並列タイトル等オートエンコーダ ニ ヨル ショクサツジ シンドウ データ カラノ ショッカン チカク トクチョウリョウ ノ チュウシュツ
Ōtoenkōda ni yoru shokusatsuji shindō dēta karano shokkan chikaku tokuchōryō no chūshutsu
Feature extraction from vibrotactile data using autoencoder
一般注記出版タイプ： VoR
type:text
触感センサを用いて触対象サンプルをなぞった際の振動情報を取得し，ディープオートエンコーダを使用して特徴量を抽出した．つぎに，官能評価実験によって被験者が同様のサンプルを触察した際の触感スコアを取得し，取得した特徴量と官能評価スコアを繋ぐ触感推定モデルを構築した．さらに，特徴量抽出法を発展させ，往復運動を含めて速度が変化する触察条件での振動計測を行い，ウェーブレット変換を導入して時間空間および周波数空間を同時に扱った上で畳み込みニューラルネットワークによって特徴量ベクトルを抽出した．７段階SD法による官能評価による平均値と１点以内の誤差で触感スコアを予測できることを示した．
Vibration information was obtained when a tactile sensor traced on a sample. Then, features were extracted from the obtained vibration data using the deep autoencoder. Next, we obtained tactile scores when a subject touched the same samples in a sensory evaluation experiment with a seven-scale semantic differential method, followed by constructing a tactile estimation model with the acquired features as input and the sensory evaluation scores as output. In addition to this model, feature vectors were extracted from the vibration data by using a convolutional neural network. In this case, we introduced wavelet transformation in order to obtain a scalogram, two-dimensional image, of the vibration data. Note that a convolutional neural network is suitable for extracting features from two-dimensional image. As a result, it is shown that the tactile score can be predicted with an error of less than one point from the average value of sensory evaluation.
研究種目 : 挑戦的研究 (萌芽)
研究期間 : 2021～2022
課題番号 : 21K18680
研究分野 : 機械工学
連携機関・データベース国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）