PFNインターン最終発表: 怪我をしても歩ける6足歩行ロボットの学習
•
8 likes•6,338 views
PFN summer intern 2015 Ayaka Kume Replication work on "Robots that can adapt like animals" Antonie Cully, Jeff Clune, Danesh Tarapore and Jean–Baptiste Mouret Nature 521, 503–507 (29 May 2015)
Recommended
More Related Content
Similar to PFNインターン最終発表: 怪我をしても歩ける6足歩行ロボットの学習
More from Preferred Networks
More from Preferred Networks (20)
PFNインターン最終発表: 怪我をしても歩ける6足歩行ロボットの学習
- 1. インターン最終発表 久米絢佳 August 31, 2015 久米絢佳 インターン最終発表 August 31, 2015 1 / 37
- 2. 自己紹介 久米 絢佳 ニューヨーク在住 コロンビア大学工学部 CS 専攻 修士 1 年と 2 年の間 ロボティクス・コンピュータービジョンを専攻 東大時代は海中ロボットの研究 久米絢佳 インターン最終発表 August 31, 2015 2 / 37
- 3. 目次 1 はじめに 2 提案手法の概要 3 事前学習 4 Adaption step 5 実験結果 6 まとめと考察 7 実機のデモ 久米絢佳 インターン最終発表 August 31, 2015 3 / 37
- 4. テーマ ロボットと機械学習 引用 http://makilab.iis.u-tokyo.ac.jp/ (左) https://www.aldebaran.com/en/humanoid-robot/nao-robot（中心） http://www.bostondynamics.com （右） 久米絢佳 インターン最終発表 August 31, 2015 4 / 37
- 5. Robots that can adapt like animals Antonie Cully, Jeff Clune, Danesh Tarapore and Jean–Baptiste Mouret Nature 521, 503–507 (29 May 2015) ロボットは故障して一部の部品が使えなくなる と、うまく動けなくなる 動物は体の一部を失ってしまってもしばらくす ると動くようになる 久米絢佳 インターン最終発表 August 31, 2015 5 / 37
- 6. Robots that can adapt like animals Antonie Cully, Jeff Clune, Danesh Tarapore and Jean–Baptiste Mouret Nature 521, 503–507 (29 May 2015) ロボットは故障して一部の部品が使えなくなる と、うまく動けなくなる 動物は体の一部を失ってしまってもしばらくす ると動くようになる 動物の真似をすれば故障・破損にうまく適応できるのではないか 久米絢佳 インターン最終発表 August 31, 2015 5 / 37
- 7. Robots that can adapt like animals Antonie Cully, Jeff Clune, Danesh Tarapore and Jean–Baptiste Mouret Nature 521, 503–507 (29 May 2015) ロボットは故障して一部の部品が使えなくなる と、うまく動けなくなる 動物は体の一部を失ってしまってもしばらくす ると動くようになる 動物の真似をすれば故障・破損にうまく適応できるのではないか 動物のやり方 正常な間に色々な方法で動くことを試している 脚を失った時には、事前にわかっている他の良さそうな方法を順 番に試してみて、前進できる動き方を探す 久米絢佳 インターン最終発表 August 31, 2015 5 / 37
- 8. 久米絢佳 インターン最終発表 August 31, 2015 6 / 37
- 9. 使用したロボット PhantomX AX Hexapod Mark II 50 cm (幅) x 50 cm (長さ) x 15 cm (高さ) 1900 g 18 個のサーボモーター 16MHz AVR microcontroller (Arduino) LiPo バッテリー 久米絢佳 インターン最終発表 August 31, 2015 7 / 37
- 10. 歩き方 各脚は周期運動を行う パラメーターは、各脚 6 個の合計 36 個 (横方向位置の最大値 (αi1)、 位相 (ϕi1)、デューティー比 (τi1)、縦方向位置の最大値 (αi2)、位相 (ϕi2)、デューティー比 (τi2))。 久米絢佳 インターン最終発表 August 31, 2015 8 / 37
- 12. 事前学習 (MAP–Elites algorithm) 久米絢佳 インターン最終発表 August 31, 2015 10 / 37
- 13. 事前学習 (MAP–Elites algorithm) あるパラメータ (36 個の数値) を使って、シミュレーションを動かす。 パフォーマンスの計測は１周期の前進の平均速度 結果 (パラメータ・パフォーマンスのセット) を低次元のマップに保存 マップで使用される指標は、各脚の 1 周期での着地時間の割合。6 次 元。それぞれ 0%,25%,50%,75%,100%の 5 つの値をとる。（全部で 5 の 6 乗=15625 マスのマップ） 久米絢佳 インターン最終発表 August 31, 2015 11 / 37
- 14. 事前学習 (シミュレーション) 物理シミュレーターの Open Dynamics Engine (ODE) 上でロボットのシ ミュレーションができるようにした。 Amazon AWS 等を使って、約 10 日間最大 59 並列で 5000 万回のシ ミュレーションを行った。 途中ソケット通信トラブルや、シミュレーション条件の調整などで中 断もあった 久米絢佳 インターン最終発表 August 31, 2015 12 / 37
- 15. 事前学習の結果 回数 (最大 m/s / 平均 m/s) 1 万 1 回 11 万 8 回 101 万 69 回 (0.115/0.019) (0.123/0.030) (0.135/0.056) 1000 万 243 回 3000 万 2462 回 5188 万 4543 回 (0.144/0.0688) (0.163/0.090) (0.170/0.096) 久米絢佳 インターン最終発表 August 31, 2015 13 / 37
- 16. Adaption step 久米絢佳 インターン最終発表 August 31, 2015 14 / 37
- 17. Adaption step (M-BOA: the map–based Bayesian optimization algorithm) マップの中から一つの値を実際に試す 計測した値でマップを更新する その周辺のパフォーマンスの確信度が向上する パフォーマンスが高く、確信度の低い箇所から新しい値を一つ試す 久米絢佳 インターン最終発表 August 31, 2015 15 / 37
- 18. 久米絢佳 インターン最終発表 August 31, 2015 16 / 37
- 19. 久米絢佳 インターン最終発表 August 31, 2015 17 / 37
- 20. 考察と今後の課題 ロボットは 5 回程度の試行で歩行が可能になった シミュレーションの再現精度があまり良くなかったにも関わらず、手 法は有効だった 事前学習の負担を軽減する工夫が望まれる 良いパラメーターを混ぜ合わせる 効率の悪そうなパラメーターを試さなくても良いようにする 久米絢佳 インターン最終発表 August 31, 2015 18 / 37