JPWO2016181959A1 - ロボット動作生成方法 - Google Patents

Abstract

本発明は、人の動作を再現する精度を高めたロボット動作生成方法を提供することを目的とする。本目的を実現するため、人体の動作をロボットで再現するためのロボット動作生成方法であって、人体の構成をモデル化して人体モデルを生成するステップＳ１と、ロボットの構成をモデル化してロボットモデルを生成するステップＳ２と、ステップＳ１で生成された人体モデルとステップＳ２で生成されたロボットモデルを対応づけるステップＳ３と、人体の動作に応じた人体モデルの変位を示す第１の運動データを取得するステップＳ４と、ステップＳ１で生成された人体モデルの変位を示す第１の未知運動データが有する運動特徴指標を取捨選択して、ステップＳ４で取得された規範運動データに対する再現誤差に関する評価基準を策定するステップＳ５と、ステップＳ２で生成されたロボットモデルの変位を示す第２の未知運動データが有するロボットが運動するために必要な拘束条件を選定するステップＳ６と、ステップＳ３で得られた対応づけ及びステップＳ６で選定された拘束条件下において、ステップＳ５の評価基準に基づく再現誤差が最小となる第１の未知運動データ及び第２の未知運動データを算出するステップＳ７と、ステップＳ７で算出された第２の未知運動データを用いてロボットを制御するステップＳ８とを有するロボット動作生成方法を提供する。

Description

本発明は、ロボットの動作を生成する方法に関するものである。

これまで、人の動作をコンピュータグラフィクス上のキャラクター等、他のキャラクターの動作として再現する動作リターゲッティングと呼ばれる技術が考案されてきている。そして、本技術は、特許文献１に示されるような動作変換技術を用いることによって、人と高い身体類似性を持つヒューマノイドロボットにも適用されている。

ここで、非特許文献１及び２においては、人の動作をヒューマノイドロボットで再現するための指標としてモーションキャプチャのマーカデータに対する誤差や形状特徴量を用いた技術が開示されている。

また、これらの文献では、本再現において、ヒューマノイドロボットが持つ関節の稼動範囲や重心のバランスといった点における拘束条件を考慮する必要があるとされており、一般的にも、人体モデルが有する運動指標をロボットの動作に変換した上で、本拘束条件を反映させた修正を施す手法が採用されている。

なお、非特許文献３には人体モデルの骨格を表現する幾何パラメータの同定法が示され、非特許文献４には自由度が大きいロボットや人体モデルのための逆運動学計算手法が示されている。

特開２００７−１２５６７０号公報

K.Miura, M.Morisawa, S.Nakaoka, F.Kanehiro, K.Harada, K.Kaneko, and S.Kajita, "Robot motion remix based on motion capture data towards human-like locomotion of humanoid robots", Proc. of the IEEE-RAS Int. Conf. on Humanoid Robots, pp.596-603, Dec 2009 S.Nakaoka and T.Komura, "Interaction mesh based motion adaptation for biped humanoid robots", Proc. of the IEEE-RAS Int. Conf. on Humanoid Robots, pp.625-631, 2012 K.Ayusawa and Y.Nakamura, "Fast inverse kinematics algorithm for large dof system with decomposed gradient computation based on recursive formulation of equilibrium", Proc. of the IEEE/RSJ Int, Conf. on Intelligent Robots and Systems, pp.3447-3452, 2012 K.Ayusawa, Y.Ikegami, and Y.Nakamura, "Simultaneous global inverse kinematics and geometric parameter identification of human skeletal model from motion capture data", Mechanism and Machine Theory, Vol,74, pp.274-284, 2014

しかし、上記のように、人体モデルが有する運動指標をロボットの動作に変換した上で上記拘束条件を反映させた修正を施す手法では、当該拘束条件を加味して上記運動指標を調整することができないため、人の動作と当該ロボットによる再現動作との対応関係が必ずしも最適化されないという問題がある。

本発明は、このような問題を解決するためになされたもので、人の動作を再現する精度を高めたロボットの動作生成法を提供することを目的とする。

上記課題を解決するため、本発明は、人体の動作をロボットで再現するためのロボット動作生成方法であって、人体の構成をモデル化して人体モデルを生成する第１のステップと、ロボットの構成をモデル化してロボットモデルを生成する第２のステップと、第１のステップで生成された人体モデルと第２のステップで生成されたロボットモデルを対応づける第３のステップと、人体の動作に応じた人体モデルの変位を示す規範運動データを取得する第４のステップと、第１のステップで生成された人体モデルの変位を示す第１の未知運動データが有する運動特徴指標を取捨選択して、第４のステップで生成された規範運動データに対する再現誤差に関する評価基準を策定する第５のステップと、第２のステップで生成されたロボットモデルの変位を示す第２の未知運動データが有するロボットが運動するために必要な拘束条件を選定する第６のステップと、第３のステップで生成された対応づけと第６のステップで選定された拘束条件下において、第５のステップで策定された評価基準に基づき再現誤差が最小となる第１の未知運動データ及び第２の未知運動データを算出する第７のステップと、第７のステップで算出された第２の未知運動データを用いてロボットを制御する第８のステップとを有するロボット動作生成方法を提供する。

本発明によれば、人の動作を再現する精度を高めたロボット動作生成方法を提供することができる。

本発明の実施の形態に係るロボット動作生成方法の概要を説明するための図である。 図１に示されたロボット動作生成方法を示すフローチャートである。

以下において、本発明の実施の形態について図面を参照しつつ詳しく説明する。なお、図中同一符号は同一又は相当部分を示す。

図１は、本発明の実施の形態に係るロボット動作生成方法の概要を説明するための図である。以下において、図１を参照しつつ本発明の実施の形態に係るロボット動作生成方法の概要を説明する。

人と高い身体類似性を持つヒューマノイドロボット(以下「ヒューマノイド」という。)は、人の身体制御系や体制感覚に迫るための人物理シミュレータとして期待されている。このため、ヒューマノイドを運動解析における人の物理シミュレータとして利用する場合、人の動作を加工せずになるべくそのままヒューマノイドに再現させることが望まれる。

しかし、人とヒューマノイドの間には身体機構や運動の際における力学特性において差異があるため、これらの差異を何かしらの形で補償する必要がある。

そこで、かかる補償を行いながら、図１に示されるように人体の動作をヒューマノイドへ適応させてロボットの動作として再現させる、リターゲッティングと呼ばれる技術が重要となる。

また、ヒューマノイドを運動解析における人の物理シミュレータとして利用する用途では、人の運動特徴がどのように保存され改変されるのかを直接評価可能であることが望まれる。

これらの要求を満たすため、図１に示されるように、人体のモデル１とロボットのモデル２との間で、それらの身体構造を表現する身体パラメータ間の写像条件と、運動制御やタスクを行うためのロボットの運動制約といった幾何的及び力学的な拘束条件の下において最適化された人の運動データを取得すると共に、当該最適化において算出されたパラメータを用いてロボットの運動を生成する。

なお、上記写像条件とは、例えば、後述する運動に関するパラメータに関する非線形関数とされ、一部の当該パラメータに関して人とロボットで同じ値を共有するという条件とされる。

また、上記ロボットの運動制約とは、例えば、ロボットについての、関節角度の稼動範囲、関節角速度の上下限、関節角加速度の上下限、関節トルクの上下限、支持足の位置と姿勢に関する接地条件、重心の稼動範囲、及び足裏圧力中心の存在範囲等に関する制約を意味する。

以上のようなロボット動作生成方法によれば、人の運動及びヒューマノイドの運動に関するパラメータをそれぞれ独立変数とした場合において、人運動解析における運動復元問題やモーフィング、運動計画を同時に解くことができる。

なお、上記における運動に関するパラメータは、例えば、人とロボット双方における、関節角度と関節角速度及び関節角加速度、基底となる後述するリンクの位置座標及び姿勢を決定付ける角度、上記位置座標及び上記角度についての速度及び加速度、幾何パラメータ、及び力学パラメータにより構成される。

ここで、上記の幾何パラメータは、例えば、隣り合う関節原点の相対位置と隣り合う関節軸の相対姿勢、あるいは仮想的なロボットの関節角度により構成される。一方、上記の力学パラメータは例えば、上記リンクの各々の質量、重心、及び慣性テンソルにより構成される。

以上より、上記のロボット動作生成方法によれば、ロボットがなす運動の際における拘束条件を考慮した上で人の運動に関する評価関数が直接最適化されるため、人体の四肢や体幹の動かし方など被計測人による本来の動作に極めて忠実でより精度の高いロボットによる再現動作を実現することができる。

また、本ロボット動作生成方法によれば、取得された人の運動計測データに対するバイオメカニクス的な人の運動特徴指標が上記最適化によって、どのように保存、若しくは改変されるかを確認することができるため、上記再現に反映させたい上記運動特徴指標の取捨選択が容易になる。

ここで、上記運動特徴指標は、例えば、上記運動計測データにより示される運動を上記の運動に関するパラメータを用いて復元する場合における最小二乗誤差とされる。なお、この最小二乗誤差は、コンピュータグラフィック(ＣＧ)の分野においては、運動計測データから求まるモーメント特徴量やラプラシアン・ディフォーメーション・エネルギー(Laplacian deformation energy)といった幾何・力学特徴量に対する誤差により代用することができる。

また、上記運動特徴指標を用いて、バイオメカニクス分野における関節入力トルクや外力などの負担を最小化するようにしても良い。

さらに、本ロボット動作生成方法によれば、上記のように最適化された人の運動データをロボットによる実験データと比較できるため、ヒューマノイドが人用に開発された製品を装着して人の動作を再現するなど、ヒューマノイドを製品評価のための能動的な、すなわち人の運動機能のシミュレーションを行うためのダミードールとして用いる場合に、特に有用となる。

図２は、図１に示されたロボット動作生成方法を示すフローチャートである。以下において、図２を参照しつつ、本発明の実施の形態に係るロボット動作生成方法を詳しく説明する。

図２に示されるように、ステップＳ１では、人体の構成をモデル化して人体のモデル１を生成する。本モデル化においては種々の方法を採り得るが、ここでは例えば、複数の構成要素を接続することにより得られる多リンク系として人体をモデル化し、人リンク系の一般化座標をｑ_hと定義する。

次に、ステップＳ２では、ロボットの構成をモデル化してロボットのモデル２を生成する。本モデル化においても種々の方法を採り得るが、ここでは例えば、上記の人体と同様な多リンク系としてロボットをモデル化し、ロボットリンク系の一般化座標をｑ_rと定義する。

ステップＳ３では、ステップＳ１で生成された人体のモデル１とステップＳ２で生成されたロボットのモデル２を対応づける。ここで例えば、上記の人とロボットに関する一般化座標は以下のモーフィングの関係式ｇにより対応づけられる。

但し、式(１)に示されたφは人の骨格を表現する未知の幾何パラメータであり、ロボットの幾何パラメータは既知とする。

次に、ステップＳ４では、人体の動作に応じた人体モデルの変位を示す規範運動データＰ_hを取得する。ここで例えば、規範運動データＰ_hは、モーションキャプチャによるマーカデータと、床反力データと、筋電位計のデータにより構成される。

ステップＳ５では、ステップＳ４で取得された規範データＰ_hに対する動作復元を行うために、ステップＳ１で生成された人体モデルの一般化座標ｑ_hと幾何パラメータφで表現される第１の未知運動データとの類似性を評価可能な、上記バイオメカニクス的な人の運動特徴指標を取捨選択した評価関数を設計する。

ステップＳ６では、ステップＳ２で生成されたロボットモデルの一般化座標ｑ_rで表現される第２の未知運動データに対して、ロボットが実際に運動を実現するために必要となる拘束条件を定める。

そして、ステップＳ７では、ステップＳ３で設計されたモーフィング関係式及びステップＳ６で定められた拘束条件下において、ステップＳ４で取得された規範運動データＰ_hに対して、ステップＳ５の評価関数を用いて再現誤差が最小となる第１の未知運動データ及び第２の未知運動データを算出する。

一例として、離散的な時刻ｔ_１，ｔ₂，…，ｔ_NTにおける人とロボットの一般化座標の時系列データｑ_h,t，ｑ_r,t(１≦ｔ≦Ｎ_T)をそれぞれ並べたベクトルＱ_hとベクトルＱ_rを、次式(２)のように定義する。

この場合、人体モデルの第１の未知運動データは幾何パラメータφ及びベクトルＱ_hに対応し、ロボットモデルの第２の未知運動データはベクトルＱ_rに対応する。

そして、ロボットの運動計画を行う上で、ベクトルＱ_rに対し、以下のようなロボット立脚時に満足すべき不等式拘束条件を考慮する。

ここで、式(３)におけるｈは、例えば関節稼動域及び速度、重心、あるいはゼロ・モーメント点(ＺＭＰ)等に関する動力学的関数を意味する。

また、運動解析における人の運動計測データセットＰ_hに対する動作復元問題を以下のように一般化する。

但し、式(４)のｆは評価関数であり、例えば計測されたマーカ位置とモデル上のマーカ位置から求まる誤差ノルムなどが用いられる。このとき、式(４)は人関節軌道の推定と幾何パラメータの同定の複合問題となる。

以上を踏まえて、上記のリターゲッティング問題を、人とロボット間におけるモーフィングの関係を示す式(１)とロボットの運動拘束条件を示す式(３)の下で、人の動作復元に関する上記の評価関数ｆについての最適化問題として、以下のように定式化する。

なお、式(５)におけるｇ’は時系列データ毎に成立する式(１)を統合したものとする。

このように、ロボットの運動を実現する上での拘束条件を示す式(３)を考慮した上で最適化問題を解く、すなわちモーフィングと運動計画問題を分離せず式(５)の形式で人の運動復元に関する評価関数を最適化することで、人の運動特徴がどのように保存、あるいは改変されるかが評価可能となる。

ここで、式(５)に示された最適化問題は直接的に解く方法では計算量が膨大になるが、例えば式(３)にペナルティ関数法といった近似計算法を適用することにより、計算の高速化を図ることができる。

また、上記時系列データ全体において、上記の幾何パラメータや力学パラメータは本来定数であるが、時間的に変化するパラメータとして扱うことにより、各時刻において独立した部分問題として近似することも有用である。

そして、ステップＳ８において、ステップＳ７で算出された第２の未知運動データＱ_rを用いてロボットを制御することになる。

ここで、ロボットによる再現動作は、上記拘束条件に基づいて、人のモデル化された動作からある程度の変更を余儀なくされている。しかしながら、ロボットを用いた従来の再現動作技術においては、人のモデル化された動作と再現されたロボットによる動作との比較しかできず、当該再現動作技術によりモデル化された人の動作がどのように変更されたかを確認することは困難であった。

そこで、ステップＳ９において、最適化された第１の未知運動データＱ_hを用いて、ステップＳ４で取得された規範運動データＰ_h を修正して人の運動データを新たに出力する。

ここで、式(６)におけるP^hは第１の未知運動データＱ_hと幾何パラメータφから人の運動データを推定する関数、P*hは修正された人の規範運動データとなる。そして例えば、人の運動データを推定する関数P^hとしては、人体モデルと未知運動データから特徴点の位置を計算する順運動学計算関数が用いられる。

以下においては、上記ロボット動作生成方法のより具体的な実施例について説明する。

以下では、人体のモデル１とロボットのモデル２の関係を設計する上で、当該ロボットの関節対偶は回転関節のみで構成され、両モデルにおける関節対偶の対応は同一とする。また、人体のモデル１の幾何パラメータφをロボットの関節対偶で表現する。そして例えば、当該関節間の距離はそれらをつなぐ直動関節として捉える。この場合、上記非特許文献４に記されているように、幾何パラメータφはロボットの仮想的な一般化座標として表現できることになる。

このとき、人体モデルの一般化座標ｑ_hとロボットモデルの一般化座標ｑ_rは、それぞれ以下の式(７)及び式(８)のように表される。

但し、ｐ_hとｐ_rはそれぞれ人体モデルとロボットモデルのベースリンクの位置、ξ_hとξ_rはそれぞれ人体モデルとロボットモデルのベースリンクの姿勢(四元数表記)、θ_hとθ_rはそれぞれ人体モデルとロボットモデルの関節角度を意味する。

次に、ロボットモデルと人体モデルの一般化座標の対応関係を以下のように設計する。

ここで共有されるのは関節角度のみであり、人体モデルとロボットモデルのベースリンクの位置と姿勢は共有せずに、ロボット自身の運動拘束のための自由度として残される。

次に、ロボットの関節角度に関する稼動範囲や速度・加速度制限に関して、以下の式(１０)から式(１２)で示される条件を考慮する。

なお、人の運動データの全時系列データにおいて各足の接地の有無は既知であるとし、ゼロ・モーメント点の位置ｐ_h,zmpは事前に計測あるいは推定可能とする。また、ロボットの足裏は平面であり、足リンク座標のＸＹ平面が足裏平面と平行である。

全時系列データにおける人の接地条件は、ロボットの運動計画における接地目標状態とし、足リンクが接地している時刻では以下の条件を置く。

なお、上記Ｒ_r,foot及び上記ｐ_r,footは、右足リンクまたは左足リンク座標の慣性座標系での位置と姿勢行列とする。また、両足リンクが接地している時刻では、以下の条件をさらに加える。

各時系列データにおける人のＺＭＰの位置ｐ_h,zmpは、ロボットの運動計画におけるＺＭＰの目標値として利用する。ただし、位置ｐ_h,zmpが一時刻前におけるロボットの足裏支持多角形の外に出た場合は、支持多角形最近傍点に変更する。最終的に利用されるロボットのＺＭＰ目標値を位置ｐ_r,zmpとする。

ＺＭＰはベースリンクの運動方程式から解析的に記述可能であるが、ＺＭＰ目標値とする位置ｐ_r,zmpを支持点とした倒立振子の運動方程式を用いて近似し、これを拘束条件として利用する。

なお、それぞれ、上記ｐ_cは全重心の位置、ｐ_c,zはそのｚ成分、ｇは重力加速度を意味する。

人運動データから求まるＺＭＰ目標値に関わらず、複雑な姿勢をとった場合の静的安定性を優先して保証させるため、重心の稼動域についても以下のような制約を与える。

なお、ＸＹ領域は足裏支持領域と一致させる。

ここで、離散的な時刻ｔ₁，ｔ₂，…，ｔ_NTに対して、Ｎ_Ｍ個のマーカ観測量ｐ_i,t ^ref(１≦ｔ≦Ｎ_M)が与えられたとする。各時刻の人体モデルの一般化座標をｑ_h,t(１≦ｔ≦Ｎ_T)に対して、以下のような評価関数を用いる。

ただし、式(１８)において、ｐ_iは人体モデル上に定義されたマーカの位置であり、ｑ_hと幾何パラメータφの関数であって、順運動学計算により求められる。

運動時系列データＱ_h，Ｑ_rと幾何定数φに関して上式(１８)を直接的に解く場合は計算量が膨大になるため、上式(５)の等式制約条件に対してペナルティ関数法を利用した上で、以下のように解く。

ある時刻ｔの変数の微分は、前時刻(ｔ-１)との有限差分として陽に表現できるものとする。

ただし、Ｋ(ξ_t)は四元数の微分値を角速度ωに変換する行列であり、姿勢に関する微分については上式(２０)を用いて、それ以外については上式(１９)を用いる。

ここで、上記非特許文献４に記された人体モデルの幾何パラメータ同定法を用いて、リターゲッティングとは無関係に人体パラメータを同定し、同定されたパラメータをφ’とする。

次に、時変とした幾何パラメータφ_tに対してペナルティ項を加える。このとき、上式(５)は、以下のような逆運動学問題を時系列データ順に解くことに近似される。

ただし、式(２１)において、ｇ_kは式(９)〜(１７)からそれぞれ変換された個々の不等式条件式を意味し、ｋは各式(９)〜(１７)に付与された序数を意味する。また、ω_φとω_ｇkはペナルティ項に対する重みとする。

そして、上記非特許文献３に記された大自由度向けの逆運動学計算手法を利用することにより式(２１)を解き、ロボットについての運動時系列データｑ_r,tを取得し、得られた運動時系列データｑ_r,tを用いて当該ロボットを制御する。

上記のような人運動解析における運動復元に用いる評価を陽に組み込むことが可能なリターゲッティング方法によれば、人の運動復元問題と人・ロボット間の身体モーフィング、及びロボットの運動計画問題からなる複合問題の最適解を得ることができる。

また、ロボットの運動軌道だけではなく、対応する人体モデルの運動軌道と身体パラメータも同時に算出することができる。

さらに、ロボットによる運動復元に関する評価関数を直接最適化する方法であるため、人による運動の特徴を保存若しくは改変する設計変更を容易に評価することができる。

一方、上記人体モデルの運動軌道と身体（幾何）パラメータを利用することで、人の規範運動データを修正して出力できる。例えば、式（１８）における関数ｐ_iを用いることで、修正されたマーカ運動時系列を出力できる。

このように、修正された規範運動データを利用することにより、人体モデルに施された変更箇所につき、変更前後の直接的比較を行うことができる。また、修正された規範運動データに対してバイオメカニクス的な解析を行うことで、例えば順運動学計算を用いた関節角度の計算または逆動力学計算を用いた関節トルクの推定を行うことで、上記変更前後において、運動の特徴の変化につき、より詳細な定量的比較を行うことができる。

なお、本発明の実施の形態に係る上記ロボットの動作生成方法は、上記の人、若しくは人体に限られず、運動解析可能な他の動物に対しても同様に適用できることはいうまでもなく、その場合には上記ヒューマノイドは当該動物を模したロボットに置き換えて考えられる。

１ 人体のモデル
２ ロボットのモデル

Claims (4)

1. 人体の動作をロボットで再現するためのロボット動作生成方法であって、
   前記人体の構成をモデル化して人体モデルを生成する第１のステップと、
   前記ロボットの構成をモデル化してロボットモデルを生成する第２のステップと、
   前記第１のステップで生成された前記人体モデルと前記第２のステップで生成された前記ロボットモデルを対応づける第３のステップと、
   前記人体の動作に応じた前記人体モデルの変位を示す規範運動データを取得する第４のステップと、
   前記第１のステップで生成された前記人体モデルの変位を示す第１の未知運動データが有する運動特徴指標を取捨選択して、前記第４のステップで取得された前記規範運動データに対する再現誤差に関する評価基準を策定する第５のステップと、
   前記第２のステップで生成された前記ロボットモデルの変位を示す第２の未知運動データが有する前記ロボットが運動するために必要な拘束条件を選定する第６のステップと、
   前記第３のステップで得られた前記対応づけ及び前記第６のステップで選定された前記拘束条件下において、前記第５のステップで策定された前記評価基準に基づき前記再現誤差が最小となる前記第１の未知運動データ及び前記第２の未知運動データを算出する第７のステップと、
   前記第７のステップで算出された前記第２の未知運動データを用いて前記ロボットを制御する第８のステップとを有するロボット動作生成方法。
2. さらに、前記第１の未知運動データを用いて前記規範運動データを修正して出力する第９のステップを有する請求項１に記載のロボット動作生成方法。
3. 前記第１のステップでは、時間的に変化するパラメータを用いて前記人体の構成をモデル化する、請求項１に記載のロボット動作生成方法。
4. 前記第７のステップでは、ペナルティ関数法を用いて前記第１の未知運動データ及び前記第２の未知運動データを算出する、請求項１に記載のロボット動作生成方法。
   
   

Images