図1．腕運動計測システム

ヒトは複雑な外界の情報から運動に必要な情報を抽出し、それを基に適切な手足の動かし方を選択し、制御するという情報処理によって運動を行っています。例えば、我々がコップで水を飲む動作を実行するためには、コップの情報の認知、手先をコップの位置まで移動するための腕の運動制御、さらにコップの把持における様々な計算問題を解く事で実現できています。このような巧みで複雑な運動であるヒトの到達把持運動の計算問題がどのように解かれているかを調べるために、まず、モーションキャプチャーなどでヒトの運動軌道を計測する心理物理実験を行い、さらにその解析結果からヒトの運動制御の情報処理過程を数理モデル化して、ヒトの運動の生成原理や制御方式などを明らかにする研究を進めています。さらにそのモデルを用いた義手システムの検討などを行っています。

[主な業績]
松田基，片山哲，福村直博, “VAEを用いた視覚-運動変換モデルによる多指ロボットハンドでのコップの把持運動制御,” 電子情報通信学会論文誌 D　Vol.J107-D 　No.2　 pp.67-76
Fukumura, N., Otane, S., Uno, Y., and Suzuki, R.,“A Neural Network Model for Extracting Correlated Information in Sensory Integration,” Proceedings of International Conference on Neural Information Processing, Vol.2, pp.873-876 1998

図２．モジュール構造を用いたヒト腕による倒立振子制御のための多自由度運動学習システム

人が巧みな運動ができる大きな要因は、その柔軟な運動学習能力です。我々は、様々な条件下で新しい運動を学習する事ができます。その１つの方法は、自分で試行錯誤しながら学習する方法です。これを「強化学習」と言います。他に、他人のやっている運動を真似る方法もあります。これは「見真似学習」です。これらの枠組みで学習をするときの学習途中の運動を計測・解析することで、運動学習の原理の解明を目指します。さらにこのような学習過程を計算機上で再現し、適当な課題を学習する過程をシミュレーションする、あるいは実ロボットに実装して検証します。
[主な業績]
森裕紀，大濱吉紘，福村直博，宇野洋二, “Forward-propagation則による実ロボットの逆ダイナミクス学習,” 電気学会論文誌(C), Vol.125, No.12, pp.1861-1870 2005
Fukumura, N., Wakaki, K., and Uno,Y., “A Modular Structure of Auto-encoder for the Integration of Different Kinds of Information”, Proceedings of 1st International Conference on Natural Computation, pp.313-321 2005