Maeda Lab: 2022

MAEDA Lab

INTELLIGENT & INDUSTRIAL ROBOTICS

2022 年度前田研究室紹介

国立大学法人横浜国立大学

大学院工学研究院システムの創生部門

／大学院理工学府機械・材料・海洋系工学専攻機械工学教育分野

／大学院先進実践学環

／理工学部機械・材料・海洋系学科機械工学教育プログラム

前田研究室

〒240-8501 横浜市保土ケ谷区常盤台 79-5

機械工学・材料棟 (N6-5) 603 室（教員室）／ 610 室（研究室）

Tel/Fax 045-339-3918（教員室）／ 045-339-3894（研究室）

maeda ＠ ynu.ac.jp

https://iir.ynu.ac.jp/

2022 年度メンバ

• 教授前田雄介（大学院工学研究院システムの創生部門）

• 博士課程後期（大学院理工学府機械・材料・海洋系工学専攻機械工学教育分野）

– 髙橋怜子（学振特別研究員）

• 博士課程前期（大学院理工学府機械・材料・海洋系工学専攻機械工学教育分野／大学院

先進実践学環）

– 坂田誠智

– 須賀明英

– 鈴木成也

– 髙橋健太

– 中西佑太

– 田原芳基

– 上久木田治毅

– 榊健汰

– 生野瑞希

– 松井一真

– Pedro SAMAN

• 学部生（理工学部機械・材料・海洋系学科機械工学 EP）

– 遠藤史野

– 佐藤璃音

– 高橋尚也

– 三上昇悟

2022 年度前田研究室研究紹介

SLAM 統合機構キャリブレーション (SKCLAM)

移動ロボットに用いられる SLAM (Simultaneous Localization and Mapping) 技術を固定マ

ニピュレータに適用することで，マニピュレータの周囲環境の地図を作成すると同時に，運

動学パラメータのキャリブレーションを行うことが可能になる．我々はこれを SKCLAM

(Simultaneous Kinematic Calibration, Localization and Mapping) と称して研究を行っている．

マニピュレータ手先に搭載した RGB-D カメラ (Fig. 1) を利用して，地図作成と機構キャリブ

レーションが可能であることを仮想環境 (Fig. 2) や実環境 (Fig. 3) で確認している [1][2]．ま

た，全天球カメラやステレオカメラを使う手法についても検討を行っている [3][4]．

参考文献

[1] J. Li, A. Ito, H. Yaguchi and Y. Maeda: Simultaneous kinematic calibration, localization, and mapping

(SKCLAM) for industrial robot manipulators, Advanced Robotics, Vol. 33, No. 23, pp. 1225–1234, 2019.

[2] 伊藤聡利, 李景輝, 前田雄介: 産業用マニピュレータのための SLAM 統合機構キャリブレーショ

ン (SKCLAM) におけるチェッカーボードを用いた高精度化, 日本機械学会論文集, Vol. 86, No. 891,

20-00028, 2020.

[3] 田中靖章, 李景輝, 伊藤聡利, 前田雄介: 産業用マニピュレータのための全天球カメラを用いた SLAM

統合機構キャリブレーション, 日本機械学会ロボティクス・メカトロニクス講演会 2020 (ROBOMECH

2020) 講演論文集, 2P2-B05, 2020.

[4] 長友雄太朗, 李景輝, 田中靖章, 前田雄介: 産業用ロボットのためのステレオカメラを用いた SLAM

統合機構キャリブレーション, 日本機械学会生産システム部門研究発表講演会 2021 講演論文集,

pp. 77–78, 2021.

Fig. 1 Manipulator Equipped

with an RGB-D Camera

Fig. 2 SKCLAM in Virtual Environment

Fig. 3 Example of an Obtained 3D Map

2022 年度前田研究室研究紹介

ロボットの教示

産業用ロボットは世界中で広く用いられており，今後もますますその活躍範囲を広げていく

ことが求められている．現状のロボットでは，その行うべき動作を人間が教示しなければなら

ないが，近年のロボットの高性能化・多機能化にともなって，その手間はますます増大してい

る．そこで本研究室では，ロボットの教示の手間を減らすための研究を行っている．

空間掃引を利用したロボット教示ダイレクトティーチの要領でロボットをさまざまに動かす

ことでロボット周辺の情報を獲得させるとともに，動作計画アルゴリズムによってロボット

の軌道を生成する．これによって，非熟練者でも，容易に品質の高い教示を行うことを可能

にする [1][2][3] (Fig. 4) ．

ロボット教示の支援技術 AR（拡張現実）を利用して，ロボットの可動範囲など，オンライン

教示に有用な情報を現実に重畳して表示することで，教示者を支援する手法を開発している

[4] (Fig. 5)．また，ロボットにより組み立てられる製品の仕様変更があった場合の再教示を

支援するために，教示点の事後的移動とそれに伴う動作の自動生成を実現するシステムの提

案も行っている [5]．

参考文献

[1] 前田雄介, 潮田達也: 空間掃引を用いた産業用マニピュレータの教示, 日本機械学会論文集Ｃ編,

Vol. 74, No. 737, pp. 115–120, 2008.

[2] S. Ishii and Y. Maeda: Programming of Robots Based on Online Computation of Their Swept Vol-

umes, Proc. of 23rd IEEE Int. Symp. on Robot and Human Interactive Communication (RO-MAN 2014),

pp. 385–390, 2014.

[3] Y. Sarai and Y. Maeda: Robot Programming for Manipulators through Volume Sweeping and Augmented

Reality, Proc. of 13th IEEE Conf. on Automation Science and Engineering (CASE 2017), pp. 302–307,

2017.

[4] 髙橋健太, 前田雄介: 光学透過型 AR デバイスを用いたロボット向けオンライン教示支援システムの

実装と評価, 日本機械学会ロボティクス・メカトロニクス講演会 2021 (ROBOMECH 2021) 講演論文

集, 2P3-A02, 2021.

[5] 井原廣幸, 前田雄介: 教示点移動と動作計画機能により製品の仕様変更に対応可能なロボット教示

システム, 第 22 回計測自動制御学会システムインテグレーション部門講演会 (SI2021) 講演論文集,

pp. 3263–3267, 2021.

Fig. 4 AR Display of Swept Volume and Planned Path

Fig. 5 AR Display of Movable

Area with Fixed Gripper Pose

2022 年度前田研究室研究紹介

ビューベースト教示再生

カメラ画像に基づく教示再生手法により，教示時と多少条件が変わっても作業が行える

ようにするための手法 (Fig. 6) を開発している [1][2]．ビューベースト画像処理を用いた

end-to-end 学習により，対象物のモデルやカメラキャリブレーションを必要としないという特

徴がある．距離画像の利用 (Fig. 7) やオクルージョン対策の導入により，ロバストな教示の実

現を図っている [3]．さらに，光弾性を用いた力情報の可視化 (Fig. 8) を利用して，力制御タ

スクへの適用を開始している [4]．また深層学習技術の導入も行っている [5]．

参考文献

[1] Y. Maeda and T. Nakamura: View-based teaching/playback for robotic manipulation, ROBOMECH J.,

Vol. 2, 2, 2015.

[2] 森山祐樹, 前田雄介: 産業用ロボットによるマニピュレーションのためのビューベースト教示再生,

日本機械学会論文集 C 編, Vol. 79, No. 806, pp. 3597–3608, 2013.

[3] Y. Maeda and Y. Saito: Lighting- and Occlusion-robust View-based Teaching/Playback for Model-free

Robot Programming, W. Chen et al. eds., Intelligent Autonomous Systems 14, pp. 939–952, Springer,

2017.

[4] 中川義教, 石井聡一, 前田雄介: 光弾性を用いた力情報可視化に基づくビューベースト教示再生—倣

い作業への適用—, 計測自動制御学会論文集, Vol. 54, No. 5, pp. 476–482, 2018.

[5] 藤浦圭一, 前田雄介: Autoencoder を用いたビューベースト教示再生, 第 23 回ロボティクスシンポジ

ア予稿集, pp. 51–52, 2018.

camera

robot

object

human instruction

(a) human teaching

mapping

image

robot

motion

(b) image-to-motion mapping

camera

robot

object

mapping

Fig. 6 Outline of View-Based Teaching/Playback

0 100 200 300 400 500

frame number

Grayscale

Images

Light

OFF

Range

Images

Fig. 7 Switching between Grayscale and Range

Images for View-Based Teaching/Playback

Fig. 8 View-based Teaching/

Playback with Photoelasticity

2022 年度前田研究室研究紹介

ケージングとケージングベースト把持

多指ハンドによる三次元ケージングケージング (caging) とは，移動ロボットやロボットの指

で，物体をある閉じた領域に幾何学的に拘束し，その外には脱出できなくする物体拘束手法

である．本研究室では，三次元多指ケージング (Fig. 9) の研究を行っている．ケージングは

位置制御によって実現できるため現在のロボットハンドと親和性が高く，ロボットマニピュ

レーションのレパートリーを増やすという点で有効であると考えられる．現在，ケージング

成立のための条件の導出や，それを利用したケージングのための指姿勢の自動計画手法の開

発 [1]，実機による検証 [2] (Fig. 10) を行っている．

ケージングベースト把持ケージングの利点を活かしつつ，物体を把持する手法として，「ケー

ジングベースト把持」を提案している．この方法では，剛体部とその外側の柔軟部でロボッ

ト指を構成し，剛体部によって対象物をケージングした上で，柔軟部の作用により把持を

完成させる．これにより，力センシング・力制御なしでの物体把持を実現できる．我々は，

このケージングベースト把持を定式化し，把持を完成させるための条件の導出を行ってい

る．また，各種ハンドによるケージングベースト把持 (Fig. 11) を実機により実現している

[3][4]．対象物が変形可能物体である場合に対する拡張 (Fig. 12) も行っている [5][6]．

参考文献

[1] 槇田諭, 渡邉匠, 前田雄介: 三次元多指ケージングの十分条件の導出―対称ハンドによる四種類の単

純形状物体の拘束―, 日本ロボット学会誌，Vol. 28, No. 5, pp. 599–605, 2010.

[2] S. Makita, K. Okita and Y. Maeda: 3D Two-Fingered Caging for Two Types of Objects: Sufﬁcient

Conditions and Planning, Int. J. of Mechatronics and Automation, Vol. 3, No. 4, pp. 263–277, 2013.

[3] Y. Maeda, N. Kodera and T. Egawa: Caging-Based Grasping by a Robot Hand with Rigid and Soft Parts,

Proc. of 2012 IEEE Int. Conf. on Robotics and Automation (ICRA 2012), pp. 5150–5155, 2012.

[4] T. Egawa, Y. Maeda and H. Tsuruga: Two- and Three-dimensional Caging-Based Grasping of Objects

of Various Shapes with Circular Robots and Multi-Fingered Hands, Proc. of 41st Ann. Conf. of IEEE

Industrial Electronics Soc. (IECON 2015), pp. 643–648, 2015.

[5] D. Kim, Y. Maeda and S. Komiyama: Caging-based Grasping of Deformable Objects for Geometry-

based Robotic Manipulation, ROBOMECH J., Vol. 6, 3, 2019.

[6] 込山隼, 金ダベ, 前田雄介: パウチ状物体を含む変形可能物体のケージングベースト把持, 日本機械学

会ロボティクス・メカトロニクス講演会 2019 (ROBOMECH 2019) 講演論文集, 2A2-G08, 2019.

Fig. 9 3D Multiﬁn-

gered Caging

Fig. 10 Caging of a

Sphere

Fig. 11 Caging-

based Grasping by a

Multiﬁngered Hand

Fig. 12 Caging-

based Grasping of a

Deformable Object

2022 年度前田研究室研究紹介

ケージングマニピュレーション

物体が逃げられないように幾何学的に拘束するケージングの状態を利用して物体をあやつる

ことを，ここでは「ケージングマニピュレーション」と呼ぶことにする．

In-Hand ケージングマニピュレーション物体をケージングの状態に保ったまま，ハンドのコ

ンフィギュレーションを変化させることで，ハンドの中で物体の位置・姿勢を変化させるこ

とができる．これを我々は「In-Hand ケージングマニピュレーション」と呼んでいる．この

方法には，物体のセンシングをせずに位置制御でロバストな In-Hand マニピュレーションが

実現できるというメリットがあり，マニピュレーション計画アルゴリズムの開発，汎用パー

ツフィーダへの応用 (Fig. 13) などを行っている [1][2][3][4]．

協調ケージングマニピュレーションケージングでは物体の自由度を完全には拘束しないこと

を利用すると，位置制御ベースの協調マニピュレーションにおいても，対象物に対する過大

な内力の発生を回避することが可能になる．そこで，ケージング（もしくはケージングベー

スト把持）を利用した長尺物の双腕協調搬送の研究 (Fig. 14) を行っている [5]．力制御を必

要とせず，エンドエフェクタを変えることで多様な物体のハンドリングが可能となる．

参考文献

[1] 倉田優里, 前田雄介: 二次元 In-Hand ケージングマニピュレーションの分類と検証, 日本機械学会ロ

ボティクス・メカトロニクス講演会 2014 (ROBOMECH 2014) 講演論文集, 3P1-R04, 2014.

[2] Y. Maeda and T. Asamura: Sensorless In-hand Caging Manipulation, W. Chen et al. eds., Intelligent

Autonomous Systems 14, pp. 255–267, Springer, 2017.

[3] S. Komiyama and Y. Maeda: Position and Orientation Control of Polygonal Objects by Sensorless

In-hand Caging Manipulation, Proc. of IEEE Int. Conf. on Robotics and Automation (ICRA 2021),

pp. 6244–6249, 2021.

[4] 上久木田治毅, 中西佑太, 前田雄介: センサレス in-hand ケージングマニピュレーションによる汎用

パーツフィーダの実現, 第 22 回計測自動制御学会システムインテグレーション部門講演会 (SI2021)

講演論文集, pp. 3246–3248, 2021.

[5] 平木友香里, 前田雄介: ケージングを利用した力制御を要しない双腕協調搬送, 日本機械学会ロボティ

クス・メカトロニクス講演会 2020 (ROBOMECH 2020) 講演論文集, 2A1-M05, 2020.

Fig. 13 A Versatile Part

Feeder with In-Hand Caging

Manipulation

(a) wire harness

(b) long pipe

Fig. 14 Dual-arm Cooperative Manipulation with Caging

2022 年度前田研究室研究紹介

ロボットによる多様な物体のハンドリング・組立技術

画像処理に基づく物体のピッキングバラ積みされた物体を一つずつロボットで把持するビン

ピッキングの技術は，パーツフィーダの利用などと比べると汎用性が高く，少量生産におけ

る部品供給手法として有効である．本研究室では巻ばねに特化した認識・位置姿勢計測手法

を開発し，それを用いてビンピッキングを可能にした (Fig. 15) [1]．他に，衝撃を与えて物

体に動きを与え，特徴点追跡によって未知物体を検出・ピッキングする手法も開発している

(Fig. 16) [2]．

3D ブロックプリンティングブロック玩具をロボットで自動で組み立てて CAD モデルの形

状を生成できる，一種の 3D プリンタの開発を行っている [3][4][5]．このシステムでは，

CAD モデルを自動でブロックモデルに変換し，さらにそのブロックモデルをロボットで組

み立てるための手順を自動決定する．そして，ロボットがそれにしたがってブロック玩具を

組み立てることによって，形状生成を実現している (Fig. 17)．

参考文献

[1] 小野桂太郎, 小川卓哉, 前田雄介, 中谷茂樹, 永安剛, 清水領, 大内規嵩: ステレオビジョンを用いた

巻ばねの認識とビンピッキング, 日本機械学会論文集 C 編, Vol. 79, No. 804, pp. 2769–2779, 2013.

[2] 敦賀秀樹, 本田紘之, 前田雄介, 廣野翔大: ピッキングのための衝撃を利用した未知物体能動的検出,

計測自動制御学会論文集, Vol. 54, No. 5, pp. 501–507, 2018.

[3] Y. Maeda, O. Nakano, T. Maekawa and S. Maruo: From CAD Models to Toy Brick Sculptures: A

3D Block Printer, Proc. of 2016 IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS 2016),

pp. 2167–2172, 2016.

[4] C. Sugimoto, Y. Maeda, T. Maekawa and S. Maruo: A 3D Block Printer Using Toy Bricks for Various

Models, Proc. of 13th IEEE Conf. on Automation Science and Engineering (CASE 2017), pp. 958–963,

2017.

[5] M. Kohama, C. Sugimoto, O. Nakano and Y. Maeda: Robotic Additive Manufacturing with Toy Blocks,

IISE Trans., Vol. 53, No. 3, pp. 273–284, 2021.

Fig. 15 Bin-Picking of Coil Springs Fig. 16 Impacting-based Picking

Fig. 17 3D Block Printing

2022 年度前田研究室研究紹介

建設機械システムの知能化

建設機械やそれを使ったシステムの高度化・大規模化に伴い，効率や安全性を高めるための

知能化・ロボット化の取り組みが求められている．本研究室では，その一環として，鉱山で運

用されるダンプトラックシステム (Fig. 18) の交差点制御の研究を行っている．ダンプトラッ

クの交差点通過順序を最適化することで，鉱山の生産性を改善する手法を提案し，シミュレー

タ (Fig. 19) でその有効性を確認している [1][2]．

参考文献

[1] 小川雄大, 前田雄介, 松井康知, 坂井敦, 長川研太, 竹田幸司: 鉱山の生産性改善のための複数ダンプ

トラック群の交差点走行制御, 日本機械学会論文集, Vol. 87, No. 894, 20-00097, 2021.

[2] Y. Maeda, Y. Ogawa, K. Osagawa, A. Sakai and Y. Matsui: Worksite Management System And Worksite

Management Method, World patent application WO/2021/145392.

7 6

4321

DUMP

LOAD

STANDBY

Fig. 18 Dump Truck Fleets in a Mine Fig. 19 A Simulator of Dump Truck Fleets

2022 年度前田研究室研究紹介

人間の手とその巧みさのモデリング

ロボットに人間のような器用さを持たせるためには，お手本である人間のマニピュレーショ

ンのメカニズムを知ることが重要である．また，人間の手の特性を知ることは，使いやすい製

品設計などへの応用にも役立つ．このため，当研究室では，以下のような研究テーマに取り組

んでいる（産総研・生活行動モデリング研究チームと共同）．

人の手のモデリングと計測モーションキャプチャにより人間の手の動きを表皮も含めて表現

できるようにするための，デジタルハンドモデル (Fig. 20) の作成手法，および手の運動の

計測手法の開発を行っている [1]．さらにこのモデルを利用して，手の関節の可動範囲や姿

勢の快不快を計測・モデル化する手法 [2] などの提案を行っている.

把持の計測と生成デジタルハンドモデルには，製品設計支援など様々な応用が考えられる．

例えば，個人差を反映した複数の代表的なハンドモデルを用いて把持生成をする

(Fig. 21)

ことで，多くの人にとって使いやすい形状の設計に役立てることができる [3]．また，製品

の利用の様子を知るための簡便な把持測定デバイスや (Fig. 22) [4] や，手根管症候群のよう

な可動範囲に制限があるハンドモデルによる把持生成手法 [5] の開発を行っている．

参考文献

[1] N. Miyata, Y. Shimizu, Y. Motoki, Y. Maeda and M. Mochimaru: Hand MoCAP by Building an Indi-

vidual Hand Model, Int. J. of Human Factors Modelling and Simulation, Vol. 3, No. 2, pp. 147–168,

2012.

[2] 米岡裕矢, 宮田なつき, 前田雄介: 母指の関節可動域と姿勢不快度の計測・解析, 日本機械学会論文

集, Vol. 84, No. 864, 18-00555, 2018.

[3] T. Hirono, N. Miyata and Y. Maeda: Grasp Synthesis for Variously-Sized Hands Using a Grasp Database

That Covers Variation of Contact Region, Proc. of 3rd Int. Digital Human Modeling Symp. (DHM 2014),

11, 2014.

[4] 平野貴史, 宮田なつき, 前田雄介: 手部近位側方からの距離センサ情報にもとづく把持姿勢簡易計測,

第 24 回ロボティクスシンポジア予稿集, pp. 249–251, 2019.

[5] R. Takahashi, N. Miyata, Y. Maeda and Y. Nakanishi: Grasp Synthesis Considering Graspability for a

Digital Hand with Limited Thumb Range of Motion, Advanced Robotics, Vol. 36, No. 4, pp. 192–204,

2022.

Fig. 20 Model of a

Human Hand

Robust

Gracile

LongShort

Fig. 21 Grasp Synthesis for

Various Hands

Fig. 22 Grasp Capturing Device

2022 年度前田研究室研究紹介

ロボット技術の人間活動支援への応用

ロボット技術 (Robot Technology: RT) は純然たるロボットだけにとどまらず，我々の身の回

りの様々なシーンで人々の活動を支援するために活用されることが期待される．

本研究室ではスマート食洗機の実現に向けた提案を行っている [1][2][3]．提案するシステム

では，食洗機（食器洗い乾燥機）を使う上で手間となっている，「食器を食洗機のどの位置に入

れるべきか」を考える作業を支援することを狙っている．具体的には，ユーザがスマートフォ

ンなどを使って食卓の画像を撮影することによって，洗浄すべき食器が種類ごとに何枚ずつ

あるかを認識する．次いで，組み合わせ最適化問題を解くことで，最適な食器配置を計算し，

ユーザに 3D グラフィクスでわかりやすく表示する (Fig. 23)．

また，人間が行う折り紙を支援するシステムの開発も行っている [4]．折り筋の自動付加と

折り手順の 3D 呈示 (Fig. 24) により，幼児教育や福祉の現場での折り紙制作への活用を目指

している．

参考文献

[1] 倉田優里, 前田雄介: スマート食洗機のための食器配置最適化サポートシステム, 情報処理学会研究

報告, Vol. 2016-CDS-16, No. 9, 2016.

[2] K. Imai and Y. Maeda: A User Support System That Optimizes Dishwasher Loading, Proc. of 2017 IEEE

6th Global Conf. on Consumer Electronics (GCCE 2017), pp. 523–524, 2017.

[3] 小川雄大, 前田雄介: 画像処理による食器計数を利用した食洗機用の食器配置支援, 日本機械学会ロ

ボティクス・メカトロニクス講演会 2018 (ROBOMECH 2018) 講演論文集, 2A2-J17, 2018.

[4] 鈴木成也, 中島裕二, 前田雄介: 紙厚を考慮した折り紙シミュレータと AR を用いた手順呈示による

折り紙アシストシステム, 日本機械学会ロボティクス・メカトロニクス講演会 2021 (ROBOMECH

2021) 講演論文集, 2A1-M06, 2021.

(a) Calculated Result (b) Loaded Dishes

Fig. 23 Optimized Dish Loading Fig. 24 Origami Simulator