特許ウォッチ

公開番号2024031308
公報種別公開特許公報(A)
公開日2024-03-07
出願番号2022134791
出願日2022-08-26
発明の名称情報処理装置、情報処理方法、プログラム、及びロボット
出願人国立大学法人信州大学
代理人個人,個人,個人,個人,個人
主分類G06N 20/00 20190101AFI20240229BHJP(計算;計数)
要約【課題】変形可能な物体の素材特性を精度よく推定することができる情報処理装置を提供すること。
【解決手段】情報処理装置は、変形可能な物体の初期形状を予め決められた目標形状へ変形させるロボットが初期形状を目標形状へ変形させる1以上の動作をロボットに行わせるための制御値を含む第1入力情報に基づいて、物体の素材特性を示す1種類以上の素材特性値の推定値を機械学習モデルに推定させる制御部を備える。
【選択図】図8
特許請求の範囲【請求項１】
変形可能な物体の初期形状を予め決められた目標形状へ変形させるロボットが前記初期形状を前記目標形状へ変形させる１以上の動作を前記ロボットに行わせるための制御値を含む第１入力情報に基づいて、前記物体の素材特性を示す１種類以上の素材特性値の推定値を機械学習モデルに推定させる制御部を備える、
情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記機械学習モデルは、前記物体の形状を示す形状情報と前記制御値と前記１種類以上の素材特性値とを含む第２入力情報が入力された場合、前記１以上の動作のそれぞれによって変形させられた後の前記物体の形状として最も尤もらしいと推定される推定形状を示す推定形状情報を出力するように学習済みであり、
前記第１入力情報は、前記制御値と、前記初期形状を示す初期形状情報と、前記１種類以上の素材特性値とを含む、
請求項１に記載の情報処理装置。
【請求項３】
前記制御部は、前記１以上の動作のそれぞれについての前記物体の途中形状を示す途中形状情報と前記第１入力情報と前記機械学習モデルとに基づいて、前記１種類以上の素材特性値の推定値を前記機械学習モデルに推定させる、
請求項２に記載の情報処理装置。
【請求項４】
前記機械学習モデルは、ニューラルネットワークを含む、
請求項２に記載の情報処理装置。
【請求項５】
前記制御部は、前記第１入力情報を用いた誤差逆伝播法により、前記機械学習モデルに前記１種類以上の素材特性値の推定値を推定させる、
請求項４に記載の情報処理装置。
【請求項６】
前記第２入力情報は、前記１以上の動作毎の前記制御値と、前記形状情報と、前記１種類以上の素材特性値の初期値とを含む、
請求項２に記載の情報処理装置。
【請求項７】
前記制御部は、前記形状情報と、前記制御値と、前記１種類以上の素材特性値の初期値とを含む第３入力情報と、前記目標形状を示す目標形状情報とを用いた誤差逆伝播法により、前記制御値として最も尤もらしい値を前記制御値の推定値として前記機械学習モデルに推定させ、推定させた前記制御値の推定値と前記形状情報とを含む前記第２入力情報を生成する、
請求項３に記載の情報処理装置。
【請求項８】
前記形状情報と前記初期形状情報と前記推定形状情報とのそれぞれは、前記物体のメッシュモデルを示す情報である、
請求項２に記載の情報処理装置。
【請求項９】
前記１種類以上の素材特性値は、前記物体の曲がり易さを示す値と、前記物体の伸び易さを示す値と、前記物体の重厚さを示す値と、前記物体の滑り易さを示す値との少なくとも１つである、
請求項１に記載の情報処理装置。
【請求項１０】
前記１種類以上の素材特性値は、確率分布によって表された値である、
請求項１に記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
この発明は、情報処理装置、情報処理方法、プログラム、及びロボットに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
布等の変形可能な物体を変形させる動作を行うロボットの制御についての研究、開発が行われている。
【０００３】
これに関し、畳み込みニューラルネットワークを用いた操作方法生成システムであって、対象となる変形可能な物体の開始状態をシステムに入力する手段と、当該物体の目標状態をシステムに入力する手段と、畳み込みニューラルネットワークの畳み込み層により、当該物体の開始状態を符号化する手段と、畳み込みニューラルネットワークの全結合ネットワークに、当該物体に対する操作パラメータを付加する手段と、畳み込みニューラルネットワークの復号化層により、全結合ネットワークにより操作パラメータが付加された当該物体を復号化し、操作後状態を出力する手段と、を備える操作方法生成システムが知られている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００４】
特開２０１９－０４９９０４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ここで、特許文献１に記載されたような操作方法生成システムは、予め決められた素材特性を有する物体を、対象となる変形可能な物体として選択し、選択した物体についての操作後状態の予測と目標状態との差に基づく誤差逆伝播法により、操作後状態の予測と目標状態との差が小さくなる操作パラメータを生成することができる。このようにして生成された操作パラメータは、選択した物体についての操作後状態の予測と目標状態とを小さくすることができる。しかしながら、当該操作パラメータは、予め決められた素材特性と異なる素材特性の物体についての操作後状態の予測と目標状態とを小さくすることができないことがある。これは、当該操作方法生成システムにおける操作パラメータの生成過程において、対象となる変形可能な物体の素材特性を推定することができず、その結果、対象となる変形可能な物体の素材特性が考慮することができていないことが原因である。なお、ここで、物体の素材特性は、例えば、曲げ易さ、伸び易さ等のことである。
【０００６】
そこで本発明は、上記従来技術の問題に鑑みてなされたものであり、変形可能な物体の素材特性を精度よく推定することができる情報処理装置、制御装置、情報処理方法、プログラム、及びロボットを提供する。
【課題を解決するための手段】
【０００７】
本発明の一態様は、変形可能な物体の初期形状を予め決められた目標形状へ変形させるロボットが前記初期形状を前記目標形状へ変形させる１以上の動作を前記ロボットに行わせるための制御値を含む第１入力情報に基づいて、前記物体の素材特性を示す１種類以上の素材特性値の推定値を機械学習モデルに推定させる制御部を備える、情報処理装置である。
【０００８】
また、本発明の他の態様は、情報処理装置において、前記機械学習モデルは、前記物体の形状を示す形状情報と前記制御値と前記１種類以上の素材特性値とを含む第２入力情報が入力された場合、前記１以上の動作のそれぞれによって変形させられた後の前記物体の形状として最も尤もらしいと推定される推定形状を示す推定形状情報を出力するように学習済みであり、前記第１入力情報は、前記制御値と、前記初期形状を示す初期形状情報と、前記１種類以上の素材特性値とを含む、構成が用いられてもよい。
【０００９】
また、本発明の他の態様は、情報処理装置において、前記制御部は、前記１以上の動作のそれぞれについての前記物体の途中形状を示す途中形状情報と前記第１入力情報と前記機械学習モデルとに基づいて、前記１種類以上の素材特性値の推定値を前記機械学習モデルに推定させる、構成が用いられてもよい。
【００１０】
また、本発明の他の態様は、情報処理装置において、前記機械学習モデルは、ニューラルネットワークを含む、構成が用いられてもよい。
（【００１１】以降は省略されています）

関連特許