規範軌道の多様性を考慮した非線形力学系による運動記述の学習法: ロボットによる見まね学習への応用

摘要

This paper proposes a novel approach to learn highly scalable Control Policies (CPs) of basis movement skills from multiple demonstrations. In contrast to conventional studies with a single demonstration, i.e., Dynamic Movement Primitives (DMPs) [1], our approach efficiently encodes multiple demonstrations by shaping a paramet-ric-attractor landscape in a set of differential equations. This approach allows the learned CPs to synthesize novel movements with novel motion styles by specifying the linear coefficients of the bases as parameter vectors without losing useful properties of DMPs, such as stability and robustness against perturbations. For both discrete and rhythmic movement skills, we present a unified learning procedure for learning a parametric-attractor landscape from multiple demonstrations. The feasibility and highly extended scalability of DMPs are demonstrated on an actual dual-arm robot.%本論文では，多様性を含む多数の運動軌道から，汎用性・一般性の高い運動記述を獲得するための学習アルゴリズムを提案する.提案法では，Ijspeertらによって提案された非線形力学系に基づく運動の記述法［1］を拡張し，多数の規範軌道に含まれる多様性を考慮し，多数の規範軌道の特徴を捉える低次元のパラメータを有する非線形力学系を運動記述として学習する.このパラメータの調節によって，力学系の時間発展による多様な運動軌道の生成が可能となる.到達運動および周期運動について，モーションキャプチャと双腕ロボットを用いた運動スキルの見まね学習課題に対して提案する学習法を適用し，提案法の有用性を実証する.