JP2011240475A - ロボットおよび制御システム - Google Patents

Abstract

【課題】
連続状態変数および離散状態変数の組み合わせ最適化問題の解導出の高速化を図ることができる制御システム等を提供する。
【解決手段】
内部モジュールｍｏｄ１による行動候補ａ_i1の探索範囲（第１探索範囲）は、低周波の外部モジュールｍｏｄ２による外部行動候補ａ_i2の探索範囲（第２探索範囲）よりも狭くすることで、その分だけ演算処理が早くなる。これにより、ロボットＲの状態測定値に鑑みて、ロボットＲが外乱に緊急に対応する必要がある場合、低周波の外部モジュールｍｏｄ２の演算処理結果を待たずに、高周波の内部モジュールｍｏｄ１の演算処理結果にしたがってロボットＲの動作が制御されうる。
【選択図】 図９

Description

本発明は、制御システムおよびその制御対象の１つであるロボットに関する。

多自由度ロボットの制御は複数の制約を満たす多次元の制御入力を実時間で決定する問題である。従来、この問題が線形問題に分解され、当該線形問題の組み合わせによってロボットの制御が実現されていた。近年ではロボットのより複雑な動きを実現するため、当該問題を多目的最適化問題として定式化し、直接的に解を求めることにより制御量を決定する手法が提案されている（特許文献１参照）。

最適化問題の目的関数は、ロボットの状態ベクトルを入力値とし、スカラー値を出力値とする関数である。ロボットの動きには冗長性があり、多目的および多制約がスカラー値で評価されるので、解を求めるのが容易な凸関数により目的関数を定義することは困難である。このため、問題が非凸最適化問題となるが、探索的アルゴリズムによる解法が一般的である。

また、ロボットの制御には実時間性が要求される。しかるに、当該最適化問題は当該目的関数の最大化と解導出とのトレードオフ問題となる。一般的に解導出にかけられる演算時間は制御目的と制御対象から決定される制御周期内で行われる必要があるため、ロボット外部に設けた高速演算装置を用いるなど高速化が図られている（特許文献２参照）。

特開２００４−３０６２３１号公報 特開２００６−８８３３１号公報

しかし、ロボットの行動において決定されるべき変数、すなわち、前記最適化問題における変数には、ロボットの着地位置指令などの連続状態変数値のみならず、歩行および走行など、行動の種類を指定するためのフラグのような有限離散状態変数も含まれている。有限離散状態変数はその変化に応じて目的関数の値が不連続に大きく変化する。

このため、進化的アルゴリズムまたは焼きなまし法など、解候補の評価値に基づいて次の探索点が決定されるような効率的な探索アルゴリズムが適用されえない。その結果、連続値（実数値）および離散値が含まれる最適化問題を解くためには、全探索またはランダム探索など、非効率的な探索手法しか適用されていなかった。したがって、ロボットの制御に必要な実時間性のある解導出、さらにはロボットの行動決定が困難であった。

また、外部演算装置を用いた場合、通信遅延などにより制御周期が保証されない可能性がある。２脚歩行ロボットに代表される倒立振子型の移動体などの制御において、制御周期の遅れは転倒など修正不可能な状態に繋がるため、通信遅延を補償するシステムが必要である。

そこで、本発明は、連続状態変数および離散状態変数の組み合わせ最適化問題によって定義される制御問題の解導出の高速化を図ると共に、通信遅延を補償することができる制御システム等を提供することを解決課題とする。

前記課題を解決するための本発明の制御システムは、制御対象の動力源であるアクチュエータを駆動する制御モジュールと、前記制御対象に搭載され、前記制御対象の動作状態を表わす状態測定値を検出するように構成されている高周波の内部モジュールと、前記制御対象の外部にある低周波の外部モジュールとを備え、前記外部モジュールが、前記内部モジュールから前記制御対象の最近の状態測定値を無線により受信した上で、前記制御対象の最近の状態測定値に基づき、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる前記制御対象の単位行動形態の組み合わせとしての外部行動候補であって、当該連続状態変数値により表わされる前記制御対象の予測状態に基づいた、当該外部行動候補の指定行動目的に対する適合度に応じた少なくとも１つの外部行動候補を外部行動計画として第２探索範囲において探索し、当該探索した前記外部行動計画を前記内部モジュールに対して無線で送信するように構成され、前記内部モジュールが、前記外部モジュールにより探索された前記外部行動計画を無線により受信した上で、前記状態測定値に基づき、前記一または複数の連続状態変数値および前記一または複数の離散状態変数値により表わされる前記制御対象の単位行動形態の組み合わせとしての内部行動候補であって、当該連続状態変数値により表わされる前記制御対象の予測状態に基づいた、当該内部行動候補の指定行動目的に対する適合度に応じた少なくとも１つの内部行動候補を内部行動計画として、前記外部行動計画を包含する一方で前記第２探索範囲よりも狭い第１探索範囲において探索するように構成され、前記制御モジュールが、前記内部モジュールにより決定された前記内部行動計画にしたがって、前記アクチュエータの動作を制御するように構成されていることを特徴とする（第１発明）。

本発明の制御システムによれば、内部モジュールおよび外部モジュールのそれぞれが、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる制御対象の複数の行動候補の中から、各行動候補の指定行動目的に対する適合度に応じて当該制御対象の行動計画を探索するという並列演算処理を実行するように構成されている。この意味で、各モジュールは並列演算装置に該当する。内部モジュールの演算処理能力のみならず、外部モジュールの演算処理能力も利用されることにより、内部行動計画の決定（解の導出）に要する演算処理時間の短縮が図られている。

低周波の外部モジュールによる外部行動計画の探索範囲（第２探索範囲）は、高周波の（外部モジュールよりも演算周期が短い）内部モジュールによる内部行動計画の探索範囲（第１探索範囲）よりも広い。その結果、内部モジュールにより探索された内部行動計画よりも、指定行動目的に対する適合度が高い外部行動計画が外部モジュールによって探索されうる。

したがって、前記のように解の導出に要する演算処理時間の短縮を図りながらも、内部モジュール単独で解としての内部行動計画が決定される場合と比較して、指定行動目的に鑑みて最適な形態で制御対象の動作が制御されうる。

その一方、内部モジュールによる演算処理結果さえ得られれば、制御対象の動作が制御されうる。高周波の（外部モジュールよりも演算周期が短い）内部モジュールによる行動計画の探索範囲（第１探索範囲）は、低周波の外部モジュールによる外部行動計画の探索範囲（第２探索範囲）よりも狭いが、その分だけ演算処理が早い。これにより、制御対象の状態測定値（制御対象の状態を表わす状態変数の計測器による測定値）に鑑みて、制御対象が外乱に緊急に対応する必要がある場合、低周波の外部モジュールの演算処理結果を待たずに、高周波の内部モジュールの演算処理結果にしたがって制御対象の動作が制御されうる。

よって、制御対象が行動候補にしたがって行動した場合の結果および当該行動候補を構成する複数種類の単位行動形態の組み合わせ最適化問題の解としての、当該制御対象の内部行動計画の導出の高速化を図ることができる。その結果、任意形態の外乱に対して、制御対象の行動目的に鑑みて適当な形態で、当該制御対象を行動させることができる。

前記外部モジュールが、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる外部行動計画を探索するにあたって、全てまたは一部の離散状態変数値に対する連続状態変数値の最適な組み合わせを探索アルゴリズムによって決定し、全てまたは一部の離散状態変数値に対する連続状態変数値の最適な組み合わせの中で最高の適合度となる離散状態変数値と連続状態変数値の組み合わせを最適な行動として決定するように構成されていてもよい（第２発明）。

前記外部モジュールが、前記外部行動候補のそれぞれについて、前記指定行動目的とは異なる副行動目的に対する副適合度を評価し、前記適合度の寄与度が前記副適合度の寄与度よりも高くなるように総合適合度を評価するように構成され、前記総合適合度の評価結果に応じて前記外部行動計画を決定するように構成されていてもよい（第３発明）。

前記外部モジュールが、前記外部行動候補のそれぞれについて、前記適合度ｅおよび前記副適合度ｅ_subに基づき、評価式ｆ＝ｅ（ｅ_sub＋１）またはｆ＝ｗ₁ｅ（ｗ₂ｅ_sub＋１）（ここで、ｗ₁＝（ｗ₂＋１）^-1）にしたがって前記総合適合度ｆ₁を評価するように構成されていてもよい（第４発明）。

当該構成の制御システムによれば、外部モジュールが指定行動目的を優先させながらも、他の行動目的をも勘案した形で、制御対象の外部行動候補が探索される。また、外部行動候補のそれぞれについて、指定行動目的に鑑みた適合度が、他の行動目的に鑑みた副適合度よりも寄与度が高くなるように総合適合度が評価される。

したがって、外乱が発生した場合、当初は応答が速い内部モジュールによる演算処理結果（内部行動計画）によって求められる指定行動目的のみが制御対象の行動形態に反映され、この外乱による影響の迅速な低減が図られる。そして、時間経過とともに応答が遅い外部モジュールによる演算処理結果（外部行動計画）によって求められる指定行動目的に加えて他の行動目的もが制御対象の行動形態に反映され、当該目的のすべてに適合するような制御対象の行動形態の回復が図られる。これにより、任意形態の外乱に対して、制御対象の行動目的に鑑みて適当な形態で、当該制御対象を行動させることができる。

前記内部モジュールおよび前記外部モジュールのそれぞれが、基体と、前記基体から延設された複数の脚体とを有する前記制御対象としてのロボットの、前記複数種類の単位行動形態としての歩行、走行および片足跳びの指定の組み合わせにより構成される指定歩数にわたる目標歩容を前記内部行動候補および前記外部行動候補のそれぞれとして探索するように構成されていてもよい（第５発明）。

前記内部モジュールおよび前記外部モジュールのそれぞれが、前記ロボットの姿勢を安定させることを前記指定行動目的として、前記適合度を評価するように構成されていてもよい（第６発明）。

当該構成の制御システムによれば、前記のように組み合わせ最適化問題の解導出の高速化を図るとともに、歩行、走行および片足跳びの組み合わせにより構成される歩容のうち、指定行動目的に鑑みて最適な形態の歩容にしたがって、制御対象であるロボットの動作が制御されうる。

第５または第６発明の制御システムにおいて、前記内部モジュールが、前記外部モジュールから今回の前記外部行動計画としての今回目標歩容を受信していないまま、今回の前記内部行動計画を探索する場合、前記外部モジュールから前回の前記外部行動計画として受信した前回目標歩容を構成するｉ＋１歩目（ｉ＝１〜ｎ−１。ｎは前記指定歩数。）の歩容を、ｉ歩目の歩容として有する暫定的な今回目標歩容を認識した上で、当該暫定的な今回目標歩容を包含する前記第１探索範囲において今回の前記内部行動計画を探索するように構成されていてもよい（第７発明）。

当該構成の制御システムによれば、暫定的な今回目標歩容にしたがって、ロボットの歩容が制御される。これにより、内部モジュールによる探索に時間がかかった場合、内部モジュール間でデータをやり取りする通信ラインが混雑した場合、または、内部モジュールと外部モジュールとの無線通信に支障が生じた場合でも、ロボットの歩容が継続的に制御されうる。

その後、モジュール間の無線通信障害が解消され、外部モジュールにより生成された外部行動計画としての次回目標歩容が、内部モジュールにより無線により受信された場合、制御モジュールにより、暫定的な今回目標歩容に代えてこの次回目標歩容にしたがってロボットの歩容が制御されうる。すなわち、一時的に無線通信障害が発生した場合でも、ロボットに動作を停止させることなく歩行等の動作を継続させることができる。

前記課題を解決するための本発明のロボットは、基体と、前記基体から延設されている複数の脚体とを備え、前記複数の脚体の動作により移動する前記制御対象としてのロボットであって、第５〜第７発明のうち１つの制御システムを構成する前記制御モジュールおよび前記内部モジュールを備えていることを特徴とする（第８発明）。

本発明のロボットによれば、制御対象であるロボットが行動候補にしたがって行動した場合の結果（連続状態変数値により表わされる。）および当該行動候補を構成する複数種類の単位行動形態（離散状態変数値により表わされる。）の組み合わせ最適化問題の解としての、当該制御対象の内部行動計画の導出の高速化を図ることができる。これにより、任意の外乱に対して、ロボットの行動目的に鑑みて適当な形態で、当該ロボットを行動させることができる。

本発明の一実施形態としてのロボットの構成説明図。 ロボットの制御システムの構成説明図。 モジュール間の信号のやり取りに関する説明図。 各モジュールによる並列演算処理に関する説明図。 ロボットの歩容の単位構成要素（行動形態）に関する説明図。 未来状態の予測に関する説明図。 適合度の評価方法に関する説明図。 行動候補探索の多様性および収束性に関する説明図。 ロボットの行動に関する説明図。 ロボットの歩容制御に関する説明図。

本発明の制御システムおよびその制御対象の実施形態について図面を用いて説明する。

（ロボットの構成）
まず、本発明の一実施形態としてのロボットの構成について説明する。

図１に示されているロボットＲは脚式移動ロボットであり、人間と同様に、基体Ｂ０と、基体Ｂ０の上方に配置された頭部Ｂ１と、基体Ｂ０の上部に上部両側から延設された左右の腕体Ｂ２と、左右の腕体Ｂ２のそれぞれの先端に設けられているハンドＨと、基体Ｂ０の下部から下方に延設された左右の脚体Ｂ４とを備えている。

基体Ｂ０はヨー軸回りに相対的に回動しうるように上下に連結された上部および下部により構成されている。頭部Ｂ１は基体Ｂ０に対してヨー軸回りに回動する等、動くことができる。

腕体Ｂ２は第１腕体リンクＢ２２と、第２腕体リンクＢ２４とを備えている。基体Ｂ０と第１腕体リンクＢ２１とは肩関節機構（第１腕関節機構）Ｂ２１を介して連結され、第１腕体リンクＢ２２と第２腕体リンクＢ２４とは肘関節機構（第２腕関節機構）Ｂ２３を介して連結され、第２腕体リンクＢ２４とハンドＨとは手首関節機構（第３腕関節機構）Ｂ２５を介して連結されている。肩関節機構Ｂ２１はロール、ピッチおよびヨー軸回りの回動自由度を有し、肘関節機構Ｂ２３はピッチ軸回りの回動自由度を有し、手首関節機構Ｂ２５はロール、ピッチ、ヨー軸回りの回動自由度を有している。

脚体Ｂ４は第１脚体リンクＢ４２と、第２脚体リンクＢ４４と、足部Ｂ５とを備えている。基体Ｂ０と第１脚体リンクＢ４２とは股関節機構（第１脚関節機構）Ｂ４１を介して連結され、第１脚体リンクＢ４２と第２脚体リンクＢ４４とは膝関節機構（第２脚関節機構）Ｂ４３を介して連結され、第２脚体リンクＢ４４と足部Ｂ５とは足関節機構（第３脚関節機構）Ｂ４５を介して連結されている。

股関節機構Ｂ４１はロール、ピッチおよびロール軸回りの回動自由度を有し、膝関節機構Ｂ４３はピッチ軸回りの回動自由度を有し、足関節機構Ｂ４５はロールおよびピッチ軸回りの回動自由度を有している。股関節機構Ｂ４１、膝関節機構Ｂ４３および足関節機構Ｂ４５は「脚関節機構群」を構成する。なお、脚関節機構群に含まれる各関節機構の並進および回転自由度は適宜変更されてもよい。また、股関節機構Ｂ４１、膝関節機構Ｂ４３および足関節機構Ｂ４５のうち任意の１つの関節機構が省略された上で、残りの２つの関節機構の組み合わせにより脚関節機構群が構成されていてもよい。さらに、脚体Ｂ４が膝関節とは別の第２脚関節機構を有する場合、当該第２脚関節機構が含まれるように脚関節機構群が構成されてもよい。足部Ｂ５の底には着地時の衝撃緩和のため、特開２００１−１２９７７４号公報に開示されているような弾性素材Ｂ５２が設けられている。

ロボットＲには、ロボットＲの世界座標系における位置および姿勢などの内部状態を測定するための複数の内部状態センサＳ₁が搭載されている。ロボットＲの各関節機構の屈曲角度（関節角度）に応じた信号を出力するエンコーダ（図示略）、基体Ｂ０の姿勢（方位角および仰角により特定される。）に応じた信号を出力する傾斜センサ、および、足部Ｂ５および着地および離床の別を判定するための圧力センサなどが内部状態センサＳ₁に該当する。ロボットＲの周囲の様子を撮像し、当該撮像座標に基づいて世界座標系に固定されている標識の位置を認識することにより、世界座標系におけるロボットＲの位置を認識するための撮像装置が内部状態センサＳ₁に該当する。

たとえば、頭部Ｂ１に搭載され、ロボットＲの前方を撮像範囲とするＣＣＤカメラ、赤外線カメラ等、種々の周波数帯域における光を感知しうる左右一対の頭カメラＣ１が撮像装置として採用されうる。また、基体Ｂ０の前側下部に搭載され、ロボットＲの前方下方に向けて発せられた近赤外レーザー光の物体による反射光を検知することによりこの物体の位置や方位等を測定するための腰カメラ（アクティブセンサ）Ｃ２が撮像装置として採用されうる。

ロボットＲには、その周辺における物体の位置などの外部状態を測定するための外部状態センサＳ₂が搭載されている。前記のような撮像装置が外部状態センサＳ₂に該当する。

ロボットＲは制御システム１の一部を構成するコンピュータと、前記の複数の関節機構のそれぞれを動かすための複数のアクチュエータ２とを備えている。ロボットＲの内部状態および外部状態に応じて制御システム１から出力される制御指令にしたがってアクチュエータ２のそれぞれの動作が制御されることにより、ロボットＲがさまざまな態様で適応的に行動することができる。

（制御システムの構成）
図２に示されている制御システム１は、ロボットＲに搭載されている制御モジュールｍｏｄ０および内部モジュールｍｏｄ１（内部並列演算装置）と、ロボットＲの外部に設置されているコンピュータ・クラスターにより構成されている外部モジュールｍｏｄ２（外部並列演算装置）とを備えている。

内部モジュールｍｏｄ１は第１演算周期Ｔ₁ごとに入力信号を演算処理することにより出力信号の生成を繰り返すように構成されている。外部モジュールｍｏｄ２は第１演算周期Ｔ₁より長い第２演算周期Ｔ₂（たとえばＴ₂＝４Ｔ₁）ごとに入力信号を演算処理することにより出力信号の生成を繰り返すように構成されている。

（ロボットの機能）
前記構成のロボットＲの機能について説明する。

（制御システムの基本的思想）
本発明の制御システムは、制御対象であるロボットＲの行動形態を表すためのｎ個の連続状態変数値およびｍ個の離散状態変数値の組み合わせの最適化問題を解決するように構成されている。具体的には、ｎ個の連続状態変数値ｘ＝｛ｘ_１，‥，ｘ_ｎ｝およびｍ個の離散状態変数値ｚ＝｛ｚ₁，‥，ｚ_ｍ｝の組み合わせのうち、ロボットＲの指定行動目的に対する適合度が最高となる１つの組み合わせが、当該ロボットＲの行動計画として決定される。この手法は、式（００２）によって表わされる連続値離散値混合最適化問題として定義される。

find{x*, z*}＝argmax f(x, z) ..(002)。

ここで「ｆ」は、連続値および離散値の組み合わせ状態変数空間｛ｘ，ｚ｝∈Ｓから、スカラー空間（１次元の実数空間）Rへの写像関数（ｆ：Ｓ→Ｒ）であって、適合度を評価するために用いられる。「ｘ*」および「ｚ*」は、適合度が最高となるようなベクトルｘおよびｚの組み合わせを表わしている。

（制御システムによる演算処理手順）
制御システム１により、次の手順にしたがってアクチュエータ２の動作およびロボットＲの行動が制御される。

まず、制御モジュールｍｏｄ０に対してロボットＲの最近の状態測定値を表わす状態変数の測定値が入力される。具体的には、内部状態センサＳ₁からの出力信号に基づき、ロボットＲの世界座標系における位置（着地位置およびＺＭＰ位置など）および姿勢（基体Ｂ０の姿勢）などの内部状態変数値が認識される。また、外部状態センサＳ₂からの出力信号に基づき、ロボットＲの周囲にある物体のサイズおよび世界座標系における位置などの外部状態変数値が認識される。

なお、物体のサイズおよび位置などの外部状態を表わすデータがロボットＲの外部から制御システム１に入力または送信されることにより、制御モジュールｍｏｄ０が外部状態の一部または全部を認識してもよい。

ロボットＲの「状態変数値」は第１演算周期Ｔ₁ごとに制御モジュールｍｏｄ０から内部モジュールｍｏｄ１に入力される（図３／矢印Ｄ₁₊参照）。さらに、外部行動計画処理の実行により得られる「外部行動計画」が第２演算周期Ｔ₂ごとに外部モジュールｍｏｄ２から内部モジュールｍｏｄ１に入力される（図３／矢印Ｄ_2-参照）。

当該入力信号に応じて、内部モジュールｍｏｄ１により第１演算周期Ｔ₁ごとに「内部行動計画処理」が実行される。内部行動計画処理の実行により得られる「内部行動計画」は第１演算周期Ｔ₁ごとに内部モジュールｍｏｄ１から制御モジュールｍｏｄ０に入力される（図３／矢印Ｄ_1-参照）。

なお、内部モジュールｍｏｄ１の今回サイクルの開始時刻において外部モジュールｍｏｄ２から入力信号がない場合、内部モジュールｍｏｄ１の最近の過去サイクルの開始時刻における外部モジュールｍｏｄ２からの入力信号が用いられて内部行動計画処理が実行される。

直近の状態変数値、または、当該状態変数値に応じた直近未来におけるロボットＲの最新予測状態が第２演算周期Ｔ₂ごとに内部モジュールｍｏｄ１から外部モジュールｍｏｄ２に入力される（図３／矢印Ｄ₂₊参照）。

当該入力信号に応じて、外部モジュールｍｏｄ２により第２演算周期Ｔ₂ごとに「外部行動計画処理」が実行される。これにより得られる「外部行動計画」は第２演算周期Ｔ₂ごとに外部モジュールｍｏｄ２から内部モジュールｍｏｄ１に入力される（図３／矢印Ｄ_2-参照）。

第１演算周期Ｔ₁ごとの内部モジュールｍｏｄ１からの入力信号（図３／矢印Ｄ_1-参照）に応じて指令信号が制御モジュールｍｏｄ０により逐次生成される。そして、この指令信号が制御モジュールｍｏｄ０からアクチュエータ２に送信されることにより、アクチュエータ２が指令信号に応じて駆動され、その結果、ロボットＲが最新の内部行動計画にしたがって行動する。

（各行動計画処理の内容）
内部モジュールｍｏｄ１により実行される「内部行動計画処理」および外部モジュールｍｏｄ２により実行される「外部行動計画処理」の詳細について説明する。

（外部行動計画処理の手順）
外部モジュールｍｏｄ２により、内部モジュールｍｏｄ１から無線を通じて最近の状態測定値が受信される（図４／矢印Ｄ₂₊参照）。当該最近の状態測定値に基づき、ロボットＲの挙動を表わす挙動予測モデルにしたがって、ロボットＲの直近未来状態が予測される（図４／ＳＴＥＰ２００）。これにより、たとえば、ロボットＲが現在位置から１歩進んだときの着地位置が決定される。

また、ロボットＲの複数の外部行動候補ａ_i2が第２探索範囲において探索される（図４／ＳＴＥＰ２１０）。外部行動候補a_i2は上記最適化問題の解候補{x,z}である。これにより、図６（ａ）に示されているように、ロボットＲの１歩先の予測着地位置から、指定歩数ｑ（たとえばｑ＝２）にわたる着地位置ｐｏｓ（ａ_i2）により表現される歩容が外部行動候補ａ_i2として探索される。

「歩容」とは、着地タイミングに着目した脚移動の繰り返しパターンを意味する。歩容は、歩行（Ｗ）、走行（Ｒ）または片足跳び（Ｓ）などの離散変数によって表される単位行動形態の種類と、着地位置（着地時の足部Ｂ５の代表位置）、足部Ｂ５の着地時姿勢（たとえば方位角により定義される。）、足部Ｂ５の着地時の速度の大きさおよび方向、ロボットＲの重心位置、速度または加速度、基体Ｂ０のピッチ軸回りの角速度または角加速度、ロボットＲのヨー軸回りのモーメントなど、連続変数によって表される単位行動形態の詳細内容との組み合わせにより表現される。

歩行、走行および片足とびのそれぞれは、プログラムにおいて、有限離散状態変数値ｚ＝０，１，２のそれぞれにより記述されている。その一方、着地位置などの単位行動形態の詳細内容は、ロボット座標系または世界座標系などの座標系における当該位置の座標値などの連続状態変数ベクトルｘにより表わされている。

なお、単位行動形態の種類が、複数の離散状態変数ベクトルｚ＝｛ｚ₁，‥，ｚ_ｍ｝により記述されてもよい。たとえば、全ての脚が空中に浮いている空中期の有無が、第１の離散状態変数ｚ₁の「０」および「１」の別により記述され、今回支持脚と次回支持脚とが同一であるか否かが、第２の離散状態変数ｚ₂の「０」および「１」の別により記述されてもよい。この場合、「歩行」は当該２つの離散状態変数の組み合わせ（ｚ_１，ｚ_２）＝（１，１）により記述され、「走行」は当該２つの離散状態変数の組み合わせ（ｚ_１，ｚ_２）＝（０，１）により記述され、「片足跳び」は当該２つの離散状態変数の組み合わせ（ｚ_１，ｚ_２）＝（０，０）により記述される。当該２つの離散状態変数の組み合わせ（ｚ_１，ｚ_２）＝（１，０）は、今回支持脚の足平を着地させたまま連続して次回支持脚とし、今回遊脚を連続して次回遊脚とする動作（たとえば「踏み直し」）を表わしている。

単位行動形態としての「歩行」とは、図５（ａ）に示されているように、ロボットＲが、今回支持脚（着地している脚体を意味する。）および今回遊脚（離床している脚体を意味する。）のそれぞれを、次回遊脚および次回支持脚のそれぞれに交代させながら１歩分だけ並進するという行動形態を意味する。図５において、脚体Ｂ４にはその左右を区別するための添え字「Ｌ」または「Ｒ」が付されている。歩行には空中期（すべての脚体が離床している期間を意味する。）は含まれない。

単位行動形態としての「走行」とは、ロボットＲが、今回支持脚（着地している脚体）および今回遊脚（離床している脚体）のそれぞれを、空中期を経て、次回遊脚および次回支持脚のそれぞれに交代させながら、１歩分だけ並進するという行動形態を意味する。

「片足跳び」とは、ロボットＲが、空中期を挟んで今回支持脚と次回支持脚とが同じになるように、１歩分だけ並進する行動形態を意味する。

第２探索範囲は、指定歩数ｑにおいて実行可能な全ての単位行動形態を含んでいる。たとえば（１歩目の着地位置pos（ａ_i2，１）を定める単位行動候補、２歩目の着地位置pos（ａ_i2,２）を定める単位行動候補）＝（Ｗ，Ｗ）（Ｗ，Ｒ）（Ｗ，Ｓ）（Ｒ，Ｗ）（Ｒ，Ｒ）（Ｒ，Ｓ）（Ｓ，Ｗ）（Ｓ，Ｒ）および（Ｓ，Ｓ）の９パターンが、第２探索範囲として定義されている。第２探索範囲は後述する第１探索範囲よりも広い。

さらに、外部行動候補ａ_i2に基づき、状態予測モデルにしたがってロボットＲの複数の未来状態ｓ_i2が予測される（図４／ＳＴＥＰ２２０）。これにより、たとえば、ロボットＲの１歩先の予測着地位置から、外部行動候補ａ_i2にしたがって指定歩数ｑだけ移動した時点におけるロボットＲのＺＭＰ（Zero Moment Point）が未来状態ｓ_i2として予測される。当該予測状態ｓ_i2は、連続状態変数値により表わされる。

そして、複数の内部行動候補ａ_i2のそれぞれについて、未来状態ｓ_i2に基づき、指定行動目的に鑑みた適合性を表わす適合度ｅ（ａ_i2）が評価される。適合度ｅ（ａ_i2）は、たとえば、図６（ｂ）に示されている予測ＺＭＰの目標ＺＭＰからのずれzmp_bias(ａ_i2)と、目標ＺＭＰから予測ＺＭＰに向かう方向についての、目標ＺＭＰおよび足部Ｂ５の縁の間隔Ｌ_footとに基づき、図７に変化特性が示されている式（２１０）で表される適合度が算出される。たとえば、足部Ｂ５の着地面（たとえば矩形状）の中心位置が目標ＺＭＰとして定義される。

ｅ(a_i2)＝exp(−((zmp_bias(a_i2)/L_foot)²)） ..(210)。

式（２１０）から明らかなように、ロボットＲの予測ＺＭＰが目標ＺＭＰに近いほど、すなわち、ロボットＲの姿勢が安定になる可能性が高い外部行動候補ａ_i2であるほど適合度ｅ（ａ_i2）が高く評価される。

上記適合度に基づいて、各離散変数値に対して探索アルゴリズムによって連続変数ベクトルの最適解｛ｘ^**｜ｚ｝が決定される。すなわち、連続値離散値混合最適化問題を離散変数値が取りうる組み合わせの数の連続値最適化問題として並列に探索する。そして、各々の離散変数値の組み合わせにおける連続変数ベクトルの最適解｛ｘ^**｜ｚ｝の中で、適合度が最高であった一つの外部行動候補ａ_i2 ^*=｛ｘ*，ｚ*｝が「外部行動計画」として決定される。その他の実施形態として、前記のように適合度が最高となるようなベクトルｘおよびｚの一つの組み合わせを探索しうる、あらゆる手法が代替的に採用されてもよい。外部行動計画は、無線または有線通信によって外部モジュールｍｏｄ２から内部モジュールｍｏｄ１に対して送信される（図４／矢印Ｄ_2-参照）。

（内部行動計画処理の手順）
内部モジュールｍｏｄ１により、制御モジュールｍｏｄ０からロボットＲ内部のネットワークを通じて最近の状態測定値が受信される（図４／矢印Ｄ₁₊参照）。当該最近の状態測定値に基づき、ロボットＲの挙動を表わす挙動予測モデルにしたがって、ロボットＲの直近未来状態が予測される（図４／ＳＴＥＰ１００）。これにより、たとえば、ロボットＲが現在位置から１歩進んだときの着地位置が予測される。

また、ロボットＲの複数の内部行動候補ａ_i1が第１探索範囲において探索される（図４／ＳＴＥＰ１１０）。内部行動候補ａ_i1は上記外部行動候補と同じく上記最適化問題の解候補｛ｘ，ｚ｝となりうる。内部モジュールｍｏｄ１は、外部モジュールｍｏｄ２から送られてくる外部行動計画ａ_i2 ^*を反映し、第２探索範囲に包含される第１探索範囲を比較的高速に探索する。これにより、外部モジュールｍｏｄ２の予測エラー通信遅延を補償しながら、高周波での制御が可能となる。

第１探索範囲は、指定歩数ｑにおける実行可能な単位行動形態の一部である。ロボットＲの１歩先の予測着地位置から、指定歩数ｑ（たとえばｑ＝２）にわたるｋ歩目の着地位置pos（ａ_i1，ｋ）により表現される歩容が内部行動候補a_i1として探索される（図６（ａ）参照）。たとえば（１歩目の着地位置pos（a_i1，１）を定める単位行動候補、２歩目の着地位置pos（a_i1，２）を定める単位行動候補）＝（Ｗ，Ｗ）（Ｒ，Ｒ）（Ｓ，Ｓ）および外部行動計画ａ_i2 ^*が、第１探索範囲として定義されている。第１探索範囲は前述の第２探索範囲よりも狭い。

さらに、複数の内部行動候補ａ_i1のそれぞれに基づき、状態予測モデルにしたがってロボットＲの複数の未来状態｛ｓ_i1|ｉ₁＝１，２，‥，ｎ｝が予測される（図４／ＳＴＥＰ１２０）。これにより、たとえば、ロボットＲの１歩先の予測着地位置から、内部行動候補ａ_i1にしたがって指定歩数ｑだけ移動した時点におけるロボットＲのＺＭＰが第１未来状態ｓ_i1として予測される。当該予測状態ｓ_i1は、連続状態変数値により表わされる。この際、最近の状態測定値に応じた１歩先の予測着地位置に加え、外部行動計画に基づき、状態予測モデルにしたがってロボットＲの未来状態が予測される。当該予測状態は、連続状態変数値により表わされる。

そして、複数の内部行動候補ａ_i1のそれぞれについて、未来状態ｓ_i1に基づき、指定行動目的に鑑みた適合性を表わす適合度ｅ（ａ_i1）が評価される（図４／ＳＴＥＰ１３０）。適合度ｅ（ａ_i1）は、外部モジュールｍｏｄ２により用いられる評価式（式（２１０）参照）と同様の評価式（１１０）にしたがって算出される。外部行動計画について、最近の状態測定値が反映されたロボットＲの未来状態に基づき、指定行動目的に鑑みた適合性を表わす適合度ｅが同様に評価される。

e(a_i1)＝exp(−((zmp_bias(a_i1)/L_foot)²)） ..(110)。

そして、内部行動候補ａ_i1適合度ｅ（ａ_i1）の評価が最高であった一つの内部行動候補ａ_i1 ^*＝｛ｘ^*，ｚ^*｝が「内部行動計画」として決定される。内部行動計画は、ロボット内部のネットワークを通じて内部モジュールｍｏｄ１から制御モジュールｍｏｄ０に対して送信される（図４／矢印Ｄ_1-参照）。これに応じて、制御モジュールｍｏｄ０によってアクチュエータ２の動作が制御される。

（探索戦略にしたがった行動候補の探索方法）
行動候補の探索方法について説明する。探索方法としては「収束性」および「多様性」がある方法が採用される。「収束性」がある方法により、探索範囲（行動候補により定義される空間における範囲を意味する。）のうち前回評価が高かった行動候補の近くにおいて、今回評価がより高くなるような行動候補が探索されうる。「多様性」がある当該方法により、前回評価に拘泥されすぎることなく、今回評価がよりより高くなるような行動候補が広範囲で探索されうる。

収束性および多様性がある行動候補の探索方法として、進化的探索手法が採用されうる。

具体的には、まず、図８（ａ）に示されている複数の親個体（行動候補ａに対応している。「●」により表現されている。）のうち、円で囲まれた親個体が選択される。選択確率は適合度ｆ（ａ）（実線で示されている評価曲線にしたがって評価される。）が高いほど高い。

そして、図８（ｂ）に示されているように適合度ｆ（ａ）が高い親個体ほど当該親個体に比較的小さいノイズ（ノイズは適合度ｆ（ａ）が高いほど小さくなる。）が加えられた結果として子個体（「○」により表現されている。）が当該親個体の周囲の比較的狭い範囲に高確率で分布するように生成される。その一方、適合度ｆ（ａ）が低い親個体ほど当該親個体に比較的大きいノイズ（ノイズは適合度ｆ（ａ）が低いほど大きくなる。）が加えられた結果として子個体が当該親個体の周囲の比較的広い範囲に高確率で分布するように生成される。そのほか、図示しないが不規則に個体が生成される。すべての個体に対する不規則な個体の占有率はたとえば０．３０程度に設定される。

前記のような世代交代手法が採用されることにより、世代を経るに連れて適合度ｆ(ａ)が大きい領域に個体が集中していく。これにより、モジュールが主担当する目的への適合性が高い行動候補ａが適応的に求められる。

（本発明のロボットＲおよびその制御システムの作用効果）
前記機能を発揮するロボットＲによれば、内部モジュールｍｏｄ１が、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる制御対象（ロボットＲ）の複数の行動候補ａ_i1の中から、各行動候補ａ_i1の指定行動目的に対する適合度ｅ（ａ_i1）に応じて当該制御対象の行動計画を探索するという並列演算処理を実行するように構成されている（図４／ＳＴＥＰ１００〜ＳＴＥＰ１３０参照）。同様に、外部モジュールｍｏｄ２が、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる制御対象（ロボットＲ）の複数の行動候補ａ_i2の中から、各行動候補ａ_i1の指定行動目的に対する適合度ｅ（ａ_i2）に応じて当該制御対象の行動計画を探索するという並列演算処理を実行するように構成されている（図４／ＳＴＥＰ２００〜ＳＴＥＰ２３０参照）。内部モジュールｍｏｄ１の演算処理能力のみならず、外部モジュールｍｏｄ２の演算処理能力も利用されることにより、内部行動計画の決定（解の導出）に要する演算処理時間の短縮が図られている。

低周波の外部モジュールｍｏｄ２による外部行動候補ａ_i2の探索範囲（第２探索範囲）は、高周波の（外部モジュールｍｏｄ２よりも演算周期が短い）内部モジュールｍｏｄ１による行動候補ａ_i1の探索範囲（第１探索範囲）よりも広い。その結果、内部モジュールｍｏｄ１により探索された内部行動候補ａ_i1（たとえば、２歩分の歩容Ｗ→Ｗ、Ｒ→ＲまたはＳ→Ｓにより定まる着地位置）よりも、「ロボットＲの姿勢安定化」という指定行動目的に対する適合度ｅが高い外部行動計画ａ_i2（たとえば、２歩分の歩容Ｓ→Ｗにより定まる着地位置）が外部モジュールｍｏｄ２によって求められうる。

したがって、前記のように解の導出に要する演算処理時間の短縮を図りながらも、内部モジュールｍｏｄ１単独で解としての内部行動計画が決定される場合と比較して、指定行動目的に鑑みて最適な形態で制御対象の動作が制御されうる。

その一方、内部モジュールｍｏｄ１による演算処理結果さえ求められれば、制御対象であるロボットＲの動作が制御されうる（図３／矢印Ｄ_1-参照）。高周波の（外部モジュールｍｏｄ２よりも演算周期が短い）内部モジュールｍｏｄ１による行動候補ａ_i1の探索範囲（第１探索範囲）は、低周波の外部モジュールｍｏｄ２による外部行動候補ａ_i2の探索範囲（第２探索範囲）よりも狭いが、その分だけ演算処理が早い。これにより、ロボットＲの状態測定値（図４／矢印Ｄ₁₊およびＤ₂₊参照）に鑑みて、ロボットＲが外乱に緊急に対応する必要がある場合、低周波の外部モジュールｍｏｄ２の演算処理結果を待たずに、高周波の内部モジュールｍｏｄ１の演算処理結果にしたがってロボットＲの動作が制御されうる。

よって、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる行動候補の組み合わせ最適化問題の解としての、当該制御対象の内部行動計画の導出の高速化を図ることができる。その結果、任意形態の外乱に対して、制御対象の行動目的に鑑みて適当な形態で、当該制御対象を行動させることができる。

たとえば、図９に示されているように外乱がロボットＲに与えられた後、まず、ロボットＲは瞬時に姿勢安定を図るため、自重を支えるように、遊脚であった一方の脚体を着地させるなどの反応を示す（state0参照）。そして、ロボットＲは、（Ｓ）片足跳び（state1参照）→（Ｓ）片足跳び（state2参照）、（Ｓ）片足跳び（state1参照）→（Ｗ）歩行、（Ｒ）走行（state3参照）、または、（Ｗ）歩行、（Ｒ）走行（state3参照）→（Ｗ）歩行、（Ｒ）走行（state4参照）などの単位行動形態の組み合わせである内部行動計画にしたがって、姿勢の安定を図りながら並進を継続することができる。

（本発明の他の実施形態）
なお、制御対象はロボットＲ（図１参照）のほか、車両等、複数種類の単位行動形態のそれぞれが離散状態変数値により表わされ、かつ、当該複数種類の単位行動形態の組み合わせとしての行動候補の結果が連続状態変数値により表わされるとともに、アクチュエータを動力源として備えているあらゆる装置であってもよい。

外部モジュールｍｏｄ２が、外部行動候補ａ_i2のそれぞれについて、指定行動目的とは異なる副行動目的に対する副適合度ｅ_sub（ａ_i2）を評価し、適合度ｅ（ａ_i2）（式（２１０）参照）の寄与度が副適合度副適合度ｅ_sub（ａ_i2）の寄与度よりも高くなるように総合適合度ｆ(ａ_i2)を評価するように構成され、総合適合度ｆ(ａ_i2)の評価結果に応じて外部行動計画（図４／矢印Ｄ₂₊参照）を決定するように構成されていてもよい。

ここで、副行動目的として「ロボットＲが目標位置に到達する」という大局的行動目的が採用されている場合について考える。

この場合、副適合度ｅ_sub（ａ_i2）は、ロボットＲの着地位置pos（ａ_i2，ｋ）と、目標位置を終点とする大局経路との間隔pos_err（ａ_i2，ｋ）と、ロボットＲの歩幅（最大歩幅）Ｌ_stepとに基づき、評価式（１２０）にしたがって算出される。

e_sub(a_i2)＝_Πk=1~qexp(−pos_err(a_i2, k)/L_step) ..(120)。

評価式（１２０）から明らかなように、ロボットＲの着地位置pos(ａ_i2，ｋ)が大局経路に近いほど、すなわち、ロボットＲが大局経路に沿って目標位置に到達すると予測される外部行動候補ａ_i2であるほど副適合度ｅ_sub（ａ_i2）が高く評価される。

そして、適合度ｅ（ａ_i2）および副適合度ｅ_sub（ａ_i2）に基づき、評価式（１４１）または（１４２）にしたがって総合適合度ｆ（ａ_i2）が評価される。

f(a_i2)＝e(a_i2)(e_sub(a_i2)+1) ..(141)。

f(a_i2)＝w₁e(a_i2) (w₂e_sub(a_i2)+1) ..(142)。

ここで「ｗ₂」および「ｗ₁（＝（ｗ₂＋１）^-1）」は重み係数である。

そして、総合適合度ｆが最高の１つの外部行動候補ａ_i2が、ロボットＲの外部行動計画として決定される。

当該構成の制御システムによれば、外部モジュールｍｏｄ２が指定行動目的（局所的行動目的）を優先させながらも、他の行動目的（大局的行動目的）をも勘案した形で、ロボットＲの外部行動候補が探索される（図８（ａ）（ｂ）参照）。また、外部行動候補のそれぞれについて、指定行動目的に鑑みた適合度ｅが、他の行動目的に鑑みた副適合度ｅ_subよりも寄与度が高くなるように総合適合度ｆが評価される（式（１４１）（１４２）参照）。

したがって、外乱が発生した場合、当初は応答が速い内部モジュールｍｏｄ１による演算処理結果（内部行動計画）に反映されている、指定行動目的のみがロボットＲの行動形態に反映され、この外乱による影響の迅速な低減が図られる。そして、時間経過とともに応答が遅い外部モジュールｍｏｄ２による演算処理結果（外部行動計画）に反映されている、指定行動目的に加えて他の行動目的もがロボットＲの行動形態に反映され、当該目的のすべてに適合するようなロボットＲの行動形態の回復が図られる。これにより、任意形態の外乱に対して、ロボットＲの行動目的に鑑みて適当な形態で、当該ロボットＲを行動させることができる。

（ロボットの歩容制御について）
ロボットＲの歩容制御の他の実施形態について説明する。

外部モジュールｍｏｄ２は外部行動計画として第ｋ次目標歩容を生成した上で、内部モジュールｍｏｄ１に対して無線により送信する。第ｋ次目標歩容は、ロボットＲが移動を開始してからｋ−１歩分だけ移動した時点以降のｎ歩分（ｎ：指定歩数）の目標着地位置pos_des(k,i)（ｉ＝１〜ｎ）を定める。たとえば、第ｋ次目標歩容により、図１０（ａ）に示されている３歩分（ｎ＝３）の目標着地位置pos_des(k,1)〜pos_des(k,3)が指定される。

内部モジュールｍｏｄ１は、外部モジュールｍｏｄ２から第ｋ次目標歩容を無線により受信する。内部モジュールｍｏｄ１および外部モジュールｍｏｄ２のそれぞれにおいて同等の評価式が用いられるので（式（１１０）（２１０）参照）、ロボットＲに外乱が生じた等の特段の事情がない限り、内部モジュールｍｏｄ１は、外部行動計画としての第ｋ次目標歩容をそのまま内部行動計画として決定する。

この場合、制御モジュールｍｏｄ０は、内部行動計画としての第ｋ次目標歩容にしたがってアクチュエータ２の動作、ひいてはロボットＲの動作を制御する。これにより、ロボットＲの次の着地位置が、第ｋ次目標歩容により指定されている１歩目の着地位置pos_des(k,1)に一致するようにロボットＲの動作が制御される。

第ｋ次目標歩容にしたがってロボットＲが１歩分だけ歩行、走行または片足跳びをするまでの間に、外部モジュールｍｏｄ２により外部行動計画として第ｋ＋１次目標歩容が生成された上で、内部モジュールｍｏｄ１に対して無線により送信される。たとえば、第ｋ＋１次目標歩容により、図１０（ｂ）に示されている３歩分の目標着地位置pos_des(k+1,1)〜pos_des(k+1,3)が指定される。これにより、ロボットＲの次の着地位置が、第ｋ＋１次目標歩容により指定されている１歩目の着地位置pos_des(k+1,1)に一致するようにロボットＲの動作が制御される。

ここで、内部モジュールｍｏｄ１による探索に時間がかかった場合、内部モジュールｍｏｄ１間でデータをやり取りするＢｕｓ（バス）が混雑した場合、または、内部モジュールｍｏｄ１と外部モジュールｍｏｄ２との間の無線通信に支障が生じた場合、図１０（ａ）に示されている状態からロボットＲが１歩だけ歩行等するまでの間に、外部行動計画としての第ｋ＋１次目標歩容（今回目標歩容）が内部モジュールｍｏｄ１に受信されないことが想定される。

この場合、内部モジュールｍｏｄ１は、第ｋ次目標歩容（前回目標歩容）の一部を用いて暫定的な第ｋ＋１次目標歩容を認識し、この暫定的な第ｋ＋１次目標歩容を包含する第１探索範囲において内部行動計画として探索する。暫定的な第ｋ＋１次目標歩容が内部行動計画として探索された場合、制御モジュールｍｏｄ０は、この暫定的な目標歩容にしたがってロボットＲの歩容を制御する。

たとえば、図１０（ｃ）に示されているように、第ｋ次目標歩容により指定されている２歩目の目標着地位置pos_des(k,2)および３歩目の目標着地位置pos_des(k,3)のそれぞれが、第ｋ＋１次目標歩容の１歩目の暫定目標着地位置pos_des’(k+1,1)および２歩目の暫定目標着地位置pos_des’(k+1,2)として定められる。

第ｋ＋１次目標歩容の３歩目の暫定目標着地位置pos_des’(k+1,3)の設定のため、ｉ歩目（ｉ＝１，２，３）の暫定目標着地位置pos_des’(k+1,i) にある足平の踵座標系（「第ｉ踵座標系」という。）が定義される。各踵座標系の原点は足平の内側の後端位置に定義される。踵座標系は、略矩形状の足平の長辺方向（ｘ軸方向）および短辺方向（ｙ軸方向）ならびに鉛直方向（ｚ軸方向）により定義される直交座標系である。

さらに、第１踵座標系のｘ軸を基準として反転された第２足平位置姿勢における足平の後端内側を原点とする新たな踵座標系が「反転踵座標系」として定義される。

３歩目の暫定目標着地位置pos_des’(k+1,3)は、第２踵座標系を基準とする第３踵座標系の相対的な位置および姿勢のそれぞれが、第１踵座標系を基準とする反転踵座標系の相対的な位置及び姿勢のそれぞれに一致するように定められる。

なお、目標歩容により指定される歩数ｎが比較的大きい場合（たとえばｎ≧５）、暫定的な第ｋ＋１次目標歩容により、ｎ歩目の目標着地位置は定められなくてもよい。

そして、暫定的な第ｋ＋１次目標歩容にしたがって、ロボットＲの歩容が制御される。これにより、前記のように内部モジュールｍｏｄ１による探索に時間がかかった場合、内部モジュールｍｏｄ１間でデータをやり取りするＢｕｓ（バス）が混雑した場合、または、内部モジュールｍｏｄ１および第２モジュールｍｏｄ２の間の無線通信に支障が生じた場合でも、ロボットＲの歩容が継続的に制御されうる。

その後、モジュール間の無線通信障害が解消され、外部モジュールｍｏｄ２により生成された外部行動計画としての第ｋ＋２次目標歩容（次回目標歩容）が、内部モジュールｍｏｄ１により無線により受信された場合、制御モジュールｍｏｄ０により、暫定的な第ｋ＋１次目標歩容に代えてこの第ｋ＋２次目標歩容にしたがってロボットＲの歩容が制御されうる。すなわち、一時的に無線通信障害が発生した等の場合でも、ロボットＲに動作を停止させることなく、歩行等の動作を継続させることができる。

１‥制御システム、２‥アクチュエータ、ｍｏｄ１‥内部モジュール、ｍｏｄ２‥外部モジュール、Ｒ‥ロボット（制御対象）。

Claims (8)

1. 制御対象の動力源であるアクチュエータを駆動する制御モジュールと、前記制御対象に搭載され、前記制御対象の動作状態を表わす状態測定値を検出するように構成されている高周波の内部モジュールと、前記制御対象の外部にある低周波の外部モジュールとを備え、
   前記外部モジュールが、前記内部モジュールから前記制御対象の最近の状態測定値を無線により受信した上で、前記制御対象の最近の状態測定値に基づき、一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる前記制御対象の単位行動形態の組み合わせとしての外部行動候補であって、当該連続状態変数値により表わされる前記制御対象の予測状態に基づいた、当該外部行動候補の指定行動目的に対する適合度に応じた少なくとも１つの外部行動候補を外部行動計画として第２探索範囲において探索し、当該探索した前記外部行動計画を前記内部モジュールに対して無線で送信するように構成され、
   前記内部モジュールが、前記外部モジュールにより探索された前記外部行動計画を無線により受信した上で、前記状態測定値に基づき、前記一または複数の連続状態変数値および前記一または複数の離散状態変数値により表わされる前記制御対象の単位行動形態の組み合わせとしての内部行動候補であって、当該連続状態変数値により表わされる前記制御対象の予測状態に基づいた、当該内部行動候補の指定行動目的に対する適合度に応じた少なくとも１つの内部行動候補を内部行動計画として、前記外部行動計画を包含する一方で前記第２探索範囲よりも狭い第１探索範囲において探索するように構成され、
   前記制御モジュールが、前記内部モジュールにより決定された前記内部行動計画にしたがって、前記アクチュエータの動作を制御するように構成されていることを特徴とする制御システム。
2. 請求項１記載の制御システムにおいて、
   前記外部モジュールが、前記一または複数の連続状態変数値および一または複数の離散状態変数値により表わされる外部行動計画を決定するにあたって、全てまたは一部の離散状態変数値に対する連続状態変数値の最適な組み合わせを探索アルゴリズムによって決定し、全てまたは一部の離散状態変数値に対する連続状態変数値の最適な組み合わせの中で最高の適合度となる離散状態変数値と連続状態変数値の組み合わせを最適な行動計画として採用するように構成されていることを特徴とする制御システム。
3. 請求項１記載の制御システムにおいて、
   前記外部モジュールが、前記外部行動候補のそれぞれについて、前記指定行動目的とは異なる副行動目的に対する副適合度を評価し、前記適合度の寄与度が前記副適合度の寄与度よりも高くなるように総合適合度を評価するように構成され、前記総合適合度の評価結果に応じて前記外部行動計画を決定するように構成されていることを特徴とする制御システム。
4. 請求項３記載の制御システムにおいて、
   前記外部モジュールが、前記外部行動候補のそれぞれについて、前記適合度ｅおよび前記副適合度ｅ_subに基づき、評価式ｆ＝ｅ（ｅ_sub＋1）またはｆ＝ｗ₁ｅ（ｗ₂ｅ_sub＋1）（ここで、ｗ₁＝（ｗ₂＋1）^-1）にしたがって前記総合適合度ｆ₁を評価するように構成されていることを特徴とする制御システム。
5. 請求項１〜４のうちいずれか１つに記載の制御システムにおいて、
   前記内部モジュールおよび前記外部モジュールのそれぞれが、基体と、前記基体から延設された複数の脚体とを有する前記制御対象としてのロボットの、前記複数種類の単位行動形態の指定の組み合わせにより構成される指定歩数にわたる目標歩容を前記内部行動候補および前記外部行動候補のそれぞれとして探索するように構成されていることを特徴とする制御システム。
6. 請求項５記載の制御システムにおいて、
   前記内部モジュールおよび前記外部モジュールのそれぞれが、前記ロボットの姿勢を安定させることを前記指定行動目的として、前記適合度を評価するように構成されていることを特徴とする制御システム。
7. 請求項５または６記載の制御システムにおいて、
   前記内部モジュールが、前記外部モジュールから今回の前記外部行動計画としての今回目標歩容を受信していないまま、今回の前記内部行動計画を探索する場合、前記外部モジュールから前回の前記外部行動計画として受信した前回目標歩容を構成するｉ＋１歩目（ｉ＝１〜ｎ−１。ｎは前記指定歩数。）の歩容を、ｉ歩目の歩容として有する暫定的な今回目標歩容を認識した上で、当該暫定的な今回目標歩容を包含する前記第１探索範囲において今回の前記内部行動計画を探索するように構成されていることを特徴とする制御システム。
8. 基体と、前記基体から延設されている複数の脚体とを備え、前記複数の脚体の動作により移動する前記制御対象としてのロボットであって、
   請求項５〜７のうちいずれか１つに記載の制御システムを構成する前記制御モジュールおよび前記内部モジュールを備えていることを特徴とするロボット。

Images