| ○種別 (必須): | □ | 学術論文 (審査論文)
| [継承] |
| ○言語 (必須): | □ | 英語
| [継承] |
| ○招待 (推奨): |
| ○審査 (推奨): | □ | Peer Review
| [継承] |
| ○カテゴリ (推奨): | □ | 研究
| [継承] |
| ○共著種別 (推奨): | □ | 国際共著 (徳島大学内研究者と国外研究機関所属研究者との共同研究)
| [継承] |
| ○学究種別 (推奨): |
| ○組織 (推奨): | 1. | 徳島大学.大学院ソシオテクノサイエンス研究部.情報ソリューション部門 (2006年4月1日〜)
| [継承] |
| ○著者 (必須): | 1. | 任 福継 (->個人[中川 福継])
| ○役割 (任意): |
| ○貢献度 (任意): |
| ○学籍番号 (推奨): |
| [継承] |
| 2. | (英) Huang, Zhong (日) (読)
| ○役割 (任意): | □ | (英) (日) 共著者として研究総括をおこなった．
| [継承] |
| ○貢献度 (任意): |
| ○学籍番号 (推奨): |
| [継承] |
| ○題名 (必須): | □ | (英) Automatic Facial Expression Learning Method Based on Humanoid Robot XIN-REN (日) ヒューマノイドロボットXIN-RENに基づく自動表情学習法
| [継承] |
| ○副題 (任意): |
| ○要約 (任意): | □ | (英) The ability of a humanoid robot to display human-like facial expressions is crucial to the natural human computer interaction. To fulfill this requirement for an imitative humanoid robot, XIN-REN, an automatic facial expression learning method is proposed. In this method, first, a forward kinematics model, which is designed to reflect nonlinear mapping relationships between servo displacement vectors and corresponding expression shape vectors, is converted into a linear relationships between the mechanical energy of servo displacements and the potential energy of feature points, based on the energy conservation principle. Second, an improved inverse kinematics model is established under the constraints of instantaneous similarity and movement smoothness. Finally, online expression learning is employed to determine the optimal servo displacements for transferring the facial expressions of a human performer to the robot. To illustrate the performance of the proposed method, we conduct evaluation experiments on the forward kinematics model and the inverse kinematics model, based on the data collected from the robot's random states as well as fixed procedures by animators. Further, we evaluate the facial imitation ability with different values of the weighting factor, according to three sequential indicators (space-similarity, time-similarity, and movement smoothness). Experimental results indicate that the deviations in mean shape and position do not exceed 6 pixels and 3 pixels, respectively, and the average servo displacement deviation does not exceed 0.8%. Compared with other related studies, the proposed method maintains better space time similarity with the performer, besides ensuring smoother trajectory for multiframe sequential imitation. (日) 著者は，すでに感情表現ができる第1作者と外見がそっくりなヒューマノイドロボットXIN-RENを開発した．しかしながら，知能機械として，ヒューマノイドロボットは，人間と同様の外観を持つ必要があるだけでなく，人間と同程度の感情表現能力を有する必要がある．とりわけ表情は，感情を表現する最も直接的な方法である．本論文では，ヒューマノイドロボットの実用化の視点から，ロボット表情自立学習の手法を提案した．本手法は第1に，マルチポーズAAM (active appearance model) 定位の48の特徴点を用いた表情ベクトル組成を行い，またエネルギー保存の法則により運動制御ベクトルとその表情ベクトルの順運動学モデルが確立され，表情学習の瞬間的類似性を保持させる．次に，時間多項式関数に基づいてAAMを構築することにより，表情学習の円滑さの維持を実現させる．最後に，順運動学モデルとAAMに基づいて逆運動学モデルを構築し，さらに重み付き逆運動学モデルを経て，ロボットの動的表情の自立学習およびモーターの連続運動の実時間的平滑化を実現させる．実験結果から，提案した表情自立学習手法が，ロボットの表情運動に対する人為的処理の複雑度を軽減させ，ロボットの表情学習の忠実度合いおよび平滑さを改善させたことが示された．
| [継承] |
| ○キーワード (推奨): | 1. | (英) movement smoothness (日) (読)
| [継承] |
| 2. | (英) Expression mapping (日) (読)
| [継承] |
| 3. | (英) forward kinematics model (日) (読)
| [継承] |
| 4. | (英) humanoid robot (日) (読)
| [継承] |
| 5. | (英) inverse kinematics model (日) (読)
| [継承] |
| 6. | (英) movement similarity (日) (読)
| [継承] |
| ○発行所 (推奨): | □ | IEEE
| [継承] |
| ○誌名 (必須): | □ | IEEE Transactions on Human-Machine Systems ([IEEE])
(pISSN: 2168-2291, eISSN: 2168-2305)
| ○ISSN (任意): | □ | 2168-2291
ISSN: 2168-2291
(pISSN: 2168-2291, eISSN: 2168-2305) Title: IEEE transactions on human-machine systemsTitle(ISO): IEEE Trans Hum Mach SystPublisher: IEEE (NLM Catalog)
(IEEE)
(Scopus)
(CrossRef)
(Scopus information is found. [need login]) | [継承] |
| [継承] |
| ○巻 (必須): | □ | 46
| [継承] |
| ○号 (必須): | □ | 6
| [継承] |
| ○頁 (必須): | □ | 810 821
| [継承] |
| ○都市 (任意): |
| ○年月日 (必須): | □ | 西暦 2016年 12月 初日 (平成 28年 12月 初日)
| [継承] |
| ○URL (任意): | □ | http://ieeexplore.ieee.org/document/7556404/
| [継承] |
| ○DOI (任意): | □ | 10.1109/THMS.2016.2599495 (→Scopusで検索)
| [継承] |
| ○PMID (任意): |
| ○CRID (任意): |
| ○Scopus (任意): | 1. | 2-s2.0-85027498565
| [継承] |
| ○researchmap (任意): |
| ○評価値 (任意): |
| ○被引用数 (任意): |
| ○指導教員 (推奨): |
| ○備考 (任意): |