圧電式六次元力/力矩センサーにおける次元間結合によりセンサーの測力性能が低下する問題に対し、ベイズ最適化（Bayesian Optimization、BO）、畳み込みニューラルネットワーク（Convolutional Neural Network、CNN）、双方向長短期記憶ネットワーク（Bi-directional Long and Short-term Memory Network、BiLSTM）を融合した統合デカップリングアルゴリズム（BO-CNN-BiLSTM）を提案した。本アルゴリズムはまずCNNを利用して六次元力信号の空間的結合特徴抽出能力を強化し、その後BiLSTMの双方向時系列モデリング能力により荷重の次元間時系列依存関係を動的に捉え、BOを導入してハイパーパラメータの自己適応的全域最適化を実現し、従来のデカップリング手法が抱えるリアルタイム性、汎化性および物理的整合性の欠点を効果的に克服した。同時に、BO-CNN-BiLSTMアルゴリズムは従来のデカップリング手法における手動パラメータ調整の経験依存を排除し、センサーの非線形特性の適応的モデリングを実現した。実験結果は、本構造により六次元力/力矩センサー出力の最大Ⅰ種結合誤差および最大Ⅱ種結合誤差がそれぞれ0.87％および0.52％となることを示している。BO-CNN-BiLSTMデカップリングアルゴリズムは六次元力センサーの次元間結合を効果的に低減し、センサーの測定精度を向上させ、ヒューマノイドロボットのヒューマナイズド運動制御および環境インタラクションに高信頼性の力覚知覚を提供する。

六次元力センサー;静的デカップリング;ベイズ最適化;畳み込み双方向長短期記憶ネットワーク