WO2021199662A1 - 運動制御装置、運動制御方法および記録媒体 - Google Patents

運動制御装置、運動制御方法および記録媒体 Download PDF

Info

Publication number
WO2021199662A1
WO2021199662A1 PCT/JP2021/003947 JP2021003947W WO2021199662A1 WO 2021199662 A1 WO2021199662 A1 WO 2021199662A1 JP 2021003947 W JP2021003947 W JP 2021003947W WO 2021199662 A1 WO2021199662 A1 WO 2021199662A1
Authority
WO
WIPO (PCT)
Prior art keywords
motion
operation amount
manipulated variable
parameter value
moving body
Prior art date
Application number
PCT/JP2021/003947
Other languages
English (en)
French (fr)
Inventor
夏彦 佐藤
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Publication of WO2021199662A1 publication Critical patent/WO2021199662A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02—Control of vehicle driving stability
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion

Definitions

  • the present invention relates to a motion control device, a motion control method, and a recording medium.
  • Patent Document 1 describes a towing vehicle for making the dynamic characteristics when a towing vehicle (tractor) pulls a towed vehicle (trailer) closer to the dynamic characteristics when a motorcycle is used.
  • the behavior control device is described.
  • This towing vehicle behavior control device predicts the dynamic characteristics when the towing vehicle is in the motorcycle state when the towing vehicle is connected to the towed vehicle.
  • the towing vehicle behavior control device changes the dynamic characteristics of the connected vehicle to the dynamic characteristics of the motorcycle.
  • the drive unit is controlled so as to approach.
  • the towing vehicle when the towing vehicle is a single vehicle and the towed vehicle is connected, such as dynamic characteristics that change depending on the environment such as weather, road pavement, and wind, and differences in dynamic characteristics depending on the condition of the vehicle such as the load capacity of luggage.
  • dynamic characteristics that change depending on the environment such as weather, road pavement, and wind
  • dynamic characteristics depending on the condition of the vehicle
  • An example of an object of the present invention is to provide a motion control device capable of solving the above-mentioned problems.
  • the motion control device has an operation amount acquisition means for acquiring an operation amount (operation input value) for a controlled object, and motion data indicating the motion state (state of movement) of the controlled object.
  • the parameter value of the motion data acquisition means for acquiring the motion data, and the parameter value of the motion prediction model for outputting the predictive motion data indicating the motion predicted to occur in the control object in response to the input of the manipulated variable to the control object. It includes a parameter value determining means that is determined based on the motion data, and an manipulated variable correcting means that corrects the manipulated variable acquired by the manipulated variable acquisition means based on the parameter value determined by the parameter value determining means.
  • the motion control method acquires the operation amount for the control target, acquires the motion data indicating the motion state of the control target, and responds to the input of the operation amount for the control target. This includes determining a parameter value of a motion prediction model that outputs motion data indicating the motion of the controlled object based on the motion data, and correcting the acquired operation amount based on the determined parameter value.
  • the recording medium acquires the manipulated variable for the controlled object, acquires the motion data indicating the motion of the controlled object, and responds to the input of the manipulated variable for the controlled object.
  • the parameter value of the motion prediction model that outputs the motion data indicating the motion of the controlled object is determined based on the motion data, and the acquired manipulated variable is corrected based on the determined parameter value.
  • the embodiment of the present invention it is possible to reduce the difference in the dynamic characteristics of the moving body in addition to the difference in the dynamic characteristics between when the towing vehicle is a single vehicle and when the towed vehicle is connected.
  • the moving body in the first embodiment may be a moving body having a passenger or a moving body operated by an operator outside the moving body. An operator outside the moving body is also called an observer.
  • FIG. 1 shows a configuration example of a moving body according to the first embodiment.
  • the moving body 1 in the first embodiment includes a motion control device 2 and an actuator 14.
  • the motion control device 2 is a communication between a controller 10 for operating the moving body 1, a memory 11 for holding data such as a program, a CPU (central processing unit) 12 operated by program control, and the device. It includes a device I / O (Input / Output) 13 that mediates (communication between each part of FIG. 1), an acceleration sensor 15, and an encoder 16.
  • I / O Input / Output
  • the moving body referred to here is, for example, an automobile, a railroad vehicle, an aircraft, a ship, an automatic guided vehicle, or the like, which can move and control the movement.
  • the controller 10 outputs a signal indicating the amount of operation with respect to the moving body 1.
  • the controller 10 may accept an operation by an operator and output an operation amount according to the performed operation.
  • the controller 10 is provided with a steering wheel, an accelerator pedal, a brake pedal, and the like, receives a driving operation by an operator who is a driver, and outputs a signal indicating the amount of operation in the performed operation. You may try to do it.
  • the controller 10 may calculate the operation amount by the automatic operation and output a signal indicating the calculated operation amount.
  • the actuator 14 drives the moving body 1 according to the amount of operation output by the motion control device 2.
  • the actuator 14 may include an engine, a steering device (steering mechanism), and a brake, and move the moving body 1 according to a signal from the controller 10.
  • the amount of operation output by the motion control device 2 can be regarded as a control command value for the actuator 14. Therefore, it can be said that the motion control device 2 controls the motion of the actuator 14 by outputting the operation amount to the actuator 14, thereby controlling the motion of the moving body 1.
  • the acceleration sensor 15 measures the acceleration of the moving body 1.
  • the acceleration sensor 15 may be configured by using a three-axis acceleration sensor provided on the moving body 1 and may measure the acceleration in each axis.
  • the encoder 16 measures the amount of movement of the moving body 1. For example, when the moving body 1 is an automobile, the encoder 16 may measure the amount of rotation of the tire (the number of times the tire has rotated) and convert it into the moving distance of the moving body 1.
  • FIG. 2 is a block diagram showing a functional configuration example of the moving body 1.
  • the moving body 1 includes a motion control device 2 and a driving unit 23.
  • the motion control device 2 includes an operation amount acquisition unit 20, a data holding unit 21, an operation amount correction unit 22, a parameter value determination unit 24, and a state acquisition unit 25.
  • the operation amount acquisition unit 20 corresponds to the controller 10
  • the drive unit 23 corresponds to the actuator 14
  • the data holding unit 21 corresponds to the memory 11
  • the acceleration sensor 15 and the encoder 16 correspond to the state acquisition unit 25.
  • the position, velocity, acceleration, angular velocity, and angle can be estimated from the amount of movement and acceleration by the encoder 16.
  • the position, velocity, and acceleration of the moving body 1 for each sampling time obtained by the acceleration sensor 15 and the encoder 16 and the data associated with the sampling time are referred to as motion data. Therefore, the motion data is data indicating the motion of the moving body 1.
  • the data obtained by combining the motion data and the data indicating the manipulated variable acquired by the manipulated variable acquisition unit 20 for each sampling time is referred to as operation response data.
  • the position, velocity, and acceleration of the moving body 1 at a certain time indicate the motion state of the moving body 1 at that time.
  • the exercise data is not only data indicating exercise as described above, but also data indicating an exercise state.
  • the device I / O 13 included in the mobile body 1 for communicating between the devices of FIG. 1 controls communication (data input / output) of each part of FIG.
  • the operation amount correction unit 22 and the parameter value determination unit 24 function by operating the CPU 12 by a program on the memory 11.
  • the operation amount acquisition unit 20 acquires the operation amount for the moving body 1.
  • the operation amount acquisition unit 20 corresponds to an example of the operation amount acquisition means.
  • the state acquisition unit 25 acquires exercise data.
  • the state acquisition unit 25 corresponds to an example of the exercise data acquisition means.
  • the parameter value determination unit 24 determines the parameter value of the motion prediction model based on the motion data.
  • the parameter value determination unit 24 corresponds to an example of a parameter value determination means.
  • the motion prediction model predicts and predicts the motion performed by the moving body 1 according to the manipulated variable under the conditions indicated by the parameter value according to the setting of the parameter value and the input of the manipulated variable to the moving body 1.
  • This is a model that outputs predicted motion data indicating motion.
  • the motion prediction model includes a relative time t, a set x (t) of state variables including position and / or velocity, a history of a set u (t) of input quantities (by operation) at t, and a set a of parameters. It may be a relational expression that can predict x by using the function f.
  • the motion data output by the motion prediction model is also referred to as predicted motion data.
  • a which is a continuous degree of freedom in the motion prediction model
  • the parameter set a which is a continuous degree of freedom in the motion prediction model
  • Examples of such a motion prediction model include an equation of motion including parameters and a machine learning model that predicts the state of the system after the step time ⁇ t from the current state of the system and the amount of manipulation received.
  • the operation amount correction unit 22 corrects the operation amount acquired by the operation amount acquisition unit 20 based on the parameter value determined by the parameter value determination unit 24.
  • the operation amount correction unit 22 corresponds to an example of the operation amount correction means.
  • the data holding unit 21 holds various data. In particular, the data holding unit 21 stores the operation response data. In addition, the data holding unit 21 stores the motion prediction model and the reference model. Further, the data holding unit 21 stores the parameter value (parameter value of the motion prediction model) determined by the parameter value determining unit 24 and the parameter value of the reference model.
  • the reference model is a specific motion prediction model that calculates and outputs the motion that is the target of the control of the moving body 1.
  • the parameter value in the motion prediction model may be fixed to a constant value. That is, the reference model may be configured as a model showing the movement of a moving body under certain conditions.
  • the drive unit 23 drives the moving body 1 by the actuator 14 (FIG. 1).
  • the memory 11 holds a program for executing the function of the parameter value determination unit 24 and the function of the operation amount correction unit 22.
  • the memory 11 holds the parameters of the reference model and the initial parameters of the motion prediction model in advance (by the start of the operation of the motion control device 2).
  • the motion prediction model used in the embodiment and the motion prediction model on which the reference model used is based do not have to be the same.
  • the motion control device 2 uses the motion prediction model of the first vehicle to be driven and the reference model of the second vehicle different from the first vehicle, and the first vehicle has the same feeling as when driving the second vehicle.
  • the operation amount for the first automobile may be corrected so that the vehicle can be driven.
  • the functional units of the motion control device 2 operate as follows. Data in which the operation amount acquired by the operation amount acquisition unit 20 when the moving body 1 is operated is associated with the position, speed, acceleration, and time information obtained by the state acquisition unit 25 (the above operation response data). ) Is held by the state acquisition unit 25 in the data holding unit 21. When the operation response data of the determined amount of data is accumulated, the operation of the parameter value determination unit 24 starts.
  • Step S100 is a processing step until the operation response data of the determined amount of data is accumulated.
  • the parameter value determination unit 24 waits for the operation response data of the determined amount of data to be accumulated without performing any processing related to the parameter.
  • the processing shifts to the reading of the motion data and the operation amount (step S101).
  • step S101 the parameter value determination unit 24 reads out the set of the motion data and the operation amount (the operation response data described above) stored in the memory 11. As a result, the parameter value determination unit 24 can use the operation response data.
  • step S102 the parameter value determination unit 24 updates the parameter value of the motion prediction model using the read data.
  • the motion prediction model is an equation of motion (one-dimensional linear ordinary differential equation) as shown in the following equation (1) will be described as an example.
  • x is the position of the moving body 1 (at time t)
  • m is the total weight of the moving body 1
  • d is the coefficient of resistance proportional to the speed
  • u (t) is the manipulated variable at time t
  • g (u) Is a function representing the force applied to the moving body 1 when the operation of the manipulated variable u is performed.
  • the prime symbol "'" indicates that it is the time derivative of the variable.
  • m and d correspond to the example of the parameters of the motion prediction model.
  • the function g representing the motion prediction model is defined as a function that reflects the values of these parameters.
  • g is expanded by an appropriate function, and the effect of the manipulated variable u on the equation of motion is described by parameters.
  • polynomial expansion of g gives equation (2).
  • i be a positive integer
  • a i u i indicates the term when g is polynomial expanded.
  • a i is a coefficient (constant)
  • u i indicates the manipulated variable u to the i-th power.
  • a i / m and d / m are parameters.
  • "/ m" indicates division by the total weight m of the moving body 1.
  • the parameter value determination unit 24 can determine the parameter values of d / m and a / m by using a parameter estimation method such as the least squares method. can.
  • a parameter estimation method such as the least squares method.
  • the motion prediction model may be composed of a more complicated method such as a machine learning method.
  • the parameter value determination unit 24 can sequentially update the parameter value by the gradient descent method or the like. When the update of the parameter value of the motion prediction model is completed, the parameter value determination unit 24 saves the updated parameter value of the prediction model in the data holding unit 21 in step S103.
  • step S104 the parameter value determination unit 24 determines the end condition.
  • the process returns to step S100.
  • the parameter value determination unit 24 repeats the processes of step S101 and subsequent steps as soon as new data is accumulated.
  • step S104: YES the parameter value determination unit 24 ends the process of FIG.
  • step S110 the operation amount correction unit 22 acquires the operation amount that the operation amount acquisition unit 20 has been operated by the operator.
  • the manipulated variable correction unit 22 calculates the corrected manipulated variable using the parameters of the motion prediction model held by the data holding unit 21 (initial parameters or those updated by the parameter value determining unit 24).
  • the motion prediction model is a linear ordinary differential equation as in the above equation (1)
  • the equation of motion of the reference model be Eq. (4).
  • m 0 indicates the total weight of the moving object for which the reference model calculates the motion.
  • the moving object whose motion is calculated by the reference model is called a reference moving body.
  • d 0 indicates the coefficient of resistance proportional to the velocity in the reference moving object.
  • f (u) is a function that expresses the force applied to the reference moving body when the operation of the manipulated variable u is performed.
  • Equation (4) is derived from the substituted equation.
  • equation (5) when equation (5) is substituted into u (t) of equation (1), it becomes equation (6).
  • Equation (7) can be obtained by modifying equation (6).
  • equation (8) Multiplying both sides of equation (7) by m 0 / m gives equation (8), and a differential equation of the same form as equation (4) is obtained.
  • the apparent dynamic characteristics shown by the motion prediction model can be made equal to the dynamic characteristics shown by the reference model by absorbing the difference in the parameter values between the motion prediction model and the reference model.
  • the apparent dynamic characteristic shown by the motion prediction model here is the dynamic characteristic indicated by the combination of the correction of the manipulated variable and the motion prediction model with respect to the manipulated variable before the correction.
  • the value of m and the value of d in the equation (5) correspond to the example of the parameter value of the motion prediction model.
  • the value of m 0 and the value of d 0 in the equation (5) correspond to the example of the parameter value of the reference model.
  • the manipulated variable correction unit 22 corrects the manipulated variable with respect to the moving body 1 as in the above equation (5) to reduce the motion of the moving body 1. It can be the same as the movement of the reference moving body with respect to the manipulated variable before correction. As a result, the operator can operate the moving body 1 with the same feeling as when operating the reference moving body.
  • the reference moving body in this case may be a moving body different from the moving body 1.
  • the reference moving body in this case may be the moving body 1 under conditions different from those at the time of executing the operation, such as when the load of the moving body 1 changes.
  • FIG. 5 shows an example of correction performed by the operation amount correction unit 22.
  • the horizontal axis of the graph in FIG. 5 indicates the amount of operation before correction.
  • the vertical axis shows the amount of operation after correction.
  • FIG. 5 shows a graph when the value of u is taken on the horizontal axis and the value of ⁇ (u / 1.5) is taken on the vertical axis.
  • a / m and d / m are treated as parameters, respectively.
  • the values are fixed as constants as described above.
  • the manipulated variable correction unit 22 prepares a plurality of corrected manipulated variable candidates and selects one of them. You may. For example, when the manipulated variable acquired by the manipulated variable 20 is u, the manipulated variable correction unit 22 calculates u ⁇ ⁇ u, u ⁇ 2 ⁇ u, ... as candidates for the corrected manipulated variable. May be good.
  • ⁇ u is a constant predetermined (or according to the value of u) as the difference in the correction amount.
  • the manipulated variable correction unit 22 inputs the manipulated variable u to the reference model as the state after a certain time when it is input to the motion prediction model among the manipulated variables of u ⁇ ⁇ u, u ⁇ 2 ⁇ u, ...
  • the state after a certain time and the one closest to the meaning of the evaluation index D may be adopted.
  • the evaluation index D the distance between positions, which is a normal distance, the square root of the weighted sum of squares of each component, and the like can be used.
  • the evaluation function k that measures the closeness to the set of motion data from the present when the manipulated variable u is input to the reference model to a certain time later may be adopted.
  • the evaluation function k a function can be used in which the value obtained by adding the above Ds for each time is used as the return value.
  • the evaluation index an evaluation index that includes not only the evaluation of the proximity of exercise but also the evaluation other than the proximity of exercise such as the small amount of operation or the small energy consumption may be used.
  • the manipulated variable correction unit 22 is responsible for each of the elements of u as a vector of
  • U as a vector is also called an manipulated variable vector.
  • the manipulated variable correction unit 22 is optimized to approach the behavior of the reference model. Control may be performed.
  • x b is a vector indicating the position of the moving body (reference moving body) in the reference model.
  • x b' is a vector indicating the velocity of the moving object in the reference model.
  • x t is a vector representing the position of the moving body (reference moving body) in the motion prediction model.
  • x t' is a vector representing the velocity of the moving object in the motion prediction model.
  • a b , B b , At t , and B t all represent a matrix for describing the equation of motion.
  • u b is a vector representing the manipulated variable in the reference model.
  • u t represents the manipulated variable in the motion prediction model.
  • the " T " in the appendix represents the transpose of a matrix or vector.
  • Q and R are constant matrices and function as hyperparameters for determining how to evaluate the motion of the moving body 1.
  • the designer of the motion control device 2 determines in advance the values of Q and R (for example, at the time of designing the motion control device 2) according to the dynamic characteristics required for the moving body 1.
  • a new state variable (variable representing the motion of the moving body) x ⁇ is defined as in Eq. (14).
  • the manipulated variable correction unit 22 can determine the manipulated variable u to input J of the equation (19) based on the equation (15) using a normal optimum control framework.
  • the operation amount correction unit 22 outputs the operation amount calculated in step S111 to the drive unit 23 to control the movement of the moving body 1.
  • the operation amount correction unit 22 holds the operation amount and time output to the drive unit 23 in the data holding unit 21.
  • the manipulated variable held here is read out by the parameter value determining unit 24 in step S101 of FIG. 3 and used for updating the next parameter value.
  • the effect obtained in the first embodiment will be described.
  • the parameter value determining unit 24 updates the motion prediction model of the current controlled object
  • the motion of the controlled object such as the load capacity of the controlled object (moving body) and the road surface condition changes from time to time.
  • the characteristics can be predicted.
  • the manipulated variable correction unit 22 can bring the dynamic characteristics of the controlled object closer to the dynamic characteristics of the reference model.
  • the functions of the parameter value determination unit 24 and the operation amount correction unit 22 are not effective only for a specific target, and this embodiment can be generally applied to a device having a drive unit.
  • the operation amount acquisition unit 20 acquires the operation amount for the moving body 1.
  • the state acquisition unit 25 acquires motion data indicating the motion state of the moving body 1.
  • the parameter value determination unit 24 determines the parameter value of the motion prediction model based on the motion data, which outputs the predicted motion data indicating the motion predicted to occur in the moving body 1 in response to the input of the operation amount to the moving body 1. decide.
  • the operation amount correction unit 22 corrects the operation amount acquired by the operation amount acquisition unit 20 based on the parameter value determined by the parameter value determination unit 24.
  • the motion control device 2 it is possible to predict the motion even when the motion prediction model representing the motion of the moving body 1 has parameters such as different environments and load capacity that change the value. Then, the operation amount correction unit 22 corrects the operation amount, so that the movement of the moving body 1 can be brought closer to the movement indicated by the reference model. According to the motion control device 2, the motion of the moving body 1 approaches the motion indicated by the reference model, so that the operator operates the moving body 1 with a certain feeling even if the environment or the load capacity changes. It is possible to reduce the difficulty of operation and the feeling of strangeness.
  • the motion control device 2 it is possible to reduce the difference in the dynamic characteristics of the moving body in addition to the difference in the dynamic characteristics between when the towing vehicle is a single vehicle and when the towed vehicle is connected. Further, the framework of determining the parameter value of the motion prediction model is generally applicable to a device having a drive unit. In this respect, according to the motion control device 2, the dynamic characteristics of various types of devices having a drive unit can be brought close to the dynamic characteristics of the reference model.
  • the manipulated variable correction unit 22 has the manipulated variable acquired by the manipulated variable acquisition unit 20 into a composite function using the inverse function of the function representing the motion prediction model, the function representing the reference model, and the parameter values of the motion prediction model. Is input to calculate the corrected operation amount.
  • the reference model is a model that receives an input of a manipulated variable and outputs motion data indicating a reference motion.
  • the operation amount correction process is obtained in the form of a function, and the operation amount can be corrected by inputting the operation amount to this function, and the corrected operation amount is calculated in real time.
  • the processing load of the operation amount correction unit 22 for correcting the operation amount is relatively light.
  • the operation amount correction unit 22 uses the motion prediction model to select one of a plurality of corrected operation amount candidates obtained by performing different corrections on the operation amount acquired by the operation amount acquisition unit 20.
  • the reference model is selected using an evaluation index including an evaluation of the proximity of the motion output according to the input of the candidate of the above and the motion output according to the input of the manipulated variable acquired by the manipulated variable acquisition unit 20. Adopted as the amount of operation after correction.
  • the motion control device 2 even if the correction amount cannot be uniquely calculated, such as when the inverse function of the function representing the motion prediction model cannot be calculated, or even if the correction amount cannot be uniquely calculated in real time, the movement is performed. The movement of the body 1 can be brought close to the movement indicated by the reference model.
  • the manipulated variable correction unit 22 calculates the partial differential of each element of the manipulated variable vector of the index value indicating the degree of difference between the motion prediction model and the reference model, and corrects based on the obtained partial differential. Calculate the value.
  • the manipulated variable correction unit 22 can determine the direction of correction (whether to increase or decrease each element of the manipulated variable) based on the result of partial differentiation, and the moving body 1 can be determined. Corrections can be made to bring the movement closer to the movement indicated by the reference model.
  • FIG. 6 shows a configuration example of the remote motion control device according to the second embodiment.
  • the mobile system 3 includes a remote control device 4 and a mobile 5.
  • the remote operation control device 4 is for visually recognizing the state of a memory 50 for holding data such as a program, a CPU 51 operated by program control, an accelerator 52 for performing an operation operation, a handle 53, a brake 54, and a moving body. It includes a monitor 55, a remote side device I / O 56 that controls communication of each device in the remote operation control device 4, and a remote side communication device 57 for communicating between the mobile body 5 and the remote operation control device 4.
  • the remote operation control device 4 corresponds to an example of an operation control device.
  • the mobile body 5 includes a mobile body-side communication device 58 for communicating with the mobile body 5 and the remote operation control device 4, a mobile body-side device I / O 59 for communicating with each device in the mobile body 5, and the mobile body 5. It includes an actuator 60 for driving, an acceleration sensor 61 for measuring the acceleration of the moving body 5, an encoder 62 for measuring the position and speed of the moving body, and a camera 63 for imaging to assist remote operation. Further, although not shown in the figure, there may be a plurality of moving bodies. In that case, the remote control side operates one moving body from among several moving bodies, and the operation amount acquisition unit 20 operates. The operation target is switched by.
  • FIG. 7 is a block diagram showing a functional configuration example of the remote control device 4.
  • the mobile system 3 includes a remote control device 4 and a mobile 5.
  • the remote operation control device 4 includes an operation amount acquisition unit 70, a data holding unit 71, a video display unit 72, an operation amount correction unit 73, a parameter value determination unit 74, a remote side transmission unit 75, and a remote side reception. Includes part 76.
  • the moving body 5 includes a moving body side receiving unit 77, a moving body side transmitting unit 78, a driving unit 79, a state acquisition unit 80, and an imaging unit 81.
  • the operation amount acquisition unit 70 includes the accelerator 52, the handle 53, and the brake 54 of FIG. 6, and accepts the operation of the operator.
  • the operation amount acquisition unit 70 corresponds to the operation amount acquisition unit 20 (FIG. 2). Further, the operation amount acquisition unit 70 corresponds to an example of the operation amount acquisition means.
  • the data holding unit 71 corresponds to the memory 50 and stores various data.
  • the data holding unit 71 corresponds to the data holding unit 21.
  • the operation amount correction unit 73 and the parameter value determination unit 74 both operate when the CPU 51 executes a program on the memory 50.
  • the parameter value determination unit 74 corresponds to the parameter value determination unit 24 and determines the parameter value of the motion prediction model based on the motion data.
  • the parameter value determination unit 74 corresponds to an example of the parameter value determination means.
  • the operation amount correction unit 73 corresponds to the operation amount correction unit 22, and corrects the operation amount acquired by the operation amount acquisition unit 70 based on the parameter value determined by the parameter value determination unit 74.
  • the operation amount correction unit 73 corresponds to an example of the operation amount correction means.
  • the image display unit 72 is configured by using the monitor 55, and displays an image around the moving body 5 taken by the camera 63.
  • the remote-side transmitting unit 75 and the remote-side receiving unit 76 are configured by using the remote-side communication device 57.
  • the moving body side transmitting unit 78 and the moving body side receiving unit 77 are configured by using the moving body side communication device 58.
  • Various data are transmitted and received between the remote side transmitting unit 75 and the moving body side receiving unit 77.
  • Various data are transmitted and received between the moving body side transmitting unit 78 and the remote side receiving unit 76.
  • the drive unit 79 is configured by using the actuator 60, and drives the moving body 5 based on the operation amount after correction by the operation amount correction unit 73.
  • the drive unit 79 corresponds to the drive unit 23.
  • the state acquisition unit 80 is configured by using the encoder 62 and the acceleration sensor 61.
  • the state acquisition unit 80 corresponds to the state acquisition unit 25 and acquires exercise data.
  • the state acquisition unit 80 corresponds to an example of a state acquisition means.
  • the image pickup unit 81 is configured by using the camera 63, and captures an image of the surroundings of the moving body 5. For example, the imaging unit 81 captures an image when the moving body 5 looks around the moving body 5.
  • the difference between the second embodiment and the first embodiment is that the operator performs the operation while viewing the image captured by the imaging unit 81 on the image display unit 72.
  • the transmission / reception of the image and the transmission / reception of the manipulated variable and the state variable are performed by the remote side transmitting unit 75 and the moving body side transmitting unit 78, and the remote side receiving unit 76 and the moving body side receiving unit 77.
  • the operation of the operation amount correction unit 73 and the parameter value determination unit 74 is the same as that of the first embodiment except that the state variable received from the moving body side is used.
  • the second embodiment is the same as the case of the first embodiment except for these points.
  • the remote control device 4 is used to communicate with the remote transmission unit 75 and the mobile reception unit 77, and the communication between the mobile transmission unit 78 and the remote reception unit 76. It is possible to remotely control 5.
  • the parameter value determination unit 74 updates the parameter value of the motion prediction model of the moving body 5 which is the current control target, the motion prediction representing the motion of the moving body 5 is performed. It is possible to predict motion even when the model has parameters that change values such as different environments and load capacity.
  • the dynamic characteristic of the moving body 5 to be controlled can be brought closer to the dynamic characteristic indicated by the reference model. For example, when the control target is switched between a plurality of vehicles, this effect becomes larger, and when the operation is switched to a vehicle having a different load capacity or a vehicle of a different type, the operator due to the difference in dynamic characteristics It is possible to reduce the difficulty of operation and the feeling of strangeness.
  • FIG. 8 is a diagram illustrating a configuration example of the remote operation system according to the third embodiment.
  • the remote operation system 6 in the third embodiment includes a computer 200, operating equipment 201, and communication equipment 202.
  • the computer 200 includes a part of the operation amount acquisition unit 70 of FIG. 7 (a part other than the accelerator 52, the handle 53, and the brake 54 (a part that performs processing)), a data holding unit 71, an image display unit 72, and the like.
  • the operation amount correction unit 73 is included.
  • the operation equipment 201 includes a part of the operation amount acquisition unit 70 (accelerator 52, handle 53, and brake 54) of FIG. 7.
  • Communication equipment 202 includes a remote side transmitting unit 75 and a remote side receiving unit 76.
  • the communication equipment 202 communicates with each of the first automobile 203, the second automobile 204, and the third automobile 205.
  • the first automobile 203, the second automobile 204, and the third automobile 205 each include a moving body side receiving unit 77, a moving body side transmitting unit 78, a driving unit 79, a state acquisition unit 80, and an imaging unit 81 in FIG. 7, respectively. I'm out.
  • the first vehicle 203, the second vehicle 204, and the third vehicle 205 are self-driving vehicles that are normally driven autonomously, and are monitoring / operators who may drive remotely. Monitors the operation (autonomous driving) of these vehicles. While not driving remotely, the first vehicle 203, the second vehicle 204, and the third vehicle 205 continue to send motion data to the data holding unit 71 in the computer 200, and the computer 200 functions as the parameter value determining unit 74. Is executed to update the parameter value continuously or repeatedly.
  • the computer 200 functions as the operation amount correction unit 73 for the first automobile 203 and is updated. Correct the operation amount using the parameter value. As a result, the dynamic characteristics of the first automobile 203 are corrected so as to be close to the dynamic characteristics shown by the reference model, and the monitoring / operator can drive relatively easily.
  • the monitoring / operator changes the operation target from the first vehicle 203 to the second vehicle 204 or the third vehicle 205 of a different vehicle type
  • the motion data of the second vehicle 204 and the third vehicle 205 are acquired and retained. Since the parameters have been updated, the computer 200 corrects the operation amount so that the dynamic characteristics of the vehicle to be operated have the dynamic characteristics close to the dynamic characteristics shown by the reference model.
  • the remote control system 6 the monitoring / operator can perform remote control without being aware of changes in dynamic characteristics even when switching the operation target, and in this respect, the effect of facilitating remote control is achieved. Obtainable.
  • FIG. 9 shows a configuration example of the motion control device according to the fourth embodiment.
  • the motion control device 300 includes an operation amount acquisition unit 301, an exercise data acquisition unit 302, a parameter value determination unit 303, and an operation amount correction unit 304.
  • the operation amount acquisition unit 301 acquires the operation amount for the moving body.
  • the motion data acquisition unit 302 acquires motion data indicating the motion state of the moving body.
  • the parameter value determination unit 303 determines the parameter value of the motion prediction model that outputs the predicted motion data indicating the motion predicted to occur in the moving body in response to the input of the operation amount to the moving body, based on the motion data. ..
  • the operation amount correction unit 304 corrects the operation amount acquired by the operation amount acquisition unit 301 based on the parameter value determined by the parameter value determination unit 303.
  • the motion control device 300 it is possible to predict the motion even when the motion prediction model representing the motion of the moving body has parameters such as different environments and load capacity that change the value. Then, the operation amount correction unit 304 corrects the operation amount, so that the movement of the moving body can be brought closer to the movement indicated by the reference model (the model showing the reference movement). According to the motion control device 300, the motion of the moving body approaches the motion indicated by the reference model, so that the operator can operate the moving body with a certain feeling even if the environment or the load capacity changes. , Difficulty of operation and discomfort can be reduced.
  • the motion control device 300 it is possible to reduce the difference in the dynamic characteristics of the moving body in addition to the difference in the dynamic characteristics between when the towing vehicle is a single vehicle and when the towed vehicle is connected. Further, the framework of determining the parameter value of the motion prediction model is generally applicable to a device having a drive unit. In this respect, according to the motion control device 300, the dynamic characteristics of various types of devices having a drive unit can be brought close to the dynamic characteristics of the reference model.
  • FIG. 10 shows an example of a procedure for processing the motion control method according to the fifth embodiment.
  • the process shown in FIG. 10 includes an operation amount acquisition step (step S301), an exercise data acquisition step (step S302), a parameter value determination step (step S303), and an operation amount correction step (step S304).
  • step S301 the operation amount for the moving body is acquired.
  • step S302 motion data indicating the motion state of the moving body is acquired.
  • step S303 the parameter value of the motion prediction model that outputs the motion of the moving body in response to the input of the manipulated variable for the moving body is determined based on the motion data.
  • step S304 the acquired operation amount is corrected based on the determined parameter value.
  • the process of FIG. 10 it is possible to predict the motion even when the motion prediction model representing the motion of the moving object has parameters such as different environments and load capacity that change the value. Then, by correcting the manipulated variable in the manipulated variable correction step, the motion of the moving body can be brought closer to the motion indicated by the reference model (model showing the reference motion). According to the process of FIG. 10, the movement of the moving body approaches the movement shown by the reference model, so that the operator can operate the moving body with a certain feeling even if the environment or the load capacity changes. , Difficulty of operation and discomfort can be reduced.
  • the framework of determining the parameter value of the motion prediction model is generally applicable to a device having a drive unit.
  • the dynamic characteristics of various types of devices having a drive unit can be brought close to the dynamic characteristics of the reference model.
  • control target is a moving body
  • control target is not limited to the moving body in any of the embodiments.
  • the control target may be a robot arm.
  • the robot arm in this case may be one that is automatically controlled or semi-automatically controlled, or one that is manually operated.
  • FIG. 11 is a schematic block diagram showing the configuration of a computer according to at least one embodiment.
  • the computer 700 includes a CPU (Central Processing Unit) 710, a main storage device 720, an auxiliary storage device 730, and an interface 740.
  • CPU Central Processing Unit
  • any one or more of the above-mentioned motion control device 2 and remote control device 4 may be mounted on the computer 700.
  • the operation of each of the above-mentioned processing units is stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads the program from the auxiliary storage device 730, expands it to the main storage device 720, and executes the above processing according to the program. Further, the CPU 710 secures a storage area corresponding to each of the above-mentioned storage units in the main storage device 720 according to the program.
  • the operations of the operation amount correction unit 22 and the parameter value determination unit 24 are stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads a program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the operation of each unit according to the program.
  • the CPU 710 secures a storage area corresponding to the data holding unit 21 in the main storage device 720.
  • Data acquisition by the operation amount acquisition unit 20 and the state acquisition unit 25 is executed by the interface 740 having a communication function and communicating with another device according to the control of the CPU 710.
  • the operations of the operation amount correction unit 22 and the parameter value determination unit 24 are stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads a program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the operation of each unit according to the program.
  • the CPU 710 secures a storage area corresponding to the data holding unit 21 in the main storage device 720.
  • Data acquisition by the operation amount acquisition unit 20 and the state acquisition unit 25 is executed by the interface 740 having a communication function and communicating with another device according to the control of the CPU 710.
  • a program for realizing all or a part of the functions of the motion control device 2 and the remote operation control device 4 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read into the computer system. The processing of each part may be performed by executing.
  • the term "computer system” as used herein includes hardware such as an OS (operating system) and peripheral devices.
  • "Computer readable recording medium” includes flexible disks, magneto-optical disks, portable media such as ROM (Read Only Memory) and CD-ROM (Compact Disc Read Only Memory), hard disks built into computer systems, and the like.
  • a storage device includes flexible disks, magneto-optical disks, portable media such as ROM (Read Only Memory) and CD-ROM (Compact Disc Read Only Memory), hard disks built into computer systems, and the like.
  • the above-mentioned program may be a program for realizing a part of the above-mentioned functions, and may be a program for realizing the above-mentioned
  • the present invention may be applied to a motion control device, a motion control method, and a recording medium.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Feedback Control In General (AREA)

Abstract

運動制御装置が、制御対象に対する操作量を取得する操作量取得手段と、前記制御対象の運動状態を示す運動データを取得する運動データ取得手段と、前記制御対象に対する操作量の入力に応じて前記制御対象に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、前記運動データに基づいて決定するパラメタ値決定手段と、前記パラメタ値決定手段が決定したパラメタ値に基づいて、前記操作量取得手段が取得した操作量を補正する操作量補正手段と、を備える。

Description

運動制御装置、運動制御方法および記録媒体
　本発明は、運動制御装置、運動制御方法および記録媒体に関する。
　車両の動特性の変化の軽減に関連して、特許文献１には、牽引車（トラクタ）が被牽引車（トレーラ）を牽引するときの動特性を単車時の動特性に近づけるための牽引車挙動制御装置が記載されている。この牽引車挙動制御装置は、牽引車が被牽引車と連結状態にあるときに、牽引車が単車状態の場合の動特性を予測する。連結車（牽引車と被牽引車が連結された車両）の動特性が予測された単車の動特性から乖離している場合、牽引車挙動制御装置は、連結車の動特性を単車の動特性に近づけるように駆動部を制御する。
日本国特開２０１９―８９４２８号公報
　例えば、天候や道路の舗装、風などの環境によって変化してしまう動特性、荷物の積載量など車両の状態による動特性の違いなど、牽引車が単車のときと被牽引車が連結されているときとの動特性の違い以外にも、車両などの移動体の動特性の違いを軽減できることが好ましい。
　本発明の目的の一例は、上述した課題を解決できるような運動制御装置を提供することにある。
　本発明の第一の態様によれば、運動制御装置は、制御対象に対する操作量（operation input value）を取得する操作量取得手段と、前記制御対象の運動状態（state of movement）を示す運動データを取得する運動データ取得手段と、前記制御対象に対する操作量の入力に応じて前記制御対象に生じることが予測される運動（movement）を示す予測運動データを出力する運動予測モデルのパラメタ値を、前記運動データに基づいて決定するパラメタ値決定手段と、前記パラメタ値決定手段が決定したパラメタ値に基づいて、前記操作量取得手段が取得した操作量を補正する操作量補正手段と、を備える。
　本発明の第二の態様によれば、運動制御方法は、制御対象に対する操作量を取得し、前記制御対象の運動状態を示す運動データを取得し、前記制御対象に対する操作量の入力に応じて前記制御対象の運動を示す運動データを出力する運動予測モデルのパラメタ値を前記運動データに基づいて決定し、決定したパラメタ値に基づいて、取得した操作量を補正する、ことを含む。
　本発明の第三の態様によれば、記録媒体は、コンピュータに、制御対象に対する操作量を取得し、前記制御対象の運動を示す運動データを取得し、前記制御対象に対する操作量の入力に応じて前記制御対象の運動を示す運動データを出力する運動予測モデルのパラメタ値を前記運動データに基づいて決定し、決定したパラメタ値に基づいて、取得した操作量を補正する、ことを実行させるためのプログラムを記憶する。
　本発明の実施形態によれば、牽引車が単車のときと被牽引車が連結されているときとの動特性の違い以外にも、移動体の動特性の違いを軽減できる。
第１の実施の形態における運動制御装置の構成例を示す図である。 第１の実施の形態における運動制御装置の機能構成例を示すブロック図である。 第１の実施の形態における運動制御装置中であるパラメタ値決定部の動作（work）の具体例を示す図である。 第１の実施の形態における運動制御装置中である操作量補正部の動作の具体例を示す図である。 第１の実施の形態における操作量補正部が行う補正の例を示す図である。 第２の実施の形態における遠隔運動制御装置の構成例を示す図である。 第２の実施の形態における遠隔運動制御装置の機能構成例を示すブロック図である。 第３の実施の形態における遠隔運転システムの構成を示す図である。 第４の実施の形態における運動制御装置の構成例を示す図である。 第５の実施の形態における運動制御方法の処理の手順の例を示す図である。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
　以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
［第１の実施の形態］
［構成の説明］
　第１の実施の形態では、移動体が操作者によって操作される場合について説明する。移動体の操作者は、移動体の運動を制御するための操作を行う者である。例えば、移動体が自動車である場合、自動車の運転手が操作者に該当する。ここでいう運動は、動くことという意味と、止まることという意味とを含む、これらの上位概念である。
　第１の実施の形態における移動体は、搭乗者がいる移動体でもよいし、移動体の外部にいる操作者によって操作されるような移動体でもよい。移動体の外部にいる操作者を監視者とも呼称する。
　図１は、第１の実施の形態における移動体の構成例を示す。
　図１を参照すると、第１の実施の形態における移動体１は、運動制御装置２と、アクチュエータ１４とを含む。運動制御装置２は、移動体１の操作を行うためのコントローラ１０と、プログラム等のデータを保持するためのメモリ１１と、プログラム制御により動作するＣＰＵ（中央処理装置）１２と、装置間の通信（図１の各部の間の通信）を仲介する装置Ｉ／Ｏ（Input / Output）１３と、加速度センサ１５と、エンコーダ１６とを含む。
　ここでいう移動体は、例えば自動車、鉄道車両、航空機、船舶、無人搬送台車など、移動し、かつ、移動を制御可能なものである。
　コントローラ１０は、移動体１に対する操作量を示す信号を出力する。コントローラ１０が、操作者による操作（manual operation by an operator）を受け付けて、行われた操作に応じた操作量を出力するようにしてもよい。例えば、移動体１が自動車である場合、コントローラ１０が、ハンドル、アクセルペダルおよびブレーキペダル等を備えて運転手である操作者による運転操作を受け付け、行われた操作における操作量を示す信号を出力するようにしてもよい。
　あるいは、コントローラ１０が、自動運転による操作量を算出し、算出した操作量を示す信号を出力するようにしてもよい。
　アクチュエータ１４は、運動制御装置２が出力する操作量に従って移動体１を駆動する。例えば、移動体１が自動車である場合、アクチュエータ１４が、エンジン、操舵装置（ステアリング機構）およびブレーキを含み、コントローラ１０からの信号に従って移動体１を運動させるようにしてもよい。
　運動制御装置２が出力する操作量は、アクチュエータ１４に対する制御指令値と見做すことができる。したがって、運動制御装置２は、アクチュエータ１４に操作量を出力することでアクチュエータ１４の運動を制御し、これによって移動体１の運動を制御するといえる。
　加速度センサ１５は、移動体１の加速度を測定する。例えば、加速度センサ１５が、移動体１に設けられた３軸加速度センサを用いて構成され、各軸における加速度を測定するようにしてもよい。
　エンコーダ１６は、移動体１の移動量を測定する。例えば、移動体１が自動車である場合、エンコーダ１６が、タイヤの回転量（タイヤが回転した回数）を測定して移動体１の移動距離に換算するようにしてもよい。
　図２は、移動体１の機能構成例を示すブロック図である。
　図２に示す構成で、移動体１は、運動制御装置２と、駆動部２３とを含む。運動制御装置２は、操作量取得部２０と、データ保持部２１と、操作量補正部２２と、パラメタ値決定部２４と、状態取得部２５とを含む。
　操作量取得部２０はコントローラ１０に対応し、駆動部２３はアクチュエータ１４に対応し、データ保持部２１はメモリ１１に対応し、加速度センサ１５とエンコーダ１６は状態取得部２５に対応する。エンコーダ１６による移動量と加速度から、位置、速度、加速度、角速度、および、角度を推定することができる。
　加速度センサ１５とエンコーダ１６によって得られたサンプリング時刻毎の移動体１の位置、速度、および、加速度と、サンプリング時刻とが関連付けられたデータを運動データと呼称する。したがって、運動データは、移動体１の運動を示すデータである。運動データと、操作量取得部２０が取得した操作量をサンプリング時刻毎に示すデータとを組み合わせたデータを操作応答データと呼称する。
　ここで、ある時刻（例えば、あるサンプリング時刻）における移動体１の位置、速度、および、加速度は、その時刻における移動体１の運動状態を示す。運動データは、上記のように運動を示すデータであるとともに、運動状態を示すデータでもある。
　移動体１が備える図１の装置間の通信を行う装置Ｉ／Ｏ１３は、図２の各部の通信（データの入出力）を制御している。操作量補正部２２とパラメタ値決定部２４はメモリ１１上にあるプログラムによってＣＰＵ１２が動作することによって機能する。
　操作量取得部２０は、移動体１に対する操作量を取得する。操作量取得部２０は、操作量取得手段の例に該当する。
　状態取得部２５は、運動データを取得する。状態取得部２５は、運動データ取得手段の例に該当する。
　パラメタ値決定部２４は、運動予測モデルのパラメタ値を運動データに基づいて決定する。パラメタ値決定部２４は、パラメタ値決定手段の例に該当する。
　運動予測モデルとは、パラメタ値の設定、および、移動体１に対する操作量の入力に応じて、パラメタ値が示す条件下で、操作量に応じて移動体１が行う運動を予測し、予測した運動を示す予測運動データを出力するモデルである。例えば、運動予測モデルは、相対時刻t、位置および／または速度を含む状態変数の組x(t) 、tにおける（操作による）入力量の組u(t)の履歴、パラメタの組aを含む関数fを用いて、ｘを予測することができる関係式であってもよい。
　運動予測モデルが出力する運動データを予測運動データとも称する。
　また、運動予測モデル中の連続的な自由度であるパラメタの組aを実行時に更新することで、連続的に変化する車両の状態や環境に対応することができる。
　このような運動予測モデルの一例としては、パラメタを含んだ運動方程式や、系の現在の状態と、受けた操作量からステップ時間Δt後の系の状態を予測する機械学習モデルなどが挙げられる。
　操作量補正部２２は、パラメタ値決定部２４が決定したパラメタ値に基づいて、操作量取得部２０が取得した操作量を補正する。操作量補正部２２は、操作量補正手段の例に該当する。
　データ保持部２１は、各種データを保持する。特にデータ保持部２１は、操作応答データを記憶する。また、データ保持部２１は、運動予測モデル、および、基準モデルを記憶する。また、データ保持部２１は、パラメタ値決定部２４が決定したパラメタ値（運動予測モデルのパラメタ値）、および、基準モデルのパラメタ値を記憶する。
　基準モデルとは、移動体１の制御の目標となる運動を算出し出力する、特定の運動予測モデルである。基準モデルでは、運動予測モデルにおけるパラメタ値が一定の値に固定されていてもよい。すなわち、基準モデルが、一定の条件下での移動体の運動を示すモデルとして構成されていてもよい。
　駆動部２３は、アクチュエータ１４（図１）によって移動体１を駆動する。
［動作の説明］
　前記の通りメモリ１１は、パラメタ値決定部２４の機能と操作量補正部２２の機能を実行するためのプログラムを保持している。また、メモリ１１はそのほかに、基準モデルのパラメタおよび運動予測モデルの初期パラメタを予め（運動制御装置２の動作開始時までに）保持している。
　実施の形態において使用される運動予測モデルと、使用される基準モデルのベースとなる運動予測モデルは、同一でなくてもよい。例えば、運動制御装置２が、運転対象の第一自動車の運動予測モデルと、第一自動車とは異なる第二自動車の基準モデルを用いて、第二自動車を運転する場合と同じ感覚で第一自動車を運転できるように、第一自動車に対する操作量を補正するようにしてもよい。
　運動制御装置２の機能部はそれぞれ概略つぎのように動作する。
　移動体１が操作される際に、操作量取得部２０が取得した操作量と、状態取得部２５によって得られた位置、速度、加速度および時刻の情報とを関連付けたデータ（上記の操作応答データ）を、状態取得部２５がデータ保持部２１に保持する。決められたデータ量の操作応答データが溜まることで、パラメタ値決定部２４の動作が開始する。
　パラメタ値決定部２４の動作を図３のフローチャートを用いて詳細に説明する。
　ステップＳ１００は決められたデータ量の操作応答データが溜まるまでの処理ステップである。ステップＳ１００では、パラメタ値決定部２４は、パラメタに関する処理は別段行わずに、決められたデータ量の操作応答データが溜まるのを待ち受ける。決められたデータ量の操作応答データが溜まると、処理が、運動データと操作量の読み出し（ステップＳ１０１）に移行する。
　ステップＳ１０１では、パラメタ値決定部２４が、メモリ１１上にためられた運動データと操作量の組（上記の操作応答データ）を読み出す。これにより、パラメタ値決定部２４は、操作応答データを利用可能になる。
　次に、ステップＳ１０２では、パラメタ値決定部２４は、読み出したデータを用いて運動予測モデルのパラメタ値の更新を行う。ここでは、運動予測モデルが下記の式（１）のような運動方程式（１次元線形常微分方程式）であった場合を例に説明する。
Figure JPOXMLDOC01-appb-M000001
　ここで、xは（時刻tにおける）移動体１の位置、mは移動体１の総重量、dは速度に比例する抵抗の係数、u(t)は時刻tにおける操作量、g(u)は操作量uの操作が行われたときに移動体１にかかる力を表す関数である。プライム記号「’」はその変数の時間微分であることを表す。
　式（１）の例では、mおよびdが運動予測モデルのパラメタの例に該当する。運動予測モデルを表す関数gは、これらのパラメタの値を反映した関数として定義される。
　ここで、gを適当な関数で展開し、運動方程式に対する操作量uの影響をパラメタで記述する。一例としてgを多項式展開すると、式（２）が得られる。
Figure JPOXMLDOC01-appb-M000002
　iを正の整数として、aiuiは、gを多項式展開した場合の項を示す。aiは係数（定数）であり、uiは、操作量uのｉ乗を示す。
　式（２）の場合はai/mおよびd/mがパラメタとなる。ここでの「/m」は、移動体１の総重量mでの除算を示す。式（１）および式（２）による計算モデルを用いる際に、ai、d、mそれぞれの値を定める必要は無く、ai/mおよびd/mの値が決まればよいことから、ai/mおよびd/mをパラメタとして扱う。
　簡単のため、パラメタがa1/mおよびd/mのみの場合（すなわち、ｉ＝１のみの場合）を考える。この場合のa1/mをa/mとも表記する。
　パラメタ値決定部２４が読み出した操作応答データの組の一つを(xj, x'j, x''j, t, uj)と記述すると、これらのデータから、式（３）を得られる。
Figure JPOXMLDOC01-appb-M000003
　データの組１つに対して式が１つ得られるので、パラメタ値決定部２４は、最小二乗法などのパラメタ推定法を使うことによってd/mおよびa/mのパラメタ値を決定することができる。上記では簡単のために、a/mおよびd/mのみがパラメタの場合を考えたが、パラメタの数が多くなっても、用いるデータの組の数を増やせば、パラメタ値決定部２４がパラメタ値を決定することができる。
　また、運動予測モデルは機械学習手法のような、より複雑な手法で構成されていてもよい。この場合、パラメタ値決定部２４は、勾配降下法などによって逐次的にパラメタ値を更新することができる。
　運動予測モデルのパラメタ値の更新が終わると、ステップＳ１０３で、パラメタ値決定部２４は、更新された予測モデルのパラメタ値をデータ保持部２１に保存する。
　ステップＳ１０４で、パラメタ値決定部２４は終了条件の判定を行う。終了条件を満たさないとパラメタ値決定部２４が判定した場合（ステップＳ１０４：ＮＯ）、処理がステップＳ１００へ戻る。この場合、パラメタ値決定部２４は、新たなデータがたまり次第、ステップＳ１０１以降の処理を繰り返す。
　一方、ステップＳ１０４で、終了条件を満たすと判定した場合（ステップＳ１０４：ＹＥＳ）、パラメタ値決定部２４は、図３の処理を終了する。
　次に、操作量補正部２２の動作について図４のフローチャートを用いて詳細に説明する。ステップＳ１１０では、操作量補正部２２は、操作量取得部２０が操作者による操作を受けた操作量を取得する。ステップＳ１１１では、操作量補正部２２は、データ保持部２１が保持する運動予測モデルのパラメタ（初期パラメタまたはパラメタ値決定部２４によって更新されたもの）を用いて補正後の操作量を算出する。
　ここでは、運動予測モデルが上記の式（１）のような線形常微分方程式であった場合を例に説明する。
　基準モデルの運動方程式を式（４）とする。
Figure JPOXMLDOC01-appb-M000004
　m0は、基準モデルが運動を算出する対象の移動体の総重量を示す。基準モデルが運動を算出する対象の移動体を基準の移動体と称する。d0は、基準の移動体における、速度に比例する抵抗の係数を示す。f(u)は、操作量uの操作が行われたときに基準の移動体にかかる力を表す関数である。
　ここで、式（１）における関数gについて、「Y=g(X)/m」の関数形が分かるので、関数gの逆関数g-1：X=g-1(m×Y)も、ニュートン法などの方法で計算することができる。逆関数g-1を用いて、式（１）の系において操作量u(t)を式（５）のように補正して入力することを考えると、式（１）に補正した操作量を代入した式から、式（４）が導かれる。
Figure JPOXMLDOC01-appb-M000005
　具体的には、式（５）を式（１）のu(t)に代入すると、式（６）のようになる。
Figure JPOXMLDOC01-appb-M000006
　式（６）を変形して、式（７）を得られる。
Figure JPOXMLDOC01-appb-M000007
 　式（７）の両辺にm0/mをかけて整理すると式（８）となり、式（４）と同じ形の微分方程式が得られる。
Figure JPOXMLDOC01-appb-M000008
　これは、操作量の補正によって、式（１）の系の動特性が式（４）の系と等しくなったことを意味するので、上記の式（５）のように操作量を補正すれば、運動予測モデルと基準モデルとのパラメタ値の違いを吸収して、運動予測モデルが示す見かけ上の動特性を、基準モデルが示す動特性と等しくできることがわかる。ここでいう運動予測モデルが示す見かけ上の動特性は、補正前の操作量に対して、操作量の補正と運動予測モデルの組み合わせが示す動特性である。
　式（５）のmの値およびdの値が、運動予測モデルのパラメタ値の例に該当する。式（５）のm0の値およびd0の値が、基準モデルのパラメタ値の例に該当する。
　運動予測モデルが移動体１の動特性を示している場合、操作量補正部２２が、移動体１に対する操作量を上記の式（５）ように補正することで、移動体１の運動を、補正前の操作量に対する基準の移動体の運動と同様にすることができる。これにより、操作者は、基準の移動体を操作する場合と同様の感覚で、移動体１を操作することができる。
　この場合の基準の移動体は、移動体１とは異なる移動体であってもよい。あるいは、この場合の基準の移動体は、例えば移動体１の積載荷重が変化した場合など、操作実行時とは異なる条件における移動体１であってもよい。
　操作量の補正の例として、「d0/m0= 0.0007[1/s] 、f(u)/m0= 1u [m/s/s]、d/m=0.0006[m/s] 、g(u)/m=1.5u2[m/s/s]」の場合の、操作量uの補正について説明する。この場合、数４より、操作量uを式（９）のように補正すればよい。
Figure JPOXMLDOC01-appb-M000009
　現在の速度x’が0[m/s]のときの操作量の変換（操作量の補正）は、図５のようになる。
　図５は、操作量補正部２２が行う補正の例を示す。図５のグラフの横軸は、補正前の操作量を示す。縦軸は、補正後の操作量を示す。図５は、uの値を横軸にとり、√(u/1.5)の値を縦軸にとった場合のグラフを示している。√(u/1.5)の値は、x'=0の場合の、式（９）による計算値である。
　また、式（４）のように、g(u)およびf(u)がuに対して線形の場合、すなわち基準モデルが式（１０）のような場合には、逆関数g-1を簡単に表記できる。
Figure JPOXMLDOC01-appb-M000010
　m0、d0、a0の何れも定数として扱われる。これらの定数の値は、例えば運動制御装置２の設計者が、基準モデルに想定する移動体、および、例えば移動体が自動車である場合の路面の状態など基準モデルに想定する動作環境に応じて予め（例えば、運動制御装置２の設計時に）決定する。
　基準モデルが式（１０）のように表される場合、補正後の操作量は、式（５）中のgの逆関数g-1を単に1/aとして、下記式（１１）のように算出できる。
Figure JPOXMLDOC01-appb-M000011

　式（１１）で、a/m、d/mがそれぞれパラメタとして扱われる。一方、m0、d0、a0については、上記のように定数として値が固定される。
　運動予測モデルが上記のような簡単な運動方程式では表されない場合には、操作量補正部２２が、補正後の操作量の候補を複数用意しておき、何れか１つの候補を選択するようにしてもよい。
　例えば、操作量取得部２０が取得した操作量がuのとき、操作量補正部２２が、補正後の操作量の候補として、u±Δu, u±2Δu, ... を算出するようにしてもよい。ここでは、Δuは、補正量の差分として予め（あるいはuの値に応じて）定められた定数である。
　そして、操作量補正部２２が、u±Δu、u±2Δu、 ... の操作量のうち、運動予測モデルに入力した際の一定時刻後の状態が基準モデルに操作量uを入力した場合の一定時刻後の状態と、評価指標Dの意味で最も近いものを採用してもよい。評価指標Dの具体例として通常の距離である位置同士の距離や、各成分の重み付き２乗和の平方根などが利用できる。
　あるいは、操作量補正部２２が、上記u±Δu, u±2Δu, ... の操作量のうち、運動予測モデルに入力した際の現在から一定時刻後までの運動データの組（運動の履歴）と、基準モデルに操作量uを入力した際の現在から一定時刻後までの運動データの組との近さを測る評価関数kの意味で最も近いものを採用してもよい。評価関数kの具体例としては前記Dを時間ごとに足し合わせたときの値を返り値とするような関数が利用できる。
　あるいは、評価指標として、運動の近さの評価だけでなく、例えば操作量の小ささ、あるいは消費エネルギーの小ささなど、運動の近さ以外の評価も含む評価指標を用いるようにしてもよい。
　また、基準モデルが「x(t+dt)=f(x(t),u)」、運動予測モデルが「x(t+dt)=g(a,x(t),u)」と表されている場合には、操作量補正部２２が、|g(a,x(t),u)- f(x(t),u)|2の、ベクトルとしてのuの要素のそれぞれについての偏微分をとり、この指標が小さくなる方向へuを補正してもよい。ベクトルとしてのuを操作量ベクトルとも称する。
　他にも、基準モデルと運動予測モデルが下記式（１２）のように一般的な線形常微分方程式で表される場合には、操作量補正部２２が、基準モデルのふるまいに近づくように最適制御を行ってもよい。
Figure JPOXMLDOC01-appb-M000012
　xbは、基準モデルにおける移動体（基準の移動体）の位置を示すベクトルである。xb'は、基準モデルにおける移動体の速度を示すベクトルである。xtは、運動予測モデルにおける移動体（基準の移動体）の位置を表すベクトルである。xt'は、運動予測モデルにおける移動体の速度を表すベクトルである。
　Ab、Bb、At、Btは、いずれも運動方程式を記述するための行列を表す。ubは、基準モデルにおける操作量を表すベクトルである。utは、運動予測モデルにおける操作量を表す。
　いま、基準モデルにおける操作量はubを受けていることを考え、この操作量（ubおよびut）が続いたとき、運動予測モデルの挙動を基準モデルの挙動に近づけることを考える。
　上記の目的のため、Δx=xb-xtとおき、式（１３）の指標Ｊを最小化することを考える。
Figure JPOXMLDOC01-appb-M000013
　上付の「T」は、行列またはベクトルの転置を表す。Q、Rは、何れも定数行列であり、移動体１の運動の評価の仕方を定めるためのハイパーパラメタとして機能する。例えば運動制御装置２の設計者が、移動体１に求める動特性に応じてQおよびRの値を予め（例えば、運動制御装置２の設計時に）決めておく。
　移動体１の運動の制御を通常の最適制御の形に帰着するため、新たな状態変数（移動体の運動を表す変数）x^を式（１４）のように定義する。
Figure JPOXMLDOC01-appb-M000014
　すると、式（１２）の微分方程式は、基準モデルの操作量u固定の条件のもと、式（１５）のように書き直せる。
Figure JPOXMLDOC01-appb-M000015
　「[0]」は零行列を示す。「[0]h」は横ベクトルの０ベクトルを示す。「[0]v」は縦ベクトルの０ベクトルを示す。
　A^を式（１６）のようにおく。
Figure JPOXMLDOC01-appb-M000016
　B^を式（１７）のようにおく。
Figure JPOXMLDOC01-appb-M000017
　式（１５）のx^を用いて、Δxは、「Ｉ」を単位行列として式（１８）のようにあらわされる。
Figure JPOXMLDOC01-appb-M000018
　「-I」は、単位行列の「1」の要素を全て「-1」に置き換えた行列を示す。「(I -I [0])」は、単位行列Iと、行列-Iと、零行列[0]とを横並びに並べた行列を示す。
　(I -I [0])をSとおく。
　これによって、Ｊを式（１９）のように書き換えることができる。
Figure JPOXMLDOC01-appb-M000019
　したがって、操作量補正部２２は、式（１９）のＪを式（１５）のもと、通常の最適制御の枠組みを用いて入力する操作量uを決めることができる。
　次に、ステップＳ１１２では、操作量補正部２２は、ステップＳ１１１で算出された操作量を駆動部２３に出力し、移動体１の運動を制御する。次に、ステップＳ１１３では、操作量補正部２２は、駆動部２３に出力した操作量と時刻をデータ保持部２１に保持する。ここで保持された操作量は、図３のステップＳ１０１でパラメタ値決定部２４によって読み出され、次のパラメタ値の更新に利用される。
　[効果の説明] 
　次に、第１の実施の形態で得られる効果について説明する。
　第１の実施の形態では、パラメタ値決定部２４が現在の制御対象の運動予測モデルを更新するため、制御対象（移動体）の積載量や路面状況などその時々によって変わるような制御対象の動特性を予測できる。また、操作量補正部２２によって、制御対象の動特性を基準モデルの動特性に近づけることができる。また、パラメタ値決定部２４と操作量補正部２２の働きは、特定の対象に対してのみ有効なわけではなく、駆動部を有する装置一般にこの実施形態を適用することができる。
　以上のように、操作量取得部２０は、移動体１に対する操作量を取得する。状態取得部２５は、移動体１の運動状態を示す運動データを取得する。パラメタ値決定部２４は、移動体１に対する操作量の入力に応じて移動体１に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、運動データに基づいて決定する。操作量補正部２２は、パラメタ値決定部２４が決定したパラメタ値に基づいて、操作量取得部２０が取得した操作量を補正する。
　運動制御装置２によれば、移動体１の運動を表す運動予測モデルが、異なる環境下や積載量など値が変化するようなパラメタを持っている場合でも運動を予測することが可能である。そして、操作量補正部２２が操作量を補正することで、移動体１の運動を、基準モデルが示す運動に近づけることができる。運動制御装置２によれば、移動体１の運動が、基準モデルが示す運動に近づくことで、操作者は、環境または積載量が変化した場合でも、一定の感覚で移動体１を操作することができ、操作の難易度および違和感を軽減することができる。
　このように、運動制御装置２によれば、牽引車が単車のときと被牽引車が連結されているときとの動特性の違い以外にも、移動体の動特性の違いを軽減できる。
　また、運動予測モデルのパラメタ値を決定するという枠組みは、駆動部を有する装置に一般的に適用可能である。この点で、運動制御装置２によれば、駆動部を有するいろいろな種類の装置の動特性を、基準となるモデルの動特性に近づけることができる。
　また、操作量補正部２２は、運動予測モデルを表す関数の逆関数と、基準モデルを表す関数と、運動予測モデルのパラメタ値を用いた合成関数に、操作量取得部２０が取得した操作量を入力して、補正後の操作量を算出する。基準モデルは、操作量の入力を受けて基準となる運動を示す運動データを出力するモデルである。
　運動制御装置２によれば、操作量の補正の処理が関数の形式で得られ、この関数に操作量を入力することで操作量を補正できる点で、補正後の操作量をリアルタイムで算出することができると期待される。
　また、操作量補正部２２が操作量の補正を行う処理の負荷が比較的軽いと期待される。
　また、操作量補正部２２は、操作量取得部２０が取得した操作量に対して異なる補正を行った複数の補正後の操作量の候補のうち何れかを、運動予測モデルが、その操作量の候補の入力に応じて出力する運動と、基準モデルが、操作量取得部２０が取得した操作量の入力に応じて出力する運動との近さの評価を含む評価指標を用いて選択し、補正後の操作量として採用する。
　これにより、運動制御装置２によれば、運動予測モデルを表す関数の逆関数を算出できない場合など、補正量を一意に算出できない場合、あるいは、リアルタイムに補正量を一意に算出できない場合でも、移動体１の運動を基準モデルが示す運動に近付けることができる。
　また、操作量補正部２２は、運動予測モデルと基準モデルとの相違の度合いを示す指標値の、操作量ベクトルの各要素についての偏微分を算出し、得られた偏微分に基づいて、補正値を算出する。
　運動制御装置２によれば、操作量補正部２２は、偏微分の結果に基づいて補正の方向（操作量の各要素を増加させるか減少させるか）を決定することができ、移動体１の運動を基準モデルが示す運動に近付けるように補正を行うことができる。
[第２の実施の形態]
[構成の説明]
　次に、第２の実施形態について図面を参照して詳細に説明する。
　図６は、第２の実施の形態における遠隔運動制御装置の構成例を示す。
　図６を参照すると、移動体システム３は、遠隔運転制御装置４と移動体５とを含む。
　遠隔運転制御装置４は、プログラム等のデータを保持するためのメモリ５０、プログラム制御により動作するCPU５１、運転操作を行うためのアクセル５２、ハンドル５３、ブレーキ５４、移動体の状況を視認するためのモニタ５５、遠隔運転制御装置４における各機器の通信を制御する遠隔側装置I/O５６、および、移動体５と遠隔運転制御装置４の通信を行うための遠隔側通信装置５７を備える。
　遠隔運転制御装置４は、運転制御装置の例に該当する。
　移動体５は、移動体５と遠隔運転制御装置４の通信を行うための移動体側通信装置５８と、移動体５における各機器の通信を行うための移動体側装置I/O５９、移動体５を駆動するためのアクチュエータ６０、移動体５の加速度を測るための加速度センサ６１、移動体の位置および速度を測るためのエンコーダ６２、および、遠隔操作を補助する撮像のためのカメラ６３を含む。また、図には示されてないが、移動体は複数あってもよく、その場合、遠隔操作側はいくつかある移動体の中から１つの移動体を操作し、操作量取得部２０による操作によって操作対象の切り替えを行う。
　図７は、遠隔運転制御装置４の機能構成例を示すブロック図である。
　図７の例で、移動体システム３は、遠隔運転制御装置４と移動体５とを含む。遠隔運転制御装置４は、操作量取得部７０と、データ保持部７１と、映像表示部７２と、操作量補正部７３と、パラメタ値決定部７４と、遠隔側送信部７５と、遠隔側受信部７６を含む。移動体５は、移動体側受信部７７と、移動体側送信部７８と、駆動部７９と、状態取得部８０と、撮像部８１を含む。
　操作量取得部７０は図６のアクセル５２、ハンドル５３、および、ブレーキ５４を含み、操作者の操作を受け付ける。操作量取得部７０は、操作量取得部２０（図２）に対応する。また、操作量取得部７０は、操作量取得手段の例に該当する。
　データ保持部７１はメモリ５０にあたり、各種データを記憶する。データ保持部７１は、データ保持部２１に対応する。
　操作量補正部７３およびパラメタ値決定部７４は、いずれもメモリ５０上にあるプログラムをＣＰＵ５１が実行することによって動作する。
　パラメタ値決定部７４は、パラメタ値決定部２４に対応し、運動予測モデルのパラメタ値を運動データに基づいて決定する。パラメタ値決定部７４は、パラメタ値決定手段の例に該当する。
　操作量補正部７３は、操作量補正部２２に対応し、パラメタ値決定部７４が決定したパラメタ値に基づいて、操作量取得部７０が取得した操作量を補正する。操作量補正部７３は、操作量補正手段の例に該当する。
　映像表示部７２はモニタ５５を用いて構成され、カメラ６３が撮影する移動体５の周囲の画像を表示する。
　遠隔側送信部７５および遠隔側受信部７６は、遠隔側通信装置５７を用いて構成される。移動体側送信部７８および移動体側受信部７７は、移動体側通信装置５８を用いて構成される。遠隔側送信部７５と移動体側受信部７７との間で各種データを送受信する。移動体側送信部７８と遠隔側受信部７６との間で各種データを送受信する。
　駆動部７９はアクチュエータ６０を用いて構成され、操作量補正部７３による補正後の操作量に基づいて移動体５を駆動する。駆動部７９は、駆動部２３に対応する。
　状態取得部８０はエンコーダ６２と加速度センサ６１を用いて構成される。状態取得部８０は、状態取得部２５に対応し、運動データを取得する。状態取得部８０は、状態取得手段の例に該当する。
　また、撮像部８１はカメラ６３を用いて構成され、移動体５の周囲の画像を撮像する。例えば、撮像部８１は、移動体５から移動体５の周囲を見た場合の画像を撮像する。
　この第２の実施の形態の、第１の実施の形態との違いは、操作者が撮像部８１によって撮像された像を映像表示部７２で見ながら操作を行う点である。像の送受信や、操作量および状態変数の送受信は、遠隔側送信部７５および移動体側送信部７８と、遠隔側受信部７６および移動体側受信部７７が行う。操作量補正部７３、パラメタ値決定部７４の動作は、状態変数を移動体側から受信したものを利用する以外は、第１の実施形態の場合と同様である。また、これら以外の点は、第２の実施形態は、第１の実施形態の場合と同様である。
[効果の説明]
　次に、第２の実施の形態で得られる効果について説明する。
　第２の実施の形態では、遠隔側送信部７５と移動体側受信部７７との通信、および移動体側送信部７８と遠隔側受信部７６との通信により、遠隔運転制御装置４を用いて移動体５を遠隔操作することが可能である。
　また、第１の実施の形態の効果と同様に、パラメタ値決定部７４が現在の制御対象である移動体５の運動予測モデルのパラメタ値を更新するため、移動体５の運動を表す運動予測モデルが、異なる環境下や積載量など値が変化するようなパラメタを持っている場合でも運動を予測することが可能である。
　また、操作量補正部７３が操作量を補正することで、制御対象である移動体５の動特性を、基準モデルが示す動特性に近づけることができる。例えば、複数の車両間で制御対象を切り替える場合に、この効果はより大きくなり、積載量の異なる車や、種類の異なる車に操作の切り替えを行った際の、動特性の違いによる操作者の操作の難しさおよび違和感を低減することができる。
[第３の実施の形態]
　第３の実施の形態では、第２の実施の形態で、複数の移動体のうち操作対象の移動体を切り替える場合の、より具体的な例について説明する。
　図８は、第３の実施の形態における遠隔運転システムの構成例を説明する図である。
　図８を参照すると、第３の実施形態における遠隔運転システム６は、コンピュータ２００と、操作用設備２０１と、通信機器類２０２を備える。
　コンピュータ２００は、図７の操作量取得部７０の一部（アクセル５２、ハンドル５３、および、ブレーキ５４以外の部分（処理を行う部分））と、データ保持部７１と、映像表示部７２と、操作量補正部７３を含む。操作用設備２０１は、図７の操作量取得部７０の一部（アクセル５２、ハンドル５３、および、ブレーキ５４）を含む。
　通信機器類２０２は、遠隔側送信部７５と、遠隔側受信部７６を含む。通信機器類２０２は、第一自動車２０３、第二自動車２０４、第三自動車２０５の各々と通信を行う。第一自動車２０３、第二自動車２０４、第三自動車２０５はそれぞれに図７の移動体側受信部７７と、移動体側送信部７８と、駆動部７９と、状態取得部８０と、撮像部８１を含んでいる。
　第３の実施の形態では、第一自動車２０３と、第二自動車２０４と、第三自動車２０５は通常時には自律で運転している自動運転車であり、遠隔運転する可能性のある監視・操作者がこれらの自動車の運行（自律運転）を監視している。遠隔運転をしていない間には、第一自動車２０３、第二自動車２０４、第三自動車 ２０５は運動データをコンピュータ２００内のデータ保持部７１に送り続け、コンピュータ２００はパラメタ値決定部７４の機能を実行して、パラメタ値の更新を連続的に、あるいは繰り返し行っている。
　複数の車両を監視する監視・操作者が、単に操作対象の車両を切り替えて操作を行う場合、車両毎の動特性の違いから、遠隔操作が比較的難しくなることが懸念される。
　これに対し、遠隔運転システム６では、監視・操作者が監視の状況により第一自動車２０３の遠隔操作を開始すると、コンピュータ２００が第一自動車２０３に対する操作量補正部７３として機能し、更新されたパラメタ値を使って操作量の補正を行う。これにより、第一自動車２０３の動特性は基準モデルが示す動特性に近い動特性になるように補正され、監視・操作者は、比較的容易に運転できる。
　また、監視・操作者が、第一自動車２０３から車種の異なる第二自動車２０４または第三自動車２０５に操作対象を変える際にも、第二自動車２０４と第三自動車２０５の運動データの取得および保持とパラメタ更新は行われているので、コンピュータ２００は、操作対象の車両の動特性が、基準モデルが示す動特性と近い動特性になるように、操作量を補正する。遠隔運転システム６によれば、監視・操作者は、運転対象の切り替え時にも動特性の変化を意識することなく遠隔運転を行うことができ、この点で、遠隔運転が容易になるという効果を得ることができる。
[第４の実施の形態]
　図９は、第４の実施の形態における運動制御装置の構成例を示す。図９に示す構成で、運動制御装置３００は、操作量取得部３０１、運動データ取得部３０２と、パラメタ値決定部３０３と、操作量補正部３０４を備える。
　かかる構成で、操作量取得部３０１は、移動体に対する操作量を取得する。運動データ取得部３０２は、移動体の運動状態を示す運動データを取得する。パラメタ値決定部３０３は、移動体に対する操作量の入力に応じて移動体に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、運動データに基づいて決定する。操作量補正部３０４は、パラメタ値決定部３０３が決定したパラメタ値に基づいて、操作量取得部３０１が取得した操作量を補正する。
　運動制御装置３００によれば、移動体の運動を表す運動予測モデルが、異なる環境下や積載量など値が変化するようなパラメタを持っている場合でも運動を予測することが可能である。そして、操作量補正部３０４が操作量を補正することで、移動体の運動を、基準モデル（基準となる運動を示すモデル）が示す運動に近づけることができる。運動制御装置３００によれば、移動体の運動が、基準モデルが示す運動に近づくことで、操作者は、環境または積載量が変化した場合でも、一定の感覚で移動体を操作することができ、操作の難易度および違和感を軽減することができる。
　このように、運動制御装置３００によれば、牽引車が単車のときと被牽引車が連結されているときとの動特性の違い以外にも、移動体の動特性の違いを軽減できる。
　また、運動予測モデルのパラメタ値を決定するという枠組みは、駆動部を有する装置に一般的に適用可能である。この点で、運動制御装置３００によれば、駆動部を有するいろいろな種類の装置の動特性を、基準となるモデルの動特性に近づけることができる。
[第５の実施の形態]
　図１０は、第５の実施の形態における運動制御方法の処理の手順の例を示す。図１０に示す処理は、操作量取得工程（ステップＳ３０１）と、運動データ取得工程（ステップＳ３０２）と、パラメタ値決定工程（ステップＳ３０３）と、操作量補正工程（ステップＳ３０４）とを含む。
　操作量取得工程（ステップＳ３０１）では、移動体に対する操作量を取得する。
　運動データ取得工程（ステップＳ３０２）では、移動体の運動状態を示す運動データを取得する。
　パラメタ値決定工程（ステップＳ３０３）では、移動体に対する操作量の入力に応じて移動体の運動を出力する運動予測モデルのパラメタ値を、運動データに基づいて決定する。
　操作量補正工程（ステップＳ３０４）では、決定したパラメタ値に基づいて、取得した操作量を補正する。
　図１０の処理によれば、移動体の運動を表す運動予測モデルが、異なる環境下や積載量など値が変化するようなパラメタを持っている場合でも運動を予測することが可能である。そして、操作量補正工程で操作量を補正することで、移動体の運動を、基準モデル（基準となる運動を示すモデル）が示す運動に近づけることができる。図１０の処理によれば、移動体の運動が、基準モデルが示す運動に近づくことで、操作者は、環境または積載量が変化した場合でも、一定の感覚で移動体を操作することができ、操作の難易度および違和感を軽減することができる。
　このように、図１０の処理によれば、牽引車が単車のときと被牽引車が連結されているときとの動特性の違い以外にも、移動体の動特性の違いを軽減できる。
　また、運動予測モデルのパラメタ値を決定するという枠組みは、駆動部を有する装置に一般的に適用可能である。この点で、図１０の処理によれば、駆動部を有するいろいろな種類の装置の動特性を、基準となるモデルの動特性に近づけることができる。
　上記の第１の実施の形態から第５の実施の形態では、制御対象が移動体である場合を例に説明したが、何れの実施の形態でも制御対象は移動体に限定されない。駆動部を含み、運動予測モデルを作成でき、かつ、操作量に対して目標とする運動を定めることができるいろいろな制御対象を、実施の形態における制御対象とすることができる。例えば、制御対象は、ロボットアームであってもよい。この場合のロボットアームは、自動制御または半自動制御されるものであってもよいし、手動で操作されるものであってもよい。
　図１１は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
　図１１に示す構成で、コンピュータ７００は、ＣＰＵ（Central Processing Unit）７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０とを備える。
　上記の運動制御装置２および遠隔運転制御装置４のうち何れか１つ以上が、コンピュータ７００に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ７１０は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置７２０に確保する。
　運動制御装置２がコンピュータ７００に実装される場合、操作量補正部２２と、パラメタ値決定部２４との動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って各部の動作を実行する。
　また、ＣＰＵ７１０は、データ保持部２１に対応する記憶領域を主記憶装置７２０に確保する。
　操作量取得部２０、状態取得部２５によるデータの取得は、インタフェース７４０が、通信機能を有し、ＣＰＵ７１０の制御に従って他の機器と通信を行うことで実行される。
　遠隔運転制御装置４がコンピュータ７００に実装される場合、操作量補正部２２と、パラメタ値決定部２４との動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って各部の動作を実行する。
　また、ＣＰＵ７１０は、データ保持部２１に対応する記憶領域を主記憶装置７２０に確保する。
　操作量取得部２０、状態取得部２５によるデータの取得は、インタフェース７４０が、通信機能を有し、ＣＰＵ７１０の制御に従って他の機器と通信を行うことで実行される。
　運動制御装置２および遠隔運転制御装置４の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。ここでいう「コンピュータシステム」とは、ＯＳ（オペレーティングシステム）や周辺機器等のハードウェアを含む。
　「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Read Only Memory）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
　以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
　この出願は、２０２０年３月３１日に出願された日本国特願２０２０－０６５０３８号を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　本発明は、運動制御装置、運動制御方法および記録媒体に適用してもよい。
　２０、７０　操作量取得部
　２１、７１　データ保持部
　２２、７３　操作量補正部
　２３、７９　駆動部
　２４、７４　パラメタ値決定部
　２５、８０　状態取得部
　７２　映像表示部
　７５　遠隔側送信部
　７６　遠隔側受信部
　７７　移動体側受信部
　７８　移動体側送信部
　８１　撮像部

Claims (7)

  1. 　制御対象に対する操作量を取得する操作量取得手段と、
    　前記制御対象の運動状態を示す運動データを取得する運動データ取得手段と、
    　前記制御対象に対する操作量の入力に応じて前記制御対象に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、前記運動データに基づいて決定するパラメタ値決定手段と、
    　前記パラメタ値決定手段が決定したパラメタ値に基づいて、前記操作量取得手段が取得した操作量を補正する操作量補正手段と、
    　を備える運動制御装置。
  2. 　前記操作量補正手段は、前記運動予測モデルを表す関数の逆関数と、操作量の入力に応じて基準となる運動を示す運動データを出力する基準モデルを表す関数と、前記運動予測モデルのパラメタ値を用いた合成関数に、前記操作量取得手段が取得した操作量を入力して、補正後の操作量を算出する、
    　請求項１に記載の運動制御装置。
  3. 　前記操作量補正手段は、前記操作量取得手段が取得した操作量に対して異なる補正を行った複数の補正後の操作量の候補のうち何れかを、前記運動予測モデルが、その操作量の候補の入力に応じて出力する運動と、操作量の入力に応じて基準となる運動を算出する基準モデルが、前記操作量取得手段が取得した操作量の入力に応じて出力する運動との近さの評価を含む評価指標を用いて選択し、補正後の操作量として採用する、
    　請求項１に記載の運動制御装置。
  4. 　前記操作量補正手段は、前記運動予測モデルと、操作量の入力に応じて基準となる運動を算出する基準モデルとの相違の度合いを示す指標値の、操作量ベクトルの各要素についての偏微分を算出し、得られた偏微分に基づいて、補正値を算出する、
    　請求項１に記載の運動制御装置。
  5. 　請求項４に記載の運動制御装置において、制御対象装置を切り替えることを特徴とする運動制御装置。
  6. 　制御対象に対する操作量を取得し、
    　前記制御対象の運動状態を示す運動データを取得し、
    　前記制御対象に対する操作量の入力に応じて前記制御対象に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、前記運動データに基づいて決定し、
    　決定したパラメタ値に基づいて、取得した操作量を補正する、
    　ことを含む運動制御方法。
  7. 　コンピュータに、
    　制御対象に対する操作量を取得し、
    　前記制御対象の運動状態を示す運動データを取得し、
    　前記制御対象に対する操作量の入力に応じて前記制御対象に生じることが予測される運動を示す予測運動データを出力する運動予測モデルのパラメタ値を、前記運動データに基づいて決定し、
    　決定したパラメタ値に基づいて、取得した操作量を補正する、
    　ことを実行させるためのプログラムを記憶した記録媒体。
PCT/JP2021/003947 2020-03-31 2021-02-03 運動制御装置、運動制御方法および記録媒体 WO2021199662A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-065038 2020-03-31
JP2020065038 2020-03-31

Publications (1)

Publication Number Publication Date
WO2021199662A1 true WO2021199662A1 (ja) 2021-10-07

Family

ID=77928071

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/003947 WO2021199662A1 (ja) 2020-03-31 2021-02-03 運動制御装置、運動制御方法および記録媒体

Country Status (1)

Country Link
WO (1) WO2021199662A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006013922A1 (ja) * 2004-08-06 2006-02-09 Honda Motor Co., Ltd. 車両の制御装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006013922A1 (ja) * 2004-08-06 2006-02-09 Honda Motor Co., Ltd. 車両の制御装置

Similar Documents

Publication Publication Date Title
CN111142379B (zh) 一种自动驾驶车辆的动力学预测控制***和方法
CN109421630B (zh) 用于监测自主车辆的健康的控制器架构
JP4400418B2 (ja) 車間距離制御装置及び車間距離制御方法並びに運転操作支援装置及び運転操作支援方法
US20190176843A1 (en) Vehicle Control System
JP4583028B2 (ja) 変化する傾斜を有する道路上で駆動されている車両の質量を推定する方法および道路の傾斜を推定する方法
US10929995B2 (en) Method and apparatus for predicting depth completion error-map for high-confidence dense point-cloud
US11110917B2 (en) Method and apparatus for interaction aware traffic scene prediction
JP2008290713A (ja) ビークル制御の改良
JP2005339241A (ja) モデル予測制御装置および車両用推奨操作量生成装置
JP4746349B2 (ja) ロボット行動選択装置及びロボット行動選択方法
JP2020527502A (ja) 車両の運動を制御する制御システム及び方法
EP4051550B1 (en) Real-time performance handling virtual tire sensor
US11919164B2 (en) Robot system and robot control method
CN110267867A (zh) 机动车辆驻车辅助方法和***
CN113548032B (zh) 改善车辆控制***的控制子***的性能的方法和***
JP7212702B2 (ja) 車両制御装置、車両制御方法、及び車両制御システム
CN110799402B (zh) 车辆控制装置
CN112238857A (zh) 自动驾驶车辆的控制方法
US20200159233A1 (en) Memory-Based Optimal Motion Planning With Dynamic Model For Automated Vehicle
Guidolini et al. Neural-based model predictive control for tackling steering delays of autonomous cars
WO2021199662A1 (ja) 運動制御装置、運動制御方法および記録媒体
JP6250184B2 (ja) 車両情報制御装置
CN111738046A (zh) 对用于基于深度学习的装置的学习的虚拟世界模拟器的物理引擎进行标定的方法及装置
CN115081612A (zh) 用以改进机器人策略学习的设备和方法
CN111742270A (zh) 信息处理装置和信息处理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21778882

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21778882

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP