東北大、骨格筋ロボットをヒトのように歩行させられる技術を開発

そこで研究チームは今回、ニューラルネットワークに対してロボットの逆静力学モデル、つまり目標の姿勢に対する筋肉活性化量(アクチュエータ入力)を学習させるという手法を採用することにしたという。

今回の研究で学習には、モーターバブリングデータ(ランダムに筋肉を活性化させてランダムにロボットを動かした時のデータ)が利用された。学習後、ニューラルネットワークはロボットの目標姿勢と、現在の制御周期での姿勢および筋肉活性化量を受け取る。そして、目標姿勢を実現するために、次の制御周期における筋肉活性化量が算出されるという仕組みだ。

次に、筋骨格を採用した脚部だけのロボットのシミュレーションを用いた実験が行われた結果、今回開発された手法は、目標姿勢に到達するための適切な筋肉活性化量を算出し、高精度のリーチングと軌道追従に成功したという。ロボットの重量変更や地面と接触させたスクワットを実行した際には、関節の硬さを自律的に調節し、制御精度を維持することができたとする。さらに、筋肉が故障した場合でも、故障していない筋肉の出力を増加させることで、妥当な制御精度が維持されたとした。なお先行研究とは異なり、これらの評価の際には再学習などの介入は一切不要だったという。

今回の成果は筋骨格ロボットの冗長性を実環境で活用することを促進し、不確実な環境における筋骨格ロボットの応用への貢献が期待できるとした。今後の方針としては、実ロボットへの応用や、複雑な動きへの拡張が重要になると考えられるとしている。
（波留久泉）