個性を考慮した周期的全身運動の予測

摘要

本論文では歩行や走行などに代表される人の全身周期運動の予測法について検討する．人の動作データには個人の個性や特徴が内在するため，特定の動作モデル，もしくは多数の人の平均的な動作モデルを用いた場合，未知の動作データを高い精度で予測することはできない．本論文では，動作データごとに内在する個性を低次元ベクトルによってとらえる生成モデルの学習法と，その適応・予測アルゴリズムの導出を行う．提案する生成モデルは，多様な動作は共通して定常周期運動であることに基づき，位相とその角速度を状態変数とする低次元動的システムと，状態変数とは独立して動作の個性をとらえるスタイルパラメータを有する2因子観測モデルで構成される．更に，未知の動作データに対して状態変数とスタイルパラメータを同時推定するアルゴリズムをExpectation-Maximizationアルゴリズムに基づいて導出する．その結果，生成モデルを未知の動作データに適応させ，その未来の動作を高精度に予測することが可能となる．モーションキャプチャシステムで計測された人の歩行及び走行動作データに対して，個性をとらえた高精度な予測が行えることを実験的に示す．