

【００６６】同図に示すように、ロボット制御用のソフ
トウェアは、複数層のソフトウェアで構成される階層構
造を備えている。制御用ソフトウェアにはオブジェクト
指向プログラミングを採り入れることができる。この場
合、各ソフトウェアは、データとそのデータに対する処
理手続きとを一体化させた「オブジェクト」というモジ
ュール単位で扱われる。

【００６７】最下層のデバイス・ドライバは、各関節ア
クチュエータの駆動やセンサ出力の受信などハードウェ
アに対して直接アクセスすることを許容されたオブジェ
クトであり、ハードウェアからの割り込み要求に応答し
て該当する処理を行うようになっている。

【００６８】仮想ロボットは、各種デバイス・ドライバ
と所定のオブジェクト間通信プロトコルに基づいて動作
するオブジェクトとの仲介となるオブジェクトである。
ロボット１を構成する各ハードウェア装置へのアクセス
は、この仮想ロボットを介して行われる。

【００６９】サービス・マネージャは、コネクション・
ファイルに記述されたオブジェクト間の接続情報を基
に、各オブジェクトに接続を促すシステム・オブジェク
トである。

【００７０】システム層より上位のソフトウェアは、オ
ブジェクト（プロセス）毎にモジュール化されており、
必要な機能毎にオブジェクトを選択して置換容易な構成
になっている。したがって、コネクション・ファイルを
書き換えることで、データ型が一致するオブジェクトの
入出力を自由に接続することができる。

【００７１】デバイス・ドライバ層とシステム層以外の
ソフトウェア・モジュールは、ミドルウェア層とアプリ
ケーション層に大別される。

【００７２】図６には、ミドルウェア層の内部構成を模
式的に図解している。

【００７３】ミドルウェア層は、ロボット１の基本的な
機能を提供するソフトウェア・モジュールの集まりであ
り、各モジュールの構成はロボット１の機械的・電気的
な特性や仕様、形状などハードウェア属性の影響を受け
る。

【００７４】ミドルウェア層は、機能的に、認識系のミ
ドルウェア（図６の左半分）と、出力系のミドルウェア
（図６の右半分）に分けることができる。

【００７５】認識系のミドルウェアでは、画像データや
音声データ、その他のセンサから得られる検出データな
ど、ハードウェアからの生データを仮想ロボット経由で
受け取ってこれらを処理する。すなわち、各種入力情報
に基づき、音声認識、距離検出、姿勢検出、接触、動き
検出、色認識などの処理を行い、認識結果を得る（例え
ば、ボールを検出した、転倒を検出した、撫でられた、
叩かれた、動く物体を検出した、障害物を検出した、障
害物を認識したなど）。認識結果は、入力セマンティク
ス・コンバータを介して上位のアプリケーション層に通
知され、行動計画などに利用される。

【００７６】一方、出力系のミドルウェアでは、歩行、
動きの再生、出力音の合成、目に相当するＬＥＤの点灯
制御などの機能を提供する。すなわち、アプリケーショ
ン層において立案された行動計画を出力セマンティクス
・コンバータを介して受信処理して、ロボット１の各機
能毎にロボット１の各ジョイントのサーボ指令値や出力
音、出力光（ＬＥＤ）、出力音声などを生成して、出力
すなわち仮想ロボットを介してロボット１上で実演す
る。このような仕組みにより、より抽象的な行動コマン
ド（例えば、前進、後退、喜ぶ、吼える、寝る、体操す
る、驚く、トラッキングするなど）を与えることで、ロ
ボット１の各関節による動作を制御することができる。

【００７７】また、図７には、アプリケーション層の内
部構成を模式的に図解している。

【００７８】アプリケーションは、入力セマンティクス
・コンバータ経由で受け取った認識結果を使って、ロボ
ット１の行動計画を決定して、出力セマンティクス・コ
ンバータ経由で決定された行動を返すようになってい
る。

【００７９】アプリケーションは、ロボット１の感情を
モデル化した感情モデルと、本能をモデル化した本能モ
デルと、外部事象とロボット１がとる行動との因果関係
を逐次記憶していく学習モジュールと、行動パターンを
モデル化した行動モデルと、行動モデルによって決定さ
れた行動の出力先を切り替える行動切替部とで構成され
る。

【００８０】入力セマンティクス・コンバータ経由で入
力される認識結果は、感情モデル、本能モデル、行動モ
デルに入力されるとともに、学習モジュールには学習教
示信号として入力される。

【００８１】行動モデルによって決定されたロボット１
の行動は、行動切替部並びに出力セマンティクス・コン
バータ経由でミドルウェアに送信され、ロボット１上で
実行される。あるいは、行動切替部を介して、感情モデ
ル、本能モデル、並びに学習モジュールに、行動履歴と
して供給される。

【００８２】感情モデルと本能モデルは、それぞれ認識
結果と行動履歴を入力に持ち、感情値と本能値を管理し
ている。行動モデルは、これら感情値や本能値を参照す
ることができる。また、学習モジュールは、学習教示信
号に基づいて行動選択確率を更新して、更新内容を行動
モデルに供給する。

【００８３】本実施例に係る学習モジュールは、外部環
境の変化などのような時系列データと、関節角度パラメ
ータとを関連付けて、時系列データとして学習すること
ができる。時系列データの学習のために、リカレント・
ニューラル・ネットワークを採用している。リカレント
・ニューラル・ネットワークは、入力層、中間層、出力
層の各ニューロンからなるニューラル・ネットワーク構
造の内部にフィードバック結合を備えることで、１周期
前の情報をネットワーク内に持ち、これによって時系列
データの履歴を把握することができる仕組みになってい
る。

【００８４】図８には、リカレント型のニューラル・ネ
ットワークの構成例を模式的に図解している。同図に示
すように、このニューラル・ネットワークは、入力デー
タが入力されるニューロンのユニット群である入力層
と、ネットワークの出力を出すニューロンのユニット群
である出力層と、それら以外のニューロンのユニット群
である中間層で構成される。

【００８５】リカレント・ニューラル・ネットワークで
は、各ユニットにおける過去の出力がネットワーク内の
他のユニット（あるいは自分自身）に戻されるような結
合関係が許容される。したがって、時間に依存して各ニ
ューロンの状態が変化するような動的性質をネットワー
ク内に含めることができ、時系列パターンの認識や予測
を行うことができる。

【００８６】図８に示す例では、リカレント・ニューラ
ル・ネットワークは、所定数の入力層のニューロンを有
している。各ニューロンには、センサの状態に相当する
ｓ_tと、モータすなわち関節アクチュエータの状態に相
当するｍ_tが入力されている。また、入力層の各ニュー
ロンからの出力は、中間層の対応するニューロンが持つ
重みすなわちシナプティック・ウェイトによって重み付
けが行われてから、出力層の対応するニューロンに供給
されている。

【００８７】出力層のニューロンからは、リカレント・
ニューラル・ネットワークのセンサの状態に対応する出
力Ｓ_t+1と、モータの状態に対応する出力ｍ_t+1が出力さ
れる。また、出力の一部は、コンテクストＣ_tとして、
入力層のニューロンにフィードバックされている。

【００８８】図示のリカレント・ニューラル・ネットワ
ークを用いた学習は、出力されたセンサの予測値Ｓ_t+1
と、実際に次の時刻で計測されたセンサの値ｓ_t+1との
誤差に基づいて、バック・プロパゲーション法により実
行される。このような学習機構により、入力されたセン
サとモータと時系列データに対して、次のセンサ情報を
予測することが可能になる。

【００８９】リカレント・ニューラル・ネットワークが
時系列データを学習したり再生したりする特性は、中間
層の各ニューロンにおいて使用されるシナプティック・
ウェイトに応じて変化する。

【００９０】図９には、リカレント・ニューラル・ネッ
トワークのインバース・ダイナミクスの構成を模式的に
示している。これは、時刻ｔにおけるセンサ予測出力と
コンテクストＣ_tを与えて、時刻ｔ−１のセンサ入力と
モータの状態入力、コンテクストＣ_t-1を得るニューラ
ル・ネットワーク構造である。

【００９１】インバース・ダイナミクスによる学習は、
図８に示したフォワード・ダイナミクスの出力を入力と
して、その出力結果とフォワード・ダイナミクスへの入
力との誤差を使って、同様にバック・プロパゲーション
法により実現する。したがって、図８に示したフォワー
ド・ダイナミクスによる学習と同時に、図９に示すイン
バース・ダイナミクスによる学習を行なうことができ
る。

【００９２】このインバース・リカレント・ニューラル
・ネットワークを用いて、得られたセンサ入力とコンテ
クストを順次入力にフィードバックしていくことで、時
間を遡って各関節アクチュエータ・モータの状態を順に
得ることができる。最終的に、時刻ｔのセンサ出力ｓ_t
を得るための各関節アクチュエータ・モータの時系列ｍ
₁，ｍ₂，…，ｍ_t-1を得ることができる。

【００９３】図８に示すフォワード・ダイナミクスと図
９に示すインバース・ダイナミクスとを組み合わせ、さ
らにロボット制御用ソフトウェア（図５を参照のこと）
の枠組みに従ってモジュール化することより、ロボット
の時系列的な学習機構を実現するリカレント・ニューラ
ル・ネットワーク（ＲＮＮ）モジュールを構築すること
ができる。図１０には、このようなＲＮＮモジュールの
構成例を図解している。また、図１１には、ＲＮＮモジ
ュールを搭載したロボット制御用ソフトウェアの構成を
図解している。

【００９４】行動計画モジュールは、外部事象や感情モ
デル、本能モデル等に基づいてロボット１がとるべき行
動計画を立案し、コマンドすなわち各モータ（関節アク
チュエータ）に対する制御指示ｍ_tを発行するととも
に、ＲＮＮモジュールにもコマンドｍ_tを入力する。

【００９５】姿勢管理モジュールは、コマンドｍ_tに従
って、仮想ロボットを介して、トラッキング、モーショ
ン再生、転倒復帰、歩行などの該当する各種の動作を実
現することができる。

【００９６】また、画像や音声、その他のセンサから得
られる検出データは、仮想ロボット経由で認識系のミド
ルウェア（前述）において処理され、それぞれの特徴量
が抽出される。これらセンサ特徴量Ｓ_tはＲＮＮモジュ
ールに入力される。

【００９７】ＲＮＮモジュールは、学習フェーズでは、
コマンドｍ_tとセンサ特徴量Ｓ_tという２つの入力を用い
て、フォワード・モデル及びインバース・モデルの学習
を行う。

【００９８】行動計画モジュールは、ＲＮＮモジュール
のフォワード・ダイナミクスからの出力として、次の時
刻におけるセンサの予測値Ｓ_t+1とコンテクストＣ_t+1を
観測することができる。学習フェーズでは、行動計画モ
ジュールは、自らの行動計画に基づいて、ロボット１の
行動を決定する。

【００９９】これに対し、ＲＮＮモジュールによりロボ
ット１の学習がある程度進行した状態では、行動計画モ
ジュールは、ＲＮＮモジュールによるセンサ予測値Ｓ
_t+1とコンテクストＣ_t+1を必要に応じて内部状態に関連
付けて記憶する、という作業を行う。

【０１００】そして、行動計画モジュールの内部に記憶
されたセンサ値とコンテクストを想起させる必要が発生
したときには、行動計画モジュールは、想起させたいセ
ンサ値ＳとコンテクストＣを取り出して、ＲＮＮモジュ
ールのインバース・モデルに対してこれを与える。これ
に対し、ＲＮＮモジュールでは、これらセンサ値Ｓ及び
コンテクストＣの入力を実現するアクションを規定する
各関節角度パラメータなどの時系列データを、インバー
ス・ダイナミクス（図９を参照のこと）を用いて順次計
算し、この計算結果を姿勢管理モジュールに送信する。
この結果、行動計画モジュールが期待する入力が得られ
るように、歩行ロボット１が行動を行うようになる。

【０１０１】既に述べたように、本実施例に係る歩行ロ
ボット１には、１以上の種類の外装モジュール１３を取
外し交換可能に装着することができる。この外装モジュ
ール１３の裏面側の所定の部位には、コネクタ半体１４
Ａ及び掛合機構部１４Ｂからなる接続部１０が配設され
ており、歩行ロボット１の本体側の該当部位に設けられ
た接続部（図示しない）と機械的及び電気的な結合を実
現するようになっている。

【０１０２】この外装モジュール１３は、あたかも本物
のイヌやネコの表皮と同様の形態を合成繊維や天然素材
から形成した外装本体部１３Ａからなる構造体であり、
ロボット１の本体表面を被覆した結果として、ロボット
１の外観を決定するという視覚的作用を発揮する。すな
わち、歩行ロボット１は、装着した外装モジュール１３
に応じて、イヌ又はネコに見えたり、あるいはイヌであ
っても特定の種類や特定の役割を持つように見えたり
し、ユーザはかかる外観に応じて歩行ロボット１が持つ
性質やキャラクタ、発現すべき動作パターンを自然と予
想しあるいは期待してしまうという副次的作用がある。

【０１０３】本実施例に係る外装モジュール１３には、
接続部１４を介して外部アクセス可能なメモリが実装さ
れている。このメモリ中には、外装した内容やロボット
１に装着したときの外観を識別するための識別情報や、
あるいは、ＲＮＮモジュール（前述）の中間層において
各ニューロンが使用するシナプティック・ウェイトの集
合（以下、「シナプティック・ウェイト・セット」とも
言う）など学習特性を制御するための制御情報が書き込
まれている。

【０１０４】システム・オブジェクトである仮想ロボッ
ト（前述）は、外装モジュール１３が新たに装着された
ことを検出すると、この外装モジュール１３内のメモリ
にアクセスして、識別情報又は制御情報などの記憶内容
を読み出す。

【０１０５】リカレント・ニューラル・ネットワークに
基づく学習機構を管理するＲＮＮモジュールでは、外装
モジュール１３から読み出された識別情報又は制御情報
に従って、学習特性を切り替えるようになっている。

【０１０６】図１２には、外装モジュール１３からの信
号に応じてＲＮＮモジュールにおける学習特性を切り替
えるためのメカニズムを模式的に図解している。

【０１０７】図示のメカニズムは、リカレント・ニュー
ラル・ネットワークに基づく学習を実現するＲＮＮモジ
ュールと、ＲＮＮモジュールの動作を制御するＲＮＮ制
御器とで構成される。但し、ＲＮＮモジュールの構成に
ついては図１０を参照しながら既に説明したので、以下
では言及しない。

【０１０８】ＲＮＮ制御器は、ＲＮＮモジュールにおい
て使用するシナプティック・ウェイトを制御するシナプ
ティック・ウェイト制御器と、各シナプティック・ウェ
イトを例えばファイル形式で保存するシナプティック・
ウェイト記憶器とで構成される。

【０１０９】シナプティック・ウェイトは、ＲＮＮモジ
ュールの入力層の各ニューロンにおける入力データを、
中間層の各ニューロンにおいて重み付けをして出力層に
渡す際に使用する。本実施例では、中間層の各ニューロ
ンにおいて使用されるシナプティック・ウェイトは、１
つの集合として扱われ、本明細書中では「シナプティッ
ク・ウェイト・セット」とも呼ぶ。ロボット１に対して
特定の学習内容のみを積み重ねると、かかる学習内容に
特化されたシナプティック・ウェイト・セットが形成さ
れる。また、シナプティック・ウェイト・セットを別の
ものと交換すると、ＲＮＮモジュールは、まったく異な
る学習特性を実現したり、まったく異なる学習内容を再
生することができる。

【０１１０】シナプティック・ウェイト制御器は、取り
付けた外装モジュール１３に関する識別情報を仮想ロボ
ット経由で受信すると、ＲＮＮモジュールのオペレーシ
ョンを一旦停止する。そして、現在ＲＮＮモジュールに
おいて使用されているシナプティック・ウェイト・セッ
トをファイル化して、シナプティック・ウェイト記憶器
に保存するとともに、識別情報に対応するシナプティッ
ク・ウェイト・ファイルをシナプティック・ウェイト記
憶器から読み出して、ＲＮＮモジュールにセットする。

【０１１１】シナプティック・ウェイト・セットの交換
処理を終了した後に、ＲＮＮモジュールのオペレーショ
ンは再開する。この結果、新たに導入されたシナプティ
ック・ウェイトに基づいて、センサ特徴量と行動計画と
を時系列的に学習する。すなわち、ロボット１のキャラ
クタが瞬時に切り替わるという次第である。

【０１１２】図１３には、ＲＮＮ制御器により外装モジ
ュール１３に適応したＲＮＮモジュールの動作を制御す
る処理手順についてフローチャートで示している。以
下、このフローチャートに従って、ＲＮＮモジュールの
制御手順について説明する。

【０１１３】ロボット１に取り付けている外装モジュー
ル１３を交換すると、このような事象は仮想ロボット経
由で外装信号という形式でシナプティック・ウェイト制
御器に入力される（ステップＳ１）。

【０１１４】但し、外装モジュール１３が取り外された
だけの場合や、外装モジュール１３から外装信号が出力
されない場合には、次に外装モジュールが取り付けられ
るまで待機する。

【０１１５】シナプティック・ウェイト制御器は、外装
モジュール１３に搭載されたメモリにアクセスして識別
情報を取り出す。そして、シナプティック・ウェイト制
御器は、識別情報とシナプティック・ウェイト・セット
のマップデータを持つシナプティック・ウェイト記憶器
に問い合わせて、該当するシナプティック・ウェイト・
セットが存在するか否かを確認する（ステップＳ２）。

【０１１６】シナプティック・ウェイト記憶器は、この
問い合わせに対し、該当するシナプティック・ウェイト
・ファイルを保有する場合には、その旨のステータスを
シナプティック・ウェイト制御器に返す。

【０１１７】シナプティック・ウェイト制御器は、ステ
ータスが成功ならば、ＲＮＮモジュールに対して、その
オペレーションの一時停止を命令するためのシナプティ
ック・ウェイト・コントロール信号として送信する（ス
テップＳ３）。

【０１１８】ＲＮＮモジュール側では、このシナプティ
ック・ウェイト・コントロール信号を受信したことに応
答して、オペレーションを停止するとともに、現在使用
しているシナプティック・ウェイト・セットを変更前シ
ナプティック・ウェイト信号としてシナプティック・ウ
ェイト制御器に返信する。シナプティック・ウェイト制
御器は、送られてきたシナプティック・ウェイト・セッ
トをファイル化するとともに、取り替え前の外装モジュ
ール１３の識別情報と対応付けてシナプティック・ウェ
イト記憶部に保存する（ステップＳ４）。

【０１１９】今まで使用していたシナプティック・ウェ
イト・セットを保存しておくことにより、その後、同じ
外装モジュールが再びロボット１本体に装着された場合
には、対応するシナプティック・ウェイト・セットをＲ
ＮＮモジュールに回復させるだけで、外装モジュールの
前回の取外し直前の状態（すなわち同じキャラクタで）
から動作を再開することができる。すなわち、過去の学
習履歴やキャラクタを継承することができる訳である。
この場合、ロボット１は改めて同様の学習作業を繰り返
す必要もなく、効率的である。

【０１２０】シナプティック・ウェイト記憶器は、シナ
プティック・ウェイト制御器から送られてきた識別情報
に該当するシナプティック・ウェイト・ファイルを取り
出して、変更用シナプティック・ウェイト信号としてシ
ナプティック・ウェイト制御器に送る。そして、シナプ
ティック・ウェイト制御器は、さらにこれをＲＮＮモジ
ュールに転送して、新しいシナプティック・ウェイト・
セットを設定する（ステップＳ５）。

【０１２１】ＲＮＮモジュールは、受信した変更用シナ
プティック・ウェイト信号に基づいて、シナプティック
・ウェイトを変更して（ステップＳ６）、そのオペレー
ションを再開する（ステップＳ７）。

【０１２２】新しく設定してシナプティック・ウェイト
に基づくＲＮＮモジュールの学習特性は、新たに取り付
けた外装モジュール１３の持つ外観や特徴、すなわちロ
ボット１に対して期待されているキャラクタに適合する
ものである。

【０１２３】勿論、外装モジュール１３に実装されたメ
モリは、外装モジュールの識別情報を供給するだけでは
なく、外装モジュール１３の外観に対して期待されるキ
ャラクタに適合したシナプティック・ウェイト・セット
そのものを供給するようにしてもよい。

【０１２４】この結果、例えば、イヌの外装モジュール
を装着したときには、ボールを見ると蹴るという行動が
自己組織化される一方で、同じ歩行ロボット１に対して
ネコの外装モジュールを装着したときには、ボールを発
見するとボールを抱え込むという行動が自己組織化され
る。言い換えれば、外装モジュール１２の取外し／交換
に応じて歩行ロボット１のキャラクタを素早く切り替え
ることができるという訳である。

【０１２５】ＲＮＮモジュールのみを用いてロボット１
のキャラクタを変更しようとする場合には、新たに学習
作業を積み重ねる必要があるため、素早いキャラクタ変
更は困難である。これに対し、本実施例によれば、外装
モジュール側から得られる識別情報や制御情報に基づい
て、ＲＮＮモジュールにおいて使用するシナプティック
・ウェイト・セットを変更することで、即座に外装モジ
ュールに適合したキャラクタのベース・モジュールに変
更することができる。シナプティック・ウェイト・セッ
トの変更は、ある意味でＲＮＮモジュールの交換と同様
の作用を及ぼすことができる。

【０１２６】［追補］以上、特定の実施例を参照しなが
ら、本発明について詳解してきた。しかしながら、本発
明の要旨を逸脱しない範囲で当業者が該実施例の修正や
代用を成し得ることは自明である。

【０１２７】本発明の要旨は、必ずしも「ロボット」と
称される製品には限定されない。すなわち、電気的若し
くは磁気的な作用を用いて人間の動作に似せた運動を行
う機械装置であるならば、例えば玩具等のような他の産
業分野に属する製品であっても、同様に本発明を適用す
ることができる。

【０１２８】要するに、例示という形態で本発明を開示
してきたのであり、限定的に解釈されるべきではない。
本発明の要旨を判断するためには、冒頭に記載した特許
請求の範囲の欄を参酌すべきである。

【０１２９】

【発明の効果】以上詳記したように、本発明によれば、
リカレント・ニューラル・ネットワークを用いて時系列
的な学習・教示作用を実現することができる、優れた脚
式ロボット及びその制御方法を提供することができる。

【０１３０】また、本発明によれば、リカレント・ニュ
ーラル・ネットワークを用いてさまざまなキャラクタに
対応した自己学習並びに学習結果の再生を実現すること
ができる、優れた脚式ロボット及びその制御方法を提供
することができる。

【０１３１】また、本発明によれば、ロボットが遭遇し
た状況や与えられた役割が変化したことに応答して、キ
ャラクタを素早く変更することができる、優れた脚式ロ
ボット及びその制御方法を提供することができる。

【０１３２】また、本発明によれば、ロボット本体に対
する外装モジュールやその他の取り外し可能な部品の着
脱に応じて学習メカニズムの特性を切り替えることがで
きる、優れた脚式ロボット及びその制御方法を提供する
ことができる。

【０１３３】本発明に係る脚式ロボットは、ロボット本
体に対して交換可能に取り付けられる外装モジュールな
どを介して取得される外部情報に応じて、ニューラル・
ネットワークのシナプティック・ウェイトを変更するよ
うに構成したので、キャラクタの性質に基づいた外装モ
ジュールに交換するだけで、ロボットのキャラクタを素
早く切り替えることが可能である。

【図面の簡単な説明】

【図１】本発明を実施に供される、四肢による脚式歩行
を行う歩行ロボット１の外観構成を示した図である。

【図２】図1に示した歩行ロボット１に対して着脱自在
に装着される外装モジュールの外観を示した図である。

【図３】歩行ロボット１の電気・制御系統の構成図を模
式的に示した図である。

【図４】制御部２０の構成をさらに詳細に示した図であ
る。

【図５】ロボット１上で稼動するソフトウェア制御構成
を模式的に示した図である。

【図６】ミドルウェア層の内部構成を模式的に示した図
である。

【図７】アプリケーション層の内部構成を模式的に示し
た図である。

【図８】リカレント型のニューラル・ネットワーク（フ
ォワード・ダイナミクス）の構成例を模式的に示した図
である。

【図９】リカレント・ニューラル・ネットワークのイン
バース・ダイナミクスを示した図である。

【図１０】ロボット制御用ソフトウェアの枠組みに従っ
てモジュール化されたＲＮＮモジュールの構成を示した
図である。

【図１１】図１０に示すＲＮＮモジュールを搭載したロ
ボット制御用ソフトウェアの構成を示した図である。

【図１２】外装モジュール１３からの信号に応じてＲＮ
Ｎモジュールにおける学習特性を切り替えるためのメカ
ニズムを模式的に示した図である。

【図１３】ＲＮＮ制御器により外装モジュール１３に適
応したＲＮＮモジュールの動作を制御する処理手順を示
したフローチャートである。

【符号の説明】

１…歩行ロボット２…胴体部ユニット３…頭部ユニット４…尻尾６Ａ〜６Ｄ…脚部ユニット７…首関節８…尻尾関節９Ａ〜９Ｄ…大腿部ユニット１０Ａ〜１０Ｄ…脛部ユニット１１Ａ〜１１Ｄ…股関節１２Ａ〜１２Ｄ…膝関節１３…外装モジュール１４…接続部１５…ＣＣＤカメラ１６…マイクロフォン１７…スピーカ１８…タッチセンサ２０…制御部２１…ＣＰＵ２２…ＲＡＭ２３…ＲＯＭ２４…不揮発メモリ２５…インターフェース２６…無線通信インターフェース２７…ネットワーク・インターフェース・カード２８…バス２９…キーボード４０…入出力部５０…駆動部５１…モータ（関節アクチュエータ）５２…エンコーダ（関節角度センサ）５３…ドライバ

フロントページの続きＦターム(参考） 2C150 CA02 DA05 DF04 DF33 EB01 EC02 ED08 ED43 ED47 ED56 EF13 EF16 EF17 EF29 EF37 EH07 EH12 FA03 FB33 FB43 3F059 AA00 BA00 BB06 FC00 FC15 3F060 AA00 BA10 CA14 GA15 GB15 HA30

Claims

【特許請求の範囲】

【請求項１】複数の関節で構成される脚式ロボットであ
って、各関節の駆動を始めとするロボットの動作を制御する動
作制御手段と、該脚式ロボットに対して印加された教示内容をシナプテ
ィック・ウェイトを用いてニューラル・ネットワークに
より学習する学習手段と、所定の固有情報を保持した外装モジュールを着脱自在に
取り付ける外装モジュール取付手段と、外装モジュールの交換に応答して、前記学習手段が使用
するシナプティック・ウェイト・セットを制御するシナ
プティック・ウェイト制御手段と、を具備することを特
徴とする脚式ロボット。
【請求項２】前記学習手段はリカレント・ニューラル・
ネットワークを使用することを特徴とする請求項１に記
載の脚式ロボット。
【請求項３】さらに、前記学習手段が使用する１以上の
シナプティック・ウェイト・セットを外装モジュールの
固有情報と対応付けて記憶するシナプティック・ウェイ
ト記憶手段を備え、前記シナプティック・ウェイト制御手段は、外装モジュ
ールの交換に応答して、該外装モジュールの固有情報に
該当するシナプティック・ウェイト・セットを前記シナ
プティック・ウェイト記憶手段から取り出して前記学習
手段が使用していたシナプティック・ウェイト・セット
と置き換えることを特徴とする請求項１に記載の脚式ロ
ボット。
【請求項４】前記シナプティック・ウェイト制御手段
は、前記学習手段が使用するシナプティック・ウェイト
・セットを置き換えるときに、変更前のシナプティック
・ウェイト・セットを交換前の外装モジュールの固有情
報と対応付けて前記シナプティック・ウェイト記憶手段
に記憶することを特徴とする請求項３に記載の脚式ロボ
ット。
【請求項５】複数の関節で構成され、各関節の駆動を始
めとするロボットの動作を制御するとともに、該脚式ロ
ボットに対して印加された教示内容をシナプティック・
ウェイトを用いてニューラル・ネットワークにより学習
するタイプの脚式ロボットの制御方法であって、所定の固有情報を保持した外装モジュールが交換された
ことを検出する検出ステップと、外装モジュールの交換に応答して、前記ニューラル・ネ
ットワークが使用するシナプティック・ウェイト・セッ
トを制御するシナプティック・ウェイト制御ステップ
と、を具備することを特徴とする脚式ロボットの制御方
法。
【請求項６】前記ニューラル・ネットワークはリカレン
ト・ニューラル・ネットワークを使用することを特徴と
する請求項５に記載の脚式ロボットの制御方法。
【請求項７】前記脚式ロボットはさらに、前記ニューラ
ル・ネットワークが使用する１以上のシナプティック・
ウェイト・セットを外装モジュールの固有情報と対応付
けて記憶するシナプティック・ウェイト記憶手段を備え
ており、前記シナプティック・ウェイト制御ステップでは、外装
モジュールの交換に応答して、該外装モジュールの固有
情報を読み出し、該固有情報に対応するシナプティック
・ウェイト・セットを前記シナプティック・ウェイト記
憶手段から取り出して、前記ニューラル・ネットワーク
が使用していたシナプティック・ウェイト・セットと置
き換えることを特徴とする請求項５に記載の脚式ロボッ
トの制御方法。
【請求項８】前記シナプティック・ウェイト制御ステッ
プでは、前記ニューラル・ネットワークが使用するシナ
プティック・ウェイト・セットと置き換えるときに、変
更前のシナプティック・ウェイト・セットを交換前の外
装モジュールの固有情報と対応付けて前記シナプティッ
ク・ウェイト記憶手段に記憶することを特徴とする請求
項７に記載の脚式ロボットの制御方法。