Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

yamauchi b

503 views

Published on

  • Be the first to comment

  • Be the first to like this

yamauchi b

  1. 1. 仮想ロボットにおける身体拡張に関する研究 Effects of Body Extension in Virtual Robots 北海道大学 工学部 情報工学コース 複雑系工学講座 調和系工学研究室 学部4年 山内翔
  2. 2. 研究背景 ロボットにおける身体拡張 •ロボットにおいて身体拡張がどのような効果をもたらすか、 多くの研究がなされている 西出俊, 中川達裕, 尾形哲也, 谷淳, 高橋徹, 奥乃博, "二次リカレントニューラルネットワークを用いた 道具身体化モデルの構築", 日本ロボット学会第27 回 学術講演会, 2009. Mai Hikita, Sawa Fuke, Masaki Ogino and Minoru Asada,"Cross-modal body representation based on visual attention by saliency",Proc.IROS,pp.2041-2046,2008. Cota Nabeshima, Yasuo Kuniyoshi and Max Lungarella, "Towards a Model for Tool- Body Assimilation and Adaptive Tool-Use", Proc.ICDL, pp288-293, 2007. Rolf Pfeifer, Fumiya Iida, Gabriel Gomez,“Morphological computation for adaptive behavior and cognition”, International Congress Series 1291, 2006.
  3. 3. 研究目的 ロボットにおける身体拡張と行動ルールの関係 •ロボットにおいて身体拡張はどのような効果をもたらすか –ロボット相撲をテーマに身体拡張の効果を調べる 車両ロボット 車両ロボット の 押し相撲ゲームを 採用 多様な対戦相手の設定が可能 接触(身体構造)が影響 単純な移動のみ に基づく戦略 全探索可能な パターン数 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上
  4. 4. シミュレーション実験 シミュレーションを支える物理演算エンジン ・シミュレーション空間 ―物理法則が成立する空間を再現 物理演算エンジン の 導入 様々な物理演算エンジン Bullet Physics Library ―オープンソースであり、移植性も高い ―商用製品への利用実績多数 ―活発なコミュニティによる 迅速なアップデート
  5. 5. シミュレーション実験 実験で用いる車両ロボット ・車両ロボット ーDifferential Drive ー剛体の接続が可能 4 4 10 5 2.7 2.7 VL VR VL =VR VL >VR VL <VR 直進 VR = -VL,VR > 0 右折 左折 反時計回りの回転 Differential Drive 左右の車輪の速度差でコントロール シミュレーション上での表示
  6. 6. シミュレーション実験 車両ロボットと剛体の接続 ブルドーザー 三角柱 棒 2 20 2 2 30° 30° 10 10 10 0.1 5 10 5 5 6 8 8 剛体の接続 Body Ext. Body :Ext. = 10 :3 重量比 ロボットの身体構造を変化させる 剛体の接続 表面積:168 表面積:300 表面積:164
  7. 7. シミュレーション実験 ロボットの行動ルール 4種の動作 回転 中央へ 停止 VL VR q VL =VR VL <VR VL >VR ì í ï î ïï VL =VR VL <VR VL >VR ì í ï î ïï VR = -VL,VR > 0 VL =VR = 0 j 中央 p 16 <q £p æ è ç ö ø ÷ - p 16 £q £ p 16 æ è ç ö ø ÷ -p <q < - p 16 æ è ç ö ø ÷ - p 16 £j £ p 16 æ è ç ö ø ÷ -p <j < - p 16 æ è ç ö ø ÷ p 16 <j £p æ è ç ö ø ÷ 相手の距離を3段階で評価 距離毎 の 動作を決定 ロボットの 行動ルール (1)相手の方向(θ)及び相手の中央からの距離を3段階( ) (2)自分から見た中央の方向(φ) 攻撃 センサ 1 R 2 R 3 R 1 2 3 R ,R ,R
  8. 8. シミュレーション実験 ロボットの行動ルール例 1 R 2 R 3 R 中央へ 攻撃 攻撃 回転 回転 停止 中央へ 中央へ 中央へ 中央へ 中央へ 攻撃 1 R 2 R 3 R 相手の拡張 部
  9. 9. シミュレーション実験 ロボットの行動ルール例 1 R 2 R 3 R 中央へ 攻撃 攻撃 回転 回転 停止 中央へ 中央へ 中央へ 中央へ 中央へ 攻撃 1 R 2 R 3 R 相手の拡張 部 相手の 拡張部と
  10. 10. シミュレーション実験 ロボットの行動ルール例 1 R 2 R 3 R 中央へ 攻撃 攻撃 回転 回転 停止 中央へ 中央へ 中央へ 中央へ 中央へ 攻撃 1 R 2 R 3 R 相手の拡張 部 相手の 中央からの距離に応じて 行動が決まる
  11. 11. シミュレーション実験 今回の実験 取りうる全ての行動 ルール 今回の実験 4 2 5 6 種類のロボット 4  対戦
  12. 12. シミュレーション実験 今回の実験 取りうる全ての行動 ルール 今回の実験 4 2 5 6 種類のロボット 4  対戦 3段階の距離に応じた動作 4種類の拡張状態 3 4 4 256 4 
  13. 13. シミュレーション実験 今回の実験 取りうる全ての行動 ルール 今回の実験 4 2 5 6 種類のロボット 4  対戦 各組み合わせ毎の 勝率を分析する
  14. 14. シミュレーション実験 今回の実験 取りうる全ての行動 ルール 今回の実験 4 2 5 6 種類のロボット 4  対戦 こちら側の行動ルールは 固定
  15. 15. シミュレーション実験 今回の実験 取りうる全ての行動 ルール 今回の実験 4 2 5 6 種類のロボット 4  対戦 こちら側の行動ルールは 固定 この実験により どの拡張部が性能を上げるか議論する
  16. 16. シミュレーション実験 GAによる行動ルールの探索 個体数 50 世代数 200 ルーレット方式 2点交叉 相手として ランダムに拡張部・行動ルールが 決まる相手50体 トータル勝利数が適応度 GAの設定 拡張部ごとに 最も良い個体を 選ぶ より良い行動ルールを 探索 ランダムな50体 それぞれの 拡張部の 相手と競う 遺伝子型 近 中 遠 相手が中央からどの程度の 距離にいるか という情報をもとにしたルール テーブルを表す
  17. 17. シミュレーション実験 GAによる行動ルールの探索 個体数 50 世代数 200 ルーレット方式 2点交叉 相手として ランダムに拡張部・行動ルールが 決まる相手50体 トータル勝利数が適応度 GAの設定 拡張部ごとに 最も良い個体を 選ぶ より良い行動ルールを 探索 ランダムな50体 それぞれの 拡張部の 相手と競う 遺伝子型 近 中 遠 相手が中央からどの程度の 距離にいるか という情報をもとにしたルール テーブルを表す 以降これらをGAロボットと呼ぶ
  18. 18. シミュレーション実験 実験の目的 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上
  19. 19. シミュレーション実験 実験の目的 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルール パターン 今何を表すか
  20. 20. シミュレーション実験 実験の目的 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルール パターン 今何を表すか これら二つの観点から勝敗の結果を考察する
  21. 21. シミュレーション実験 勝敗の結果 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 G A ロ ボ ッ ト すべての行動ルールパターン 勝率
  22. 22. シミュレーション実験 勝敗の結果 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 すべての行動ルールパターン GAロボット側を 主軸に結果を考察 G A ロ ボ ッ ト
  23. 23. シミュレーション実験 GAロボット側から見た勝率 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 すべての行動ルールパターン トータル 勝率 0.57421875 0.6328125 0.71484375 0.83984375 G A ロ ボ ッ ト
  24. 24. シミュレーション実験 GAロボット側から見た勝率 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 すべての行動ルールパターン トータル 勝率 0.57421875 0.6328125 0.71484375 0.83984375 勝率の順序 > > > G A ロ ボ ッ ト
  25. 25. シミュレーション実験 GAロボット側からから見た勝率 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 すべての行動ルールパターン トータル 勝率 0.57421875 0.6328125 0.71484375 0.83984375 強さの順序 > > > 何も拡張されていない ロボットが最も勝率が高い、という 結果 G A ロ ボ ッ ト
  26. 26. シミュレーション実験 実験の目的 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルール パターン 今何を表すか
  27. 27. シミュレーション実験 GAロボット側からから見た勝率 0.84375 0.34375 0.515625 0.59375 0.78125 0.25 0.828125 0.671875 0.96875 0.828125 0.234375 0.828125 0.953125 0.6875 0.890625 0.828125 すべての行動ルールパターン 勝率を反転 G A ロ ボ ッ ト
  28. 28. シミュレーション実験 すべての行動ルールパターン側から見た勝率 0.15625 0.65625 0.484375 0.40625 0.21875 0.75 0.171875 0.328125 0.03125 0.171875 0.765625 0.171875 0.046875 0.3125 0.109375 0.171875 すべての行動ルールパターン G A ロ ボ ッ ト
  29. 29. シミュレーション実験 すべての行動ルールパターン側から見た勝率 0.15625 0.65625 0.484375 0.40625 0.21875 0.75 0.171875 0.328125 0.03125 0.171875 0.765625 0.171875 0.046875 0.3125 0.109375 0.171875 すべての行動ルールパターン すべての行動ルールパター ン側を 主軸に結果を考察 G A ロ ボ ッ ト
  30. 30. シミュレーション実験 すべての行動ルールパターン側から見た勝率 0.15625 0.65625 0.484375 0.40625 0.21875 0.75 0.171875 0.328125 0.03125 0.171875 0.765625 0.171875 0.046875 0.3125 0.109375 0.171875 すべての行動ルールパターン トータル 勝率 0.11328125 0.47265625 0.3828125 0.26953125 G A ロ ボ ッ ト
  31. 31. シミュレーション実験 身体拡張と行動・行動ルールの関係 0.15625 0.65625 0.484375 0.40625 0.21875 0.75 0.171875 0.328125 0.03125 0.171875 0.765625 0.171875 0.046875 0.3125 0.109375 0.171875 すべての行動ルールパターン トータル 勝率 0.11328125 0.47265625 0.3828125 0.26953125 勝率の順序 > > > G A ロ ボ ッ ト
  32. 32. シミュレーション実験 身体拡張と行動・行動ルールの関係 0.15625 0.65625 0.484375 0.40625 0.21875 0.75 0.171875 0.328125 0.03125 0.171875 0.765625 0.171875 0.046875 0.3125 0.109375 0.171875 すべての行動ルールパターン トータル 勝率 0.11328125 0.47265625 0.3828125 0.26953125 勝率の順序 > > > GAロボット側とは異なる結果 この見方は何を意味するか? 勝率を高める働きをする 拡張部が変化 G A ロ ボ ッ ト
  33. 33. 結果の分析 2つの分析 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルール パターン 今何を表すか 勝率の順序 > > >
  34. 34. 結果の分析 2つの分析 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルールパ ターン 今何を表すか 勝率の順序 > > > なぜこの差が 生まれるか?
  35. 35. 結果の分析 2つの分析 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルールパ ターン 今何を表すか 勝率の順序 > > > なぜこの差が 生まれるか? 軌道の分析
  36. 36. 結果の分析 2つの分析 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 GAロボット すべての 行動ルールパ ターン 今何を表すか 勝率の順序 > > > なぜこの差が 生まれるか? 軌道の分析 接触時間の分析
  37. 37. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン ・移動の軌跡による分類 移動の軌跡を 取得 クラスター 1 クラスター 2 クラスター 3 クラスター 4 K-means法により 4つのクラスター に分類 取りうる全パターンの 相手に対して取得 GAロボットの軌道
  38. 38. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン ・移動の軌跡による分類 移動の軌跡を 取得 クラスター 1 クラスター 2 クラスター 3 クラスター 4 K-means法により 4つのクラスター に分類 取りうる全パターンの 相手に対して取得 ゲーム開始から終了まで の X座標とZ座標 GAロボットの軌道
  39. 39. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン ・移動の軌跡による分類 移動の軌跡を 取得 クラスター 1 クラスター 2 クラスター 3 クラスター 4 K-means法により 4つのクラスター に分類 取りうる全パターンの 相手に対して取得 ゲーム開始から終了まで の X座標とZ座標 相手(GAロボット側)に ゲーム中どのような軌道を取らせたか、という データにどのような特徴が現れるか? GAロボットの軌道
  40. 40. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン-結果- ・移動の軌跡による分類 0 50 100 150 200 250 1 2 3 4 該当する試合数 クラスター 棒 ブルドーザー 三角柱 拡張部なし 勝率の順序 > > >
  41. 41. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン-結果- ・移動の軌跡による分類 0 50 100 150 200 250 1 2 3 4 該当する試合数 クラスター 棒 ブルドーザー 三角柱 拡張部なし 勝率の順序 > > > 各クラスターに 満遍なく存在
  42. 42. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン-結果- ・移動の軌跡による分類 0 50 100 150 200 250 1 2 3 4 該当する試合数 クラスター 棒 ブルドーザー 三角柱 拡張部なし 勝率の順序 > > > 各クラスターに 満遍なく存在 相手に様々な動きをさせている
  43. 43. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン-結果- ・移動の軌跡による分類 0 50 100 150 200 250 1 2 3 4 該当する試合数 クラスター 棒 ブルドーザー 三角柱 拡張部なし 勝率の順序 > > > 分類されるクラスターに 偏りがある
  44. 44. 拡張部別の相手の行動パターンの比較 拡張部別の相手の行動パターン-結果- 0 50 100 150 200 250 1 2 3 4 該当する試合数 クラスター 棒 ブルドーザー 三角柱 拡張部なし 勝率の順序 > > > 分類されるクラスターに 偏りがある 相手に動きのパターンが 似通っている
  45. 45. 拡張部別の身体利用の比較 拡張部別の身体利用 ・部位別に相手との接触を計測 接触時間を計測 拡張部への接触 ボディへの接触 2パターンに分類 拡張部ごとに接触時間にどのような差異が現れるか? 拡張部がない場合との差は?
  46. 46. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0
  47. 47. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0 拡張部接触の時間は 表面積に比例しない
  48. 48. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0 拡張部接触の時間は 表面積に比例しない
  49. 49. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0 拡張部なしの場合と の差から表面積あた りの増加率を求める 拡張部接触の時間は 表面積に比例しない
  50. 50. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0 拡張部なしの場合と の差から単位表面積 あたりの増加率を求 める ブルドーザー 三角柱 棒 単位表面積 あたりの 増加率 +14.435% -6.217% -69.6337% 拡張部接触の時間は 表面積に比例しない
  51. 51. 拡張部別の身体利用の比較 拡張部別の身体利用-結果- 拡張部の表面積 300 164 168 0 50 100 150 200 250 300 350 400 ブルドーザー 三角柱 拡張部なし 棒 相手との接触時間の平均 拡張部 ボディ 勝率の順序 > > > 0 拡張部なしの場合と の差から表面積あた りの増加率を求める ブルドーザー 三角柱 棒 単位表面積 あたりの 増加率 +14.435% -6.217% -69.6337% 拡張部接触の時間は 表面積に比例しない 増加率の大小関係が 拡張部なしを除いた 強さの順序に 一致する
  52. 52. まとめ 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上
  53. 53. まとめ 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 > > > 強さの順序 > > > 強さの順序
  54. 54. まとめ 拡張部 熟達した者がより強くなる 特定の行動ルールにおいて 行動ルールに依らず強くなりやすい 複数の行動ルールにおいて 勝 率 向 上 > > > 強さの順序 > > > 強さの順序 ・拡張部には特定の行動ルールの勝率を向上させる働きをするものと 行動ルールに依らず平均的に勝率を向上させるものがあることを示した ・相手に様々な動きをさせる、身体を効率的に利用する、といった 要素によりこれらの性質が生まれていることを示した

×