JP5109098B2 - 運動制御システム、運動制御方法および運動制御プログラム - Google Patents

Description

本発明は、人間等の第１運動体の運動態様を規範としてロボット等の第２運動体の運動態様を制御するシステム等に関する。

さまざまな環境に応じて人間により選択されたロボットのさまざまな行動事例の集合に基づき、ロボットの行動ルールを生成する第１の技術手法が提案されている（たとえば、特許文献１参照）。また、人間の運動をロボットに再現させるため、人間の教示作業（モーション・キャプチャ）により与えられた特定点の空間軌跡または運動パターンを時系列的に分節し、その分節された空間軌跡を組み合わせてロボットの運動パターンを生成する第２の技術手法が提案されている（たとえば、特許文献２参照）。
特開２００１−１６６８０３号公報 第００５３段落〜第００６９段落、図１〜図６ 特開２００２−３０１６７４号公報 第０１１８段落〜第０１３１段落、図１３〜図１８

しかし、第１の技術手法によれば、ロボットの運動パターンが学習結果としての複数の行動事例の範囲内に限定されてしまう。また、第２の技術手法によれば、ロボットの運動パターンが学習結果としての分節空間軌跡の組み合わせに束縛されてしまう。このため、これら第１および第２の技術手法によれば、ロボットが任意の環境に接したときに当該環境態様に鑑みて不適切なパターンで運動することを強制される可能性がある。

そこで、本発明は、人間等の第１運動体が接する環境およびこの環境に応じた運動態様と、ロボット等の第２運動体が実際に接する環境とに鑑みて、当該第２運動体の運動を従来の技術手法よりも適切に制御することができる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第１発明の運動制御システムは、第１運動体の運動態様を規範として第２運動体の運動態様を制御するシステムであって、前記第１運動体を取り巻く環境を表す外的因子および前記第１運動体の運動態様を表す内的因子のそれぞれのうち一部を、外的特徴因子および内的特徴因子のそれぞれとして、前記第１運動体が異なる環境に応じて運動を繰り返すたびに測定し、前記外的特徴因子および前記内的特徴因子の組み合わせにより定義される複数次元空間において、前記外的特徴因子および前記内的特徴因子の各回の当該測定結果の組み合わせにより位置が定まる複数のプロットにより表される該外的特徴因子および該内的特徴因子の離散的な相関関係に基づき、該外的特徴因子および該内的特徴因子の連続的な相関関係を、前記複数次元空間における前記複数のプロットの配置態様を表わす近似曲線によって表わすモデルを定義する第１処理部と、前記第２運動体が接する前記外的特徴因子を測定し、当該測定結果と前記第１処理部により定義された前記モデルとに基づいて前記内的特徴因子を算定し、少なくとも当該算定内的特徴因子が実現されるように前記第２運動体の運動態様を制御する第２処理部とを備えていることを特徴とする。

第１発明の運動制御システムによれば、第１運動体の運動態様のうち特徴的部分さえ学習されれば、他の部分が学習されなくても十分であるという思想のもとに第１運動体の運動態様が学習される。具体的には、第１運動体が接する環境を表す「外的因子」の一部または特徴的部分である「外的特徴因子」と、第１運動体の運動態様を表す「内的因子」の一部または特徴的部分である「内的特徴因子」とが測定される。また、当該測定結果により表される外的特徴因子および内的特徴因子の離散的な相関関係に基づき、両者の連続的な相関関係を表す「モデル」が定義または設定される。このため、外的特徴因子および内的特徴因子のそれぞれが定義域において網羅的に測定されなくても、任意の外的特徴因子に基づいて内的特徴因子が一義的に特定されるモデルが定義されうる。当該モデルは、さまざまな環境下における第１運動体の振舞または運動態様の傾向を、外的因子および内的因子のそれぞれの全部によって厳密にではなく、外的因子および内的因子のそれぞれの特徴的な一部によっておおまかに表すモデルであるといえる。なお、外的因子および内的因子のそれぞれの測定結果の中から連続的な相関関係が定義されるという条件を満たす外的因子および内的因子が外的特徴因子および内的特徴因子として選定されてもよく、実験や研究に基づく経験則に基づき、測定対象となる外的特徴因子および内的特徴因子が予め設定されていてもよい。

そして、第１運動体の運動態様のうち特徴的部分さえ再現されれば、他の部分は再現されなくても十分であるという思想のもと、当該学習結果としてのモデルが用いられて第２運動体の運動態様が制御される。具体的には、第２運動体が接する外的特徴因子が測定され、当該学習結果としてのモデルと当該測定結果とに基づいて内的特徴因子が算定される。当該モデルは外的特徴因子および内的特徴因子の連続的な相関関係を表しているので、任意の外的特徴因子に基づいて内的特徴因子が一義的に算出されうる。さらに、少なくとも当該算定内的特徴因子が実現されるように運動計画がたてられ、かつ、当該運動計画にしたがって第２運動体の運動態様が制御される。

前述のような学習方法および当該学習結果の利用方法により、第１運動体の運動態様を規範としながらも当該運動態様に必要以上に拘束されることなく、第２運動体の運動態様が制御されうる。したがって、第１運動体が接する環境およびこれに応じた運動態様と、第２運動体が実際に接する環境とに鑑みて、当該第２運動体の運動を従来技術よりも適切に制御することができる。

また、第２発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が、前記測定結果により表される前記外的特徴因子および前記内的特徴因子の離散的な相関関係と、当該離散的な相関関係に基づいて定義される前記外的特徴因子および前記内的特徴因子の連続的な相関関係との乖離度を評価し、該乖離度が閾値以下であることを要件として、当該連続的な相関関係を表す前記モデルを定義することを特徴とする。

第２発明の運動制御システムによれば、外的特徴因子および内的特徴因子の離散的な相関関係と、当該離散的な相関関係に基づいて定義される外的特徴因子および内的特徴因子の連続的な相関関係との乖離度が閾値以下であることを要件として当該連続的な相関関係を表すモデルが定義される。このため、さまざまな環境に応じた第１運動体の運動態様の傾向を表す観点から適当なモデルが定義される。また、当該要件が満たされるように外的特徴因子および内的特徴因子が再度測定され、当該再度の測定結果に基づいてモデルが再度定義されうる。そして、当該モデルに基づいて第２運動体の運動態様が第１運動体の運動態様の大まかな傾向にしたがうように制御されうる。言い換えると、第１運動体の運動態様のおおまかな傾向を表す観点から不適当なモデルが設定されることが防止され、かつ、当該不適当なモデルに基づいて第２運動体の運動態様が制御されることが防止されうる。

さらに、第３発明の運動制御システムは、第２発明の運動制御システムにおいて、前記第１処理部が、前記要件が満たされるように前記外的特徴因子および前記内的特徴因子の測定結果のうち一部を除いて前記モデルを定義することを特徴とする。
第３発明の運動制御システムによれば、外的特徴因子および内的特徴因子の離散的な相関関係と、当該離散的な相関関係に基づいて定義される連続的な相関関係との乖離度が閾値以下であるという要件を満たすように、当該離散的な相関関係を表す両特徴因子の測定結果が取捨選択される。そして、取捨選択された測定結果に基づいて両特徴因子の連続的な相関関係を表すモデルが定義され、当該モデルに基づいて第２運動体の運動態様が制御される。このため、さまざまな環境に応じた第１運動体の運動態様の傾向を表す観点から適当なモデルが定義され、かつ、当該モデルに基づいて第２運動体の運動態様が第１運動体の運動態様の大まかな傾向にしたがうように制御されうる。

また、第４発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が、前記第１運動体が異なる環境下で一定のスタイルにしたがって複数回にわたり運動するときの前記外的特徴因子および前記内的特徴因子の複数回にわたる測定結果に基づいて前記モデルを定義することを特徴とする。

第４発明の制御システムによれば、複数の異なるスタイルのそれぞれについてモデルが定義されうる。これにより、一のモデルに基づいて運動計画がたてられることにより、第２運動体が当該一のモデルに応じたスタイルにしたがって運動するようにその運動態様が制御されうる。

さらに、第５発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果の追加に伴って前記モデルを逐次定義し、前記第２処理部が該第１処理部により逐次定義される該モデルに基づいて前記第２運動体の前記運動態様を逐次制御することを特徴とする。

第５発明の制御システムによれば、第１運動体の運動態様の最新の学習結果としてのモデルに基づき、第２運動体の運動態様を制御することができる。

また、第６発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第２処理部が、前記第２運動体が接する前記外的特徴因子を逐次測定し、当該逐次測定される該外的特徴因子に基づいて前記第２運動体の運動態様を逐次制御することを特徴とする。

第６発明の運動制御システムによれば、第２運動体が接する環境、ひいては当該環境を表す外的特徴因子が変動するような場合でも、当該外的特徴因子の最新の測定結果に鑑みて、第２運動体の運動態様が適当に制御されうる。

さらに、第７発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が、前記第１運動体の特定部位の一の動作によって力を受けるときの物体の位置を前記外的特徴因子として測定し、該一の動作が終了したときの該特定部位の位置を前記内的特徴因子として測定することを特徴とする。

第７発明の運動制御システムによれば、第１運動体が特定部位の一の動作によって物体に力を作用させるという運動態様の学習結果として、物体の任意の位置に基づき、当該特定部位の動作の終了位置が決定されるようなモデルが定義される。したがって、第２運動体の特定部位の一の動作によって力を受けるときの物体の予測位置（外的特徴因子）と、当該モデルとに基づき、少なくとも第２運動体の当該特定部位の一の動作の終了位置（内的特徴因子）が実現されるように第２運動体の当該一の動作が制御されうる。

また、第８発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果の中から規則性を有する集合を規則的集合として抽出し、当該規則的集合に基づいて前記モデルを定義することを特徴とする。

第８発明の運動制御システムによれば、外的特徴因子および内的特徴因子の測定結果のうち、規則性に関する要件を満たさない測定結果が除去された上で、当該要件を満たす測定結果のみに基づいてモデルが定義される。これにより、第１運動体の運動態様のうち規則的部分を基礎として、第２運動体の運動態様を制御する観点から適当なモデルが定義されうる。

さらに、第９発明の運動制御システムは、第８発明の運動制御システムにおいて、前記第１処理部が、前記内的因子である内的付加因子を前記第１運動体の１回の運動ごとに前記外的特徴因子および前記内的特徴因子に対応付けて測定し、前記外的特徴因子および前記内的特徴因子のそれぞれの測定結果が、該内的付加因子により定義される空間において高密度で集まっている該内的付加因子の測定点に対応付けられていることを前記規則性として、前記規則的集合を抽出することを特徴とする。

第９発明の運動制御システムによれば、外的特徴因子および内的特徴因子のそれぞれの測定結果に対応付けられて一または複数の「内的付加因子」が測定される。さらに、当該内的付加因子により定義される空間において、高密度で集まっている測定点に対応する外的特徴因子および内的特徴因子の測定結果の集合が規則的集合として抽出される。これにより、内的付加因子の測定結果のまとまりの程度に鑑みて、第１運動体が一定のスタイルにしたがって運動したときの測定結果とはいえない、外的特徴因子および内的特徴因子の不規則的な測定結果が除去されうる。そして、当該規則的集合が用いられることにより、当該一定のスタイルにしたがった第１運動体の運動態様の学習結果として適当なモデルが定義されうる。なお、内的負荷因子の測定点の密度が高いとは、当該密度が閾値以上であることや、当該密度が複数の区域の中で所定純以内であること等を意味する。

また、第１０発明の運動制御システムは、第８発明の運動制御システムにおいて、前記第１処理部が、前記第１運動体が異なる環境下で一定のスタイルにしたがって複数回にわたり運動するときの前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを定義し、競合する複数の前記規則的集合が抽出された場合、当該複数の規則的集合のそれぞれに対応する新たなスタイルを定義した上で、該第１運動体が当該新たなスタイルにしたがって複数回にわたり運動するときの前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを再び定義することを特徴とする。

第１０発明の運動制御システムによれば、一のスタイルにしたがった第１運動体の運動態様の学習結果として複数のモデルが定義されうるような場合、複数の新たなスタイルが定義される。さらに、当該複数の新たなスタイルのそれぞれにしたがった第１運動体の運動態様があらためて学習される。そして、第１運動体の運動態様の学習結果として一のスタイルに応じて定義された一のモデルに基づいて第２運動体の運動態様が制御されうる。これにより、第２運動体の運動態様が一のモデルに基づいて制御されているにもかかわらず、似たような環境に応じて第２運動体が異なるスタイルで運動するような事態が回避される。

さらに、第１１発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が、前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果に基づき、定義域が異なる、共通の性質を有する複数の局所的モデルを定義し、隣接する該定義域における該局所的モデルを接続することによって前記モデルを定義することを特徴とする。

第１１発明の制御システムによれば、異なる定義域において複数の局所的モデルが定義され、当該複数の局所的モデルが統合されることで採集的なモデルが定義される。各局所的モデルは共通の性質を有しているため、当該性質を表現するための共通の規則にしたがって異なる局所的モデルが定義されうる。これにより、局所的モデルの定義を簡易化し、ひいてはモデルの定義を簡易化することができる。

また、第１２発明の運動制御システムは、第１１発明の運動制御システムにおいて、前記第１処理部が、前記共通の性質を有する前記局所的モデルとして線形モデルを定義することを特徴とする。

第１２発明の運動制御システムによれば、線形モデルを表現するための共通の規則にしたがって異なる局所的モデルが定義されうる。ここで「線形モデル」とは、定義域における任意の外的特徴因子ｘ（ベクトルまたはスカラー）について値域における内的特徴因子ｙがｃｘ（ｃは係数または係数対角行列）と表現される線形写像を意味する。これにより、局所的モデルの定義を簡易化し、ひいてはモデルの定義を簡易化することができる。

さらに、第１３発明の運動制御システムは、第１１発明の運動制御システムにおいて、前記第１処理部が前記外的特徴因子および前記内的特徴因子の測定結果に基づき、前記モデルの局所的な性質を抽出するための統計的手法を用いて前記局所的モデルを定義することを特徴とする。

第１３発明の運動制御システムによれば、モデルの局所的な性質を抽出するための統計的手法が用いられることにより、異なる定義域のそれぞれにおいて固有の性質を有する局所的モデルが定義されうる。

また、第１４発明の運動制御システムは、第１３発明の運動制御システムにおいて、前記第１処理部が前記統計的手法としてＬＷＰＲ（Ｌｏｃａｌｌｙ Ｗｅｉｇｈｔｅｄ Ｐｒｏｊｅｃｔｉｏｎ Ｒｅｇｒｅｓｓｉｏｎ）アルゴリズムを用いて前記局所的モデルを定義することを特徴とする。

第１４発明の運動制御システムによれば、ＬＷＰＲアルゴリズムにしたがって異なる定義域のそれぞれにおいて固有の性質を有する局所的モデルが定義されうる。

さらに、第１５発明の運動制御システムは、第１発明の運動制御システムにおいて、前記第１処理部が前記第１運動体としての人間の前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを定義し、前記第２処理部が該第１処理部により定義された外車増に基づき、前記第２運動体としてのヒューマノイドロボットの前記運動態様を制御することを特徴とする。

第１５発明の運動制御システムによれば、人間の運動態様を規範としながらも当該運動態様に必要以上に拘束されることなく、ヒューマノイドロボットの運動態様が制御されうる。これにより、たとえばさまざまな環境に応じた人間の一方または両方の腕の動作がおおまかに再現されるようにロボットの一方または両方の腕部の動作が制御されうる。また、さまざまな環境に応じた人間の一方または両方の脚の動作がおおまかに再現されるようにロボットの一方または両方の脚部の動作が制御されうる。

前記課題を解決するための第１６発明の運動制御方法は、第１運動体の運動態様を規範として第２運動体の運動態様を制御する方法であって、第１発明の運動制御システムにおいて前記第１および第２処理部のそれぞれが実行する処理を実行することを特徴とする。

第１６発明の運動制御方法によれば、第１運動体の運動態様を規範としながらも当該運動態様に必要以上に拘束されることなく、第２運動体の運動態様が制御されうる。

前記課題を解決するための第１７発明の運動制御プログラムは、第１運動体の運動態様を規範として第２運動体の運動態様を制御するシステムとしてコンピュータを機能させるプログラムであって、第１発明の運動制御システムとして前記コンピュータを機能させることを特徴とする。

第１７発明の運動制御プログラムによれば、第１運動体の運動態様を規範としながらも当該運動態様に過剰に拘束されることなく、第２運動体の運動態様を制御しうるシステムとしてコンピュータを機能させることができる。

本発明の運動制御システムの実施形態について図面を用いて説明する。

まず、本発明の一実施形態としての運動制御システムおよびその制御対象である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（第２運動体）２は、人間（第１運動体）１の運動を再現する機能を有するヒューマノイドロボットである。ロボット２は基体（または上体）２０と、基体２０の上方に配置された頭部２１と、基体２０の上部に上部両側から延設された左右の腕部２２と、左右の腕部２２のそれぞれの先端に設けられている手部２３と、基体２０の下部から下方に延設された左右の脚部２４と、左右の脚部２４のそれぞれの先端に設けられている足部２５とを備えている。また、ロボット２は腕部２２や脚部２４等の各関節角度に応じた信号を出力するロータリーエンコーダ、手部２３や足部２５等に作用する力に応じた信号を出力する６軸力センサ等、ロボット２の運動態様を表す種々の内的因子を測定するための種々のセンサ２０４（図２参照）を備えている。さらに、ロボット２は腕部２２、手部２３および脚部２４等の駆動源として各関節部分等に設けられたアクチュエータ２０６（図２参照）を備えている。

基体２０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２１は基体２０に対してヨー軸回りに回動する等、動くことができる。

腕部２２は第１腕リンク２２２と、第２腕リンク２２４とを備えている。基体２０と第１腕リンク２２２とは肩関節２２１を介して連結され、第１腕リンク２２２と第２腕リンク２２４とは肘関節２２３を介して連結され、第２腕リンク２２４と手部２３とは手根関節２２５を介して連結されている。肩関節２２１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２２３はピッチ軸回りの回動自由度を有し、手根関節２２５はロール、ピッチ、ヨー軸回りの回動自由度を有している。手部２３は、手掌部から延設され、人間の手の親指、人差指、中指、薬指および小指のそれぞれに相当する５つの指機構を備えている。

脚部２４は第１脚リンク２４２と、第２脚リンク２４４とを備えている。基体２０と第１脚リンク２４２とは股関節２４１を介して連結され、第１脚リンク２４２と第２脚リンク２４４とは膝関節２４３を介して連結され、第２脚リンク２４４と足部２５とは足関節２４５を介して連結されている。股関節２４１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２４３はピッチ軸回りの回動自由度を有し、足関節２４５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。

ロボット（第２運動体）２は図２に示されているような運動制御システム２００を備えている。運動制御システム２００はＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ等によって構成され、人間（第１運動体）１の運動態様の学習結果としてモデルを定義し、ロボット２の運動態様を当該モデルにしたがって制御する。なお、制御システムはロボット２の内部ネットワークを通じて接続された主制御ユニットおよび一または複数の副制御ユニットより構成される分散制御システムであってもよい。

ロボット２に搭載されているコンピュータを運動制御システム２００として機能させるための「運動制御プログラム」はＲＯＭ等の記憶装置に予め格納されていてもよいが、ロボット２から要求があった等の任意のタイミングで当該プログラムがサーバからネットワークや人工衛星を介して当該コンピュータに配信（ダウンロード）または放送され、当該プログラム用のメモリに格納されてもよい。

運動制御システム２００は第１処理部２１０と、第２処理部２２０とを備えている。第１処理部２１０と第２処理部２２０とは同じＣＰＵまたはプロセッサにより構成されていてもよく、異なるＣＰＵまたはプロセッサにより構成されていてもよい。

第１処理部２１０は人間１の周囲に配置されたカメラ（トラッカー）２０２を通じて得られる当該人間の画像に基づき、当該人間が運動するときの環境を表す「外的因子」および運動態様を表す「内的因子」のそれぞれの特徴的部分を「外的特徴因子」および「内的特徴因子」として測定する。また、第１処理部２１０は当該測定結果により表される外的特徴因子および内的特徴因子の離散的な相関関係に基づき、外的特徴因子および内的特徴因子の連続的な相関関係を表す「モデル」を定義する。

第２処理部２２０はロボット２が接する環境を表す外的因子のうち「外的特徴因子」を測定する。また、第２処理部２２０は外的特徴因子の測定結果と第１処理部２１０により定義されたモデルとに基づいて「内的特徴因子」を算定する。さらに、第２処理部２２０は少なくとも算定された内的特徴因子が実現されるように、センサ２０４の出力に基づいてアクチュエータ２０６の動作をフィードバック制御することによりロボット２の運動態様を制御する。

続いて、前記構成の運動制御システムの機能について説明する。

まず、第１処理部２１０が「第１処理」を実行する（図３／Ｓ０１０）。

これにより、たとえば図４（ａ）〜（ｃ）に示されているように、人間１が右手に持ったラケットＲを用いて前方から飛んでくる玉Ｑをフォアハンドで打ち返すという一定のスタイルの運動態様の学習結果としてモデルが定義される。詳細には、人間１がラケットＲを右手で持ち、右肘を曲げてラケットＲを肩と同じくらいの高さでその前面を前方に向けて構えた待機状態から、ラケットＲを動かすことにより、その前面を前方から飛んできた玉Ｑに当てる動作の学習結果としてモデルが定義される。

具体的には、外的因子および内的因子のそれぞれの特徴的部分が「外的特徴因子」および「内的特徴因子」として人間１が前記スタイルにしたがって運動を繰り返すたびに測定される（図３／Ｓ０１２）。

「外的因子」は人間１が接する環境を表す因子であり、前記例では任意時刻における玉Ｑの位置およびその時間微分（速度、加速度など）が外的因子（空間的かつ時間的に区分される環境の構成要素）に該当する。「内的因子」は人間１の運動態様を表す因子であり、前記例では任意時刻における特定部位（手首、肘、肩など）の位置および各関節角度ならびにこれらの時間微分（特定部位の速度および加速度、ならびに関節角速度および関節角加速度など）、特定部位の異なる時刻における相対ベクトルの長さや方位、異なる複数の特定部位の相対位置、相対速度等が内的因子（空間的かつ時間的に区分される運動態様の構成要素）に該当する。

たとえば光学式モーションキャプチャー（モーキャプ）システムにより任意時刻における特定部位の位置が測定される。光学式モーションキャプチャーシステムによれば、人間１の周囲に配置された一または複数のカメラ（トラッカー）２０２による、この人間１の身体に付されたマーカーの検出結果に基づいて人間１の特定部位の位置が測定される。任意時刻における玉位置は、たとえばカメラ２０２を通じて得られる、玉Ｑまたはこれに付されたマーカーの検出結果に基づいて測定される。なお、特定部位および玉Ｑのそれぞれの位置を測定するカメラ（トラッカー）２０２は、同一種類のカメラであってもよく、異なる種類のカメラ（可視光カメラ、赤外光カメラ等）であってもよい。

その他、機械式、磁気式または慣性式モーションキャプチャーシステムにより任意時刻における手首位置が測定されてもよい。機械式モーションキャプチャーシステムによれば、人間１に装着されたサポータまたはスーツに取り付けられた複数のポテンショメータからの当該人間１の各関節角度を表す出力信号に基づいて手首位置が測定される。磁気式モーションキャプチャーシステムによれば、人間１に装着されたサポータまたはスーツに取り付けられた複数の磁気センサからの出力信号に基づいて手首位置が測定される。慣性式モーションキャプチャーシステムによれば、人間１に装着されたサポータまたはスーツに取り付けられた複数の慣性モーメントセンサからの当該人間１の腕等の慣性モーメントを表す出力信号に基づいて手首位置が測定される。

図５には人間１によって前記動作が繰り返されたときにｘ−ｙ平面において特定部位としての手首の位置および玉位置が変化する様子が示されている。手首位置はラケットＲが待機位置にあるときの初期手首位置ｐ₀（ｉ）（ｉは動作回数を示す指数）から（図４（ａ）参照）、動いているラケットＲに玉Ｑが当たったときの１次手首位置ｐ₁（ｉ）を経て（図４（ｂ）参照）、ラケットＲの前方への動きが停止したときの２次手首位置ｐ₂（ｉ）に変化している（図４（ｃ）参照）。また、玉位置は初期玉位置ｑ₀（ｉ）から（図４（ａ）参照）、動いているラケットＲに玉Ｑが当たったときの１次玉位置ｑ₁（ｉ）を経て（図４（ｂ）参照）、ラケットＲの前方への動きが止まったときの２次玉位置ｑ₂（ｉ）に変化する様子が示されている（図４（ｃ）参照）。なお、手首位置および玉位置はｚ方向についても変化している。

本実施形態では、１次玉位置（＝動いているラケットＲに玉Ｑが当たったときの玉位置）ｑ₁（ｉ）が「外的特徴因子」として測定される。ラケットＲに玉Ｑが当たったことは、たとえばカメラ２０２を通じて得られる画像解析によって測定される玉Ｑの速度変化（特にｙ方向の速度変化（図５参照））が閾値を超えたことによって把握される。なお、マイク（図示略）を通じて得られる、ラケットＲに玉Ｑが当たった音に基づいて、ラケットＲに玉Ｑが当たったことが把握されてもよい。

さらに、２次手首位置（＝ラケットＲの前方への動きが停止したときの手首位置）ｐ₂（ｉ）が「内的特徴因子」として特定される（図４（ｃ）参照）。ラケットＲの前方への動きが停止したことは、たとえばモーキャプシステムにより測定される手首の速度変化（特にｙ方向の速度変化（図５参照））が閾値を超えたことによって把握される。

任意の外的因子のうちどれが外的特徴因子に該当し、任意の内的因子のうちどれが内的特徴因子に該当するかは実験や研究等によって予め設定されていてもよい。そのほか、複数の外的因子および複数の内的因子が測定され、当該測定結果との乖離度が閾値以下であるという要件を満たす連続的な相関関係が定義されうる外的因子および内的因子のそれぞれが外的特徴因子および内的特徴因子として特定されてもよい。複数時点における玉Ｐの位置、速度、加速度等が複数の外的因子に該当する。複数時点における手首、肘、肩等の位置、速度および加速度、ならびに各関節角度、角速度および角加速度等が複数の内的因子に該当する。

また、外的特徴因子および内的特徴因子の測定結果のうち、規則性に関する要件を満たさない測定結果が除去されることにより規則的集合が抽出される（図３／Ｓ０１４）。具体的には、初期手首位置ｐ₀（ｉ）が「内的付加因子」として測定される。また、「内的付加因子により定義される空間（３次元空間）における複数の単位立方体のうち、当該測定点が高密度で集まっている単位立方体に対応している」という規則性に関する要件を満たさない、回数ｊにおける外的特徴因子ｑ₁（ｊ）および内的特徴因子ｐ₂（ｊ）の測定結果が除去される。ここで、単位立方体における測定点が高密度であるとは、当該密度が最高であることや、閾値以上であることを意味している。そして、当該測定結果が除去された残りの測定結果の集合が「規則的集合」として抽出される。

なお、初期手首位置ｐ₀（ｉ）に代えてまたは加えて、１次手首位置ｐ₁（ｉ）もしくは２次手首位置ｐ₂（ｉ）等、種々のタイミングにおける手首位置、または、手首速度および加速度等の手首位置の時間微分を内的付加因子として当該要件が定義されてもよい。たとえば、図９に示されているように人間１が、その手首を初期手首位置ｐ₀（時刻ｔ＝ｔ₀）からテイクバック位置ｐ₀₊（時刻ｔ＝ｔ₀₊（＞ｔ₀））に動かし、その上で１次手首位置ｐ₁（時刻ｔ＝ｔ₁）および２次手首位置ｐ₂（時刻ｔ＝ｔ₂）を経て、戻り位置ｐ₂₊（時刻ｔ＝ｔ₂₊（＞ｔ₂））に動かした場合について考える。時刻ｔ₀₊から時刻ｔ₂までの間の手首位置の３次元空間における軌跡（ｐ₀₊〜ｐ₁〜ｐ₂）が、図１０（ａ）（ｂ）に示されているようなテイクバック位置ｐ₀₊を一方の端面上に包含する略円柱状の領域に含まれていることが規則性に関する要件として定義されていてもよい。図１０（ａ）に示されているように当該軌跡が当該領域に全て含まれているときに測定された外的特徴因子（１次玉位置ｑ₁）および内的特徴因子（２次手首位置ｐ₂）は、当該要件を満たしていると判定され、規則的集合に包含される。一方、図１０（ｂ）に示されているように当該軌跡の一部が当該領域から外れているときに測定された外的特徴因子（１次玉位置ｑ₁）および内的特徴因子（２次手首位置ｐ₂）は、当該要件を満たしていないと判定され、規則的集合から除外される。

また、人間１の手首に代えてまたは加えて、肘、肩等、手首とは異なる位置を内的因子として当該要件が定義されてもよい。

さらに、人間１の身体部分の位置に代えてまたは加えて、当該身体部分の速度および加速度等の時間微分を内的付加因子として当該要件が設定されてもよい。たとえば、図９に示されているように人間１がその手首を動かした場合、図１１に示されているように時刻ｔ₀₊および時刻ｔ₂のそれぞれにおける手首の速さの大きさ｜ｖ｜が閾値ｖ_s以下であること（手首が静止していること）が当該要件として定義されていてもよい。

また、内的付加因子に代えてまたは加えて、初期玉位置ｑ₀（ｉ）、１次玉位置ｑ₁（ｉ）および２次玉位置ｑ₂（ｉ）等、種々のタイミングにおける玉Ｐの位置、速度および加速度等の外的因子（外的付加因子）によって当該要件が定義されてもよい。

また、内的付加因子および外的付加因子のうち一方または両方の測定点の空間密度ではなく、内的特徴因子および外的特徴因子のうち複数の因子の組み合わせの測定点間の距離等、空間における異なる因子の測定点間の配置関係によって規則性に関する要件が定義されてもよい。たとえば、初期玉位置ｐ₀（ｉ）および１次手首位置ｑ₁（ｉ）の相対ベクトルの長さまたは方位が所定範囲にあることが当該要件として設定されてもよい。

さらに、外的特徴因子および内的特徴因子の測定結果を構成要素とする規則的集合に基づき、ＬＷＰＲ（Locally Weighted Projection Regression）アルゴリズム等の統計的手法にしたがって局所的モデルが定義され、かつ、その統合結果としてのモデルが定義される（図３／Ｓ０１６）。なお、ＬＷＰＲアルゴリズムのほか、回帰モデル、ニューラルネットモデル等、他の統計的手法にしたがってモデルが定義されてもよい。当該モデルは外的特徴因子（スカラーまたはベクトル）ｑおよび内的特徴因子（スカラーまたはベクトル）ｐの連続的な相関関係を表す、次式（１）の写像ｆを表している。

ｆ（ｑ）＝ｐ ‥（１）
具体的には、外的特徴因子ｑ₁（ｉ）（ｘ，ｙおよびｚ成分を有する３次元ベクトル（ｑ_1x，ｑ_1y，ｑ_1z）である。）および内的特徴因子ｐ₂（ｉ）（ｘ，ｙおよびｚ成分を有する３次元ベクトル（ｐ_2x，ｐ_2y，ｐ_2z）である。）の測定結果が当該因子により定義される６次元空間（６つの変数ｑ_1x，ｑ_1y，ｑ_1z，ｐ_2x，ｐ_2yおよびｐ_2zにより定義される空間である。）においてプロットされる。各プロットは外的特徴因子ｑ₁（ｉ）および内的特徴因子ｐ₂（ｉ）の離散的な相関関係を表している。簡単のため各特徴因子のｘ成分の測定結果についてのみ考察すると、図５に示されているように人間１が打ち返し運動を繰り返した場合、図６（ａ）に示されているように各特徴因子のｘ成分（ｑ_1x，ｐ_2x）の測定結果がプロットされる。人間１がさらに同じスタイルにしたがって運動を繰り返すたびに特徴因子空間におけるプロット数が徐々に増えていく。そして、図６（ｂ）に示されているように当該プロットにより表される外的特徴因子ｑ₁および内的特徴因子ｐ₂のそれぞれのｘ成分の局所的な相関関係を近似的に表す曲線ＬＭ１〜ＬＭ３のそれぞれが「局所的モデル」として定義される。局所的モデルＬＭ１〜ＬＭ３のそれぞれは線形モデルであってもよく、非線形モデルであってもよい。なお、各局所的モデルが共通の性質（たとえば線形性）を有していれば、当該性質を表現するための共通の規則にしたがって異なる局所的モデルが定義されうる。これにより、局所的モデルひいてはモデルの定義が簡易化される。

さらに、複数の局所的モデルが重ね合わせられることによって外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係を表す「モデル」が定義される。たとえば、図６（ｂ）に示されている局所的モデルＬＭ１、ＬＭ２およびＬＭ３は、任意の外的特徴因子ｑ₁のｘ成分と各局所的モデルの中心のｘ成分との距離に応じて重み付けられて重ね合わせられる。重み付けに際して、各局所的モデルの局所性を表すパラメータによって正規化された距離に応じた重みが各局所的モデルに付されてもよい。これにより、図６（ｃ）に示されているような、任意の外的特徴因子ｑ₁のｘ成分に応じて内的特徴因子ｐ₂のｘ成分が一義的に決定されうるモデルＭが定義される。前記のように簡単のために各特徴因子のｘ成分のみが考察された場合のモデルの定義方法について説明したが、実際には各特徴因子のｘ成分、ｙ成分およびｚ成分のすべてが考察された上でモデルが定義される。すなわち、次式（２）で表されるように、任意の外的特徴因子ｑ₁＝（ｑ_1x，ｑ_1y，ｑ_1z）に基づいて一義的に内的特徴因子ｐ₂＝（ｐ_2x，ｐ_2y，ｐ_2z）が決定される、３×３の行列Ａで表される局所的モデルが定義され、それらを重ね合わせることでモデルが定義される。

ｐ₂＝Ａ・ｑ₁ ‥（２）
続いて、第２処理部２２０により「第２処理」が実行される（図２／Ｓ０２０）。

これにより、第１処理部２１０によって定義されたモデルにしたがって、たとえば図７（ａ）〜（ｃ）に示されているように、ロボット（第２運動体）２が右の手部２３に持ったラケットＲを用いて前方から飛んでくる玉Ｑをフォアハンドで打ち返すという一定のスタイルの運動態様が再現される。

具体的には、ロボット２が接する「外的特徴因子」が測定される（図３／Ｓ０２２）。前記例ではロボット２が前方から飛んでくる玉ＱにラケットＲを当てる位置が外的特徴因子として予測される。ロボット２が玉ＱにラケットＲを当てる位置は、カメラ２０２の画像解析によって測定される玉Ｑの現在位置および速度に基づき、この玉Ｑが設定平面または曲面を通過する位置として予測される。たとえば図８（ａ）に示されているように玉Ｑの現在位置ｑ₀（ｋ）（ｋ＝１，２）および速度ｖ₀（ｋ）に基づき、この玉Ｑが一点鎖線で示されている面を通過する位置ｑ₁（ｋ）が外的特徴因子として予測または測定される。なお、第２処理部２２０による測定対象となる外的特徴因子は予め定められていてもよく、第１処理部２１０によって複数の外的因子の中から選定されてもよい。また、この面はロボット２が右の手部２３で把持しているラケットＲを玉Ｑに当てることを考慮に入れて、ロボットの左右において非対称的に設定されていてもよい。

また、測定された外的特徴因子ｑ₁（ｋ）と、第１処理部２１０によって定義されたモデルとに基づき、内的特徴因子が算定される（図３／Ｓ０２４）。たとえば図６（ｃ）に示されているようなモデルにしたがって、図８（ａ）に破線で示されている、ラケットＲの前方への動きが停止したときのロボット２の手首位置ｐ₂（ｋ）が内的特徴因子として算定される。なお、人間１およびロボット２のそれぞれのサイズまたは運動スケール（いわゆるリーチなど）の相違に鑑みて、両者の運動スケールを整合させるためのスケーリング因子が乗じられた内的特徴因子が算定されてもよい。

そして、内的特徴因子ｐ₂（ｋ）が再現されるようにロボットの運動態様が制御される（図３／Ｓ０２６）。たとえば、図８（ｂ）に示されているように、ロボット２の手首位置が、少なくともラケットＲの前方への動きが停止したときに算定された内的特徴因子ｐ₂（ｋ）に合致するように制御される。これにより、ロボット２が図７（ａ）〜（ｃ）に示されているように、右手部２３に持ったラケットＲを用いて前方から飛んでくる玉Ｑをフォアハンドで打ち返すという一定のスタイルの運動態様が再現される。

前記機能を発揮する運動制御システム２００によれば、人間（第１運動体）１の運動態様のうち特徴的部分さえ学習されれば、他の部分は学習されなくても十分であるという思想のもとにその運動態様が学習される（図３／Ｓ０１０、図４（ａ）〜（ｃ）参照）。具体的には、人間１が接する環境を表す多数の外的因子のうち特徴的部分としての外的特徴因子（１次玉位置）ｑ₁と、人間１の運動態様を表す多数の内的因子のうち特徴的部分としての内的特徴因子（２次手首位置）ｐ₂とが測定される。また、当該測定結果により表される外的特徴因子ｑ₁および内的特徴因子ｐ₂の離散的な相関関係に基づき、外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係を表すモデルが定義される（図３／Ｓ０１２，Ｓ０１６、図６（ａ）〜（ｃ）参照）。このため、外的特徴因子ｑ₁および内的特徴因子ｐ₂のそれぞれが定義域において網羅的に測定されなくても、任意の外的特徴因子ｑ₁に基づいて内的特徴因子ｐ₂が一義的に特定されるモデルが定義されうる。当該モデルは、さまざまな環境下における人間１の振舞または運動態様の傾向を、外的因子および内的因子のそれぞれの全部によって厳密にではなく、外的因子および内的因子のそれぞれの特徴的な一部によっておおまかに表すモデルであるといえる。

そして、人間１の運動態様のうち特徴的部分さえ再現されれば、他の部分は再現されなくても十分であるという思想のもと、当該学習結果としてのモデルが用いられてロボット２の運動態様が制御される（図３／Ｓ０２０、図７（ａ）〜（ｃ）参照）。具体的には、ロボット２が接する外的特徴因子ｑ₁が測定され、当該学習結果としてのモデルと当該測定結果とに基づいて内的特徴因子ｐ₂が算定される（図３／Ｓ０２２，Ｓ０２４参照）。当該モデルは外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係を表しているので、任意の外的特徴因子ｑ₁に基づいて内的特徴因子ｐ₂が一義的に算出されうる。さらに、少なくとも当該内的特徴因子ｐ₂が実現されるように運動計画がたてられ、かつ、当該運動計画にしたがってロボット２の運動態様が制御される（図３／Ｓ０２６、図８（ａ）（ｂ）参照）。

前述のような学習方法および当該学習結果の利用方法により、人間１の運動態様を規範としながらも当該運動態様に必要以上に拘束されることなく、ロボット２の運動態様が制御されうる。したがって、人間１が接する環境およびこれに応じた運動態様と、ロボット２が実際に接する環境とに鑑みて、当該ロボット２の運動を適切に制御することができる。

さらに、内的付加因子ｐ₀の測定結果のまとまりの程度に鑑みて、人間１が一定のスタイルにしたがって運動したときの測定結果とはいえない（規則性に関する要件を満たさない）測定結果が除去されて規則的集合が抽出される（図３／Ｓ０１４参照）。これにより、たとえば人間１がラケットＲを構えている位置または初期手首位置（内的付加因子）ｐ₀が他の場合よりも著しく異なるような状態における測定結果は、モデル定義の基礎から除外される。そして、当該規則的集合が用いられることにより、当該一定のスタイルにしたがった人間１の運動態様の学習結果として適当なモデルが定義されうる。

なお、前記実施形態では「第１運動体」としての人間１の運動態様の学習結果としてモデルが定義され、当該モデルに基づいて「第２運動体」としてのロボット２の運動態様が制御された。そのほか「第１運動体」としての馬、犬等、人間とは異なる動物の運動態様の学習結果としてモデルが定義され、当該モデルに基づいて「第２運動体」としての当該動物を模した動物型ロボットの運動態様が制御されてもよい。また「第１運動体」としてのロボットの運動態様の学習結果としてモデルが定義され、当該モデルに基づいて「第２運動体」としての他の同型ロボットの運動態様が制御されてもよい。

さらに、前記実施形態では人間１がその片手（特定部位）で持ったラケットＲで前方から飛んでくる玉（物体）Ｑを（フォアハンドで）打ち返すという運動態様の学習結果としてモデルが定義され、当該モデルに基づき、ロボット２が同様にその片方の手部２３で把持したラケットＲで前方から飛んでくる玉Ｑを打ち返すという運動態様が制御された（図４（ａ）〜（ｃ）、図７（ａ）〜（ｃ）参照）。そのほか、人間がその片脚でボールを蹴る、両手で持ったゴルフクラブでボールを打つ、片手で持ったはさみで紙を切る、ものに塗料や接着剤を塗布する、物を組み立てる等、さまざまな運動態様の学習結果としてモデルが定義され、当該モデルに基づいてロボット２の運動態様が制御されてもよい。

また、第１処理部２１０が人間１の外的特徴因子ｑ₁および内的特徴因子ｐ₂の測定結果の追加に伴ってモデルを逐次定義し、第２処理部２２０が当該逐次定義されるモデルに基づいてロボット２の運動態様を制御してもよい。これにより、人間１の運動態様の最新の学習結果としてのモデルに基づき、ロボット２の運動態様を制御することができる。

さらに、第２処理部２２０が、ロボット２が接する外的特徴因子ｑ₁を逐次測定し、当該逐次測定される外的特徴因子ｑ₁に基づいてロボット２の運動態様を制御してもよい。これにより、ロボット２が接する環境、ひいては当該環境を表す外的特徴因子ｑ₁が変動するような場合でも、外的特徴因子ｑ₁の最新の測定結果（時々刻々変化する玉Ｑの予測位置）に鑑みて、ロボット２の運動態様が適当に制御されうる。

また、第１処理部２１０が、測定結果により表される外的特徴因子ｑ₁および内的特徴因子ｐ₂の離散的な相関関係と、当該離散的な相関関係に基づいて定義される外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係との乖離度を評価し、該乖離度が閾値以下であることを要件として、当該連続的な相関関係を表すモデルを定義してもよい。さらに、モデルの再定義に際して規則的集合が再定義されてもよい。

当該構成の運動制御システム２００によれば、外的特徴因子ｑ₁および内的特徴因子ｐ₂の離散的な相関関係と、当該離散的な相関関係に基づいて定義される外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係との乖離度が閾値以下であることを要件として当該連続的な相関関係を表すモデルが定義される。このため、さまざまな環境に応じた人間（第１運動体）１の運動態様の傾向を表す観点から適当なモデルが定義される。また、当該要件が満たされるように外的特徴因子ｑ₁および内的特徴因子ｐ₂が再度測定され、当該再度の測定結果に基づいてモデルが再度定義されうる。そして、当該モデルに基づいてロボット２の運動態様が人間１の運動態様の大まかな傾向にしたがうように制御されうる。言い換えると、人間１の運動態様のおおまかな傾向を表す観点から不適当なモデルが設定されることが防止され、かつ、当該不適当なモデルに基づいてロボット２の運動態様が制御されることが防止されうる。

さらに、第１処理部２１０が、前記要件が満たされるように外的特徴因子ｑ₁および内的特徴因子ｐ₂の測定結果のうち一部または全部を除いてモデルを定義してもよい。

当該構成の運動制御システム２００によれば、外的特徴因子ｑ₁および内的特徴因子ｐ₂の離散的な相関関係と、当該離散的な相関関係に基づいて定義される外的特徴因子ｑ₁および内的特徴因子ｐ₂の連続的な相関関係との乖離度が閾値以下であるという要件を満たすように、当該離散的な相関関係を表す両特徴因子ｑ₁およびｐ₂の測定結果が取捨選択される。そして、取捨選択された測定結果に基づいて両特徴因子ｑ₁およびｐ₂の連続的な相関関係を表すモデルが定義され、当該モデルに基づいてロボット２の運動態様が制御される。このため、さまざまな環境に応じた人間１の運動態様の傾向を表す観点から適当なモデルが定義され、かつ、当該モデルに基づいてロボット２の運動態様が人間１の運動態様の大まかな傾向にしたがうように制御されうる。

また、第１処理部２１０が、人間１が異なる環境下で一定のスタイルにしたがって複数回にわたり運動するときの外的特徴因子ｑ₁および内的特徴因子ｐ₂の測定結果に基づいてモデルを定義し、競合する複数の規則的集合が抽出された場合、当該複数の規則的集合のそれぞれに対応する新たなスタイルを定義してもよい。そして、第１処理部２１０が新たなスタイルにしたがって複数回にわたり運動するときの外的特徴因子ｑ₁および内的特徴因子ｐ₂の測定結果に基づいてモデルを再び定義してもよい。これにより、一のスタイルにしたがった人間１の運動態様の学習結果として複数のモデルが定義されうるような場合、複数の新たなスタイルが定義される。たとえば「ラケットＲを玉Ｑにフォアハンドで当てる」というスタイルが「ラケットＲで玉Ｑにトップスピンをかける」「ラケットＲで玉Ｑにバックスピンをかける」という新たな２つのスタイルに定義される。さらに、新たなスタイルのそれぞれにしたがった人間１の運動態様の学習結果としてモデルが定義され、当該モデルに基づいてロボット２の運動態様が制御される。たとえばロボット２が右手部２３で把持したラケットＲで前方から飛んできた玉を、特定方向のスピンをかけながら打ち返すようにその動作が制御される。そして、ロボット２の運動態様が一のモデルに基づいて制御されているにもかかわらず、似たような環境に応じてロボット２が異なるスタイルで運動するような事態が回避される。

本発明の一実施形態としての運動制御システムの制御対象であるロボットの構成説明図 本発明の一実施形態としての運動制御システムの構成説明図 本発明の一実施形態としての運動制御方法の説明図 人間の運動態様の例示図 外的因子および内的因子の例示図 モデルの定義方法の説明図 ロボットの運動態様の例示図 ロボットの運動態様の制御方法の説明図 規則的集合の定義に関する説明図 規則的集合の定義に関する説明図 規則的集合の定義に関する説明図

符号の説明

１‥人間（第１運動体）、２‥ロボット（第２運動体）、２００‥運動制御システム、２０２‥カメラ（撮像装置）、２１０‥第１処理部、２２０‥第２処理部

Claims (17)

1. 第１運動体の運動態様を規範として第２運動体の運動態様を制御するシステムであって、
   前記第１運動体を取り巻く環境を表す外的因子および前記第１運動体の運動態様を表す内的因子のそれぞれのうち一部を、外的特徴因子および内的特徴因子のそれぞれとして、前記第１運動体が異なる環境に応じて運動を繰り返すたびに測定し、前記外的特徴因子および前記内的特徴因子の組み合わせにより定義される複数次元空間において、前記外的特徴因子および前記内的特徴因子の各回の当該測定結果の組み合わせにより位置が定まる複数のプロットにより表される該外的特徴因子および該内的特徴因子の離散的な相関関係に基づき、該外的特徴因子および該内的特徴因子の連続的な相関関係を、前記複数次元空間における前記複数のプロットの配置態様を表わす近似曲線によって表わすモデルを定義する第１処理部と、
   前記第２運動体が接する前記外的特徴因子を測定し、当該測定結果と前記第１処理部により定義された前記モデルとに基づいて前記内的特徴因子を算定し、少なくとも当該算定内的特徴因子が実現されるように前記第２運動体の運動態様を制御する第２処理部とを備えていることを特徴とする運動制御システム。
2. 請求項１記載の運動制御システムにおいて、
   前記第１処理部が、前記測定結果により表される前記外的特徴因子および前記内的特徴因子の離散的な相関関係と、当該離散的な相関関係に基づいて定義される前記外的特徴因子および前記内的特徴因子の連続的な相関関係との乖離度を評価し、前記乖離度が閾値以下であることを要件として、当該連続的な相関関係を表す前記モデルを定義することを特徴とする運動制御システム。
3. 請求項２記載の運動制御システムにおいて、
   前記第１処理部が、前記要件が満たされるように前記外的特徴因子および前記内的特徴因子の測定結果のうち一部を除いて前記モデルを定義することを特徴とする運動制御システム。
4. 請求項１記載の運動制御システムにおいて、
   前記第１処理部が、前記第１運動体が異なる環境に応じて一定のスタイルにしたがって運動を繰り返すたびに前記外的特徴因子および前記内的特徴因子を測定することを特徴とする制御システム。
5. 請求項１記載の運動制御システムにおいて、
   前記第１処理部が前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果の追加に伴って前記モデルを逐次定義し、
   前記第２処理部が前記第１処理部により逐次定義される前記モデルに基づいて前記第２運動体の前記運動態様を逐次制御することを特徴とする制御システム。
6. 請求項１記載の運動制御システムにおいて、
   前記第２処理部が、前記第２運動体が接する前記外的特徴因子を逐次測定し、当該逐次測定される前記外的特徴因子に基づいて前記第２運動体の運動態様を逐次制御することを特徴とする制御システム。
7. 請求項１記載の運動制御システムにおいて、
   前記第１処理部が、前記第１運動体の特定部位の一の動作によって力を受けるときの物体の位置を前記外的特徴因子として測定し、前記一の動作が終了したときの前記特定部位の位置を前記内的特徴因子として測定することを特徴とする制御システム。
8. 請求項１記載の運動制御システムにおいて、
   前記第１処理部が前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果の中から規則性を有する集合を規則的集合として抽出し、当該規則的集合に基づいて前記モデルを定義することを特徴とする運動制御システム。
9. 請求項８記載の運動制御システムにおいて、
   前記第１処理部が、前記第１運動体が異なる環境に応じて運動を繰り返すたびに前記内的因子のうち一部である内的付加因子を測定し、前記外的特徴因子および前記内的特徴因子のそれぞれの測定結果が、前記内的付加因子により定義される空間において高密度で集まっている前記内的付加因子の測定点に対応付けられていることを前記規則性として、前記規則的集合を抽出することを特徴とする運動制御システム。
10. 請求項８記載の運動制御システムにおいて、
    前記第１処理部が、前記第１運動体が異なる環境下で一定のスタイルにしたがって複数回にわたり運動するときの前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを定義し、競合する複数の前記規則的集合が抽出された場合、当該複数の規則的集合のそれぞれに対応する新たなスタイルを定義した上で、前記第１運動体が当該新たなスタイルにしたがって複数回にわたり運動するときの前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを再び定義することを特徴とする運動制御システム。
11. 請求項１記載の運動制御システムにおいて、
    前記第１処理部が、前記第１運動体の前記外的特徴因子および前記内的特徴因子の測定結果に基づき、定義域が異なる、共通の性質を有する複数の局所的モデルを定義し、隣接する前記定義域における前記局所的モデルを接続することによって前記モデルを定義することを特徴とする制御システム。
12. 請求項１１記載の運動制御システムにおいて、
    前記第１処理部が、前記共通の性質を有する前記局所的モデルとして線形モデルを定義することを特徴とする運動制御システム。
13. 請求項１１記載の運動制御システムにおいて、
    前記第１処理部が前記外的特徴因子および前記内的特徴因子の測定結果に基づき、前記モデルの局所的な性質を抽出するための統計的手法を用いて前記局所的モデルを定義することを特徴とする運動制御システム。
14. 請求項１３記載の運動制御システムにおいて、
    前記第１処理部が前記統計的手法としてＬＷＰＲ（Ｌｏｃａｌｌｙ Ｗｅｉｇｈｔｅｄ Ｐｒｏｊｅｃｔｉｏｎ Ｒｅｇｒｅｓｓｉｏｎ）アルゴリズムを用いて前記局所的モデルを定義することを特徴とする運動制御システム。
15. 請求項１記載の運動制御システムにおいて、
    前記第１処理部が前記第１運動体としての人間の前記外的特徴因子および前記内的特徴因子の測定結果に基づいて前記モデルを定義し、
    前記第２処理部が前記第１処理部により定義された外車増に基づき、前記第２運動体としてのヒューマノイドロボットの前記運動態様を制御することを特徴とする運動制御システム。
16. 第１運動体の運動態様を規範として第２運動体の運動態様を制御する方法であって、
    前記第１運動体を取り巻く環境を表す外的因子および前記第１運動体の運動態様を表す内的因子のそれぞれのうち一部を、外的特徴因子および内的特徴因子のそれぞれとして、前記第１運動体が異なる環境に応じて運動を繰り返すたびに測定し、前記外的特徴因子および前記内的特徴因子の組み合わせにより定義される複数次元空間において、前記外的特徴因子および前記内的特徴因子の各回の当該測定結果の組み合わせにより位置が定まる複数のプロットにより表される該外的特徴因子および該内的特徴因子の離散的な相関関係に基づき、該外的特徴因子および該内的特徴因子の連続的な相関関係を、前記複数次元空間における前記複数のプロットの配置態様を表わす近似曲線によって表わすモデルを定義する第１処理と、
    前記第２運動体が接する前記外的特徴因子を測定し、当該測定結果と前記第１処理において定義された前記モデルとに基づいて前記内的特徴因子を算定し、少なくとも当該算定内的特徴因子が実現されるように前記第２運動体の運動態様を制御する第２処理とを実行することを特徴とする運動制御方法。
17. 第１運動体の運動態様を規範として第２運動体の運動態様を制御するシステムとしてコンピュータを機能させるプログラムであって、
    前記第１運動体を取り巻く環境を表す外的因子および前記第１運動体の運動態様を表す内的因子のそれぞれのうち一部を、外的特徴因子および内的特徴因子のそれぞれとして、前記第１運動体が異なる環境に応じて運動を繰り返すたびに測定し、前記外的特徴因子および前記内的特徴因子の組み合わせにより定義される複数次元空間において、前記外的特徴因子および前記内的特徴因子の各回の当該測定結果の組み合わせにより位置が定まる複数のプロットにより表される該外的特徴因子および該内的特徴因子の離散的な相関関係に基づき、該外的特徴因子および該内的特徴因子の連続的な相関関係を、前記複数次元空間における前記複数のプロットの配置態様を表わす近似曲線によって表わすモデルを定義する第１処理部と、
    前記第２運動体が接する前記外的特徴因子を測定し、当該測定結果と前記第１処理部により定義された前記モデルとに基づいて前記内的特徴因子を算定し、少なくとも当該算定内的特徴因子が実現されるように前記第２運動体の運動態様を制御する第２処理部とを備えている運動制御システムとして前記コンピュータを機能させることを特徴とする運動制御プログラム。

Images