擬人化ロボットの人間のような動き生成のための上肢上肢機能主成分

背景：ロボットの動きの人間の愚かさは、人々と密接に相互作用しなければならないロボットの受け入れと運動の予測可能性を高めることに貢献するため、安全で効果的な人間とロボットの相互作用を可能にするための重要な要素です。支援とリハビリテーションの目的で。ロボットが人間のように振る舞うかを定量化するために、いくつかのパラメーターが使用されており、ロボットの外観と動きの両方に関連する側面を含みます。後者のポイントは、オペレーターがロボットアクションを解釈し、意味のある反応を計画できるようにするための基本です。バイオ認識の制御ガイドラインを考案することを目的とした文献ではさまざまなアプローチが提示されていますが、ロボット計画のための人間の行動の直接的な実装は簡単ではなく、ロボット工学の未解決の問題を表しています。 方法：ロボットモーション生成のための人間の動きの相乗的な表現を埋め込むことを提案します。これを行うために、日常生活活動中に人間の上肢の動きを記録しました。関数の主成分分析（FPCA）を使用して、主要なモーションパターンを抽出しました。次に、これらのコンポーネントの減少したセットの重みを最適化することにより、計画問題を策定しました。フリーモーションの場合、計画方法は、1つの主成分のみを使用する閉じたフォームソリューションになります。障害の場合、数値ルーチンが提案され、問題が適切な精度で解決されるまで、主成分を段階的に登録します。 結果：FPCAの結果は、観察された分散の80％以上が3つの機能成分のみで説明できることを示しています。障害物の有無にかかわらず、さまざまな意味のある動きに方法を適用することで、私たちのアプローチは、機能成分の数を大幅に減らして複雑な動きを生成できることを示しています。最初の相乗効果だけで、コスト削減の96％を占め、3つのコンポーネントが考慮されたすべてのケースで満足のいく動きの再構築を実現できることを示しています。 結論：この作業では、FPCAの特性評価を介した人間の動きの分析から、基礎要素のセットを生成し、効率的に生成できる新しい人間のような動き生成アルゴリズムの設計に移行しました。自由な動きと障害物回避のタスクの場合。

BACKGROUND: Human-likeliness of robot movements is a key component to enable a safe and effective human-robot interaction, since it contributes to increase acceptance and motion predictability of robots that have to closely interact with people, e.g. for assistance and rehabilitation purposes. Several parameters have been used to quantify how much a robot behaves like a human, which encompass aspects related to both the robot appearance and motion. The latter point is fundamental to allow the operator to interpret robotic actions, and plan a meaningful reactions. While different approaches have been presented in literature, which aim at devising bio-aware control guidelines, a direct implementation of human actions for robot planning is not straightforward, still representing an open issue in robotics. METHODS: We propose to embed a synergistic representation of human movements for robot motion generation. To do this, we recorded human upper-limb motions during daily living activities. We used functional Principal Component Analysis (fPCA) to extract principal motion patterns. We then formulated the planning problem by optimizing the weights of a reduced set of these components. For free-motions, our planning method results into a closed form solution which uses only one principal component. In case of obstacles, a numerical routine is proposed, incrementally enrolling principal components until the problem is solved with a suitable precision. RESULTS: Results of fPCA show that more than 80% of the observed variance can be explained by only three functional components. The application of our method to different meaningful movements, with and without obstacles, show that our approach is able to generate complex motions with a very reduced number of functional components. We show that the first synergy alone accounts for the 96% of cost reduction and that three components are able to achieve a satisfactory motion reconstruction in all the considered cases. CONCLUSIONS: In this work we moved from the analysis of human movements via fPCA characterization to the design of a novel human-like motion generation algorithm able to generate, efficiently and with a reduced set of basis elements, several complex movements in free space, both in free motion and in case of obstacle avoidance tasks.