情報処理学会 インタラクション2020

本研究では，触覚センサによる素材識別率を向上させる触り動作学習モデルを提案する．提案するモデルは，ヒトが対象に触れるときの触覚情報処理を模して，触覚センサから得られた信号を元として特徴量を抽出する自己学習型特徴抽出器，その特徴量を元に識別率を出力する教師学習型素材識別器，素材識別率を最大化するような動作を学習する強化学習型動作学習器の三つから構成される．触覚センサの信号から特徴抽出器を用いて8次元の特徴量を抽出し，その特徴量を元に8種類の素材を識別するように素材識別器を学習した結果，平均で61.7％で対象物を識別できた．また，素材識別結果を報酬として素材識別率を向上するように触り動作を学習を行った結果，67.9％で素材識別可能で動作学習を行わないモデルと比較して6.2％の識別率の向上が見られた．このヒトを模した人工触覚情報処理モデルから逆にヒトの触覚認識の仕組みに迫ることを目指している．