# p2
- Aging of the population is a common problem in modern societies, and rapidly aging populations and declining birth rates have become more serious in recent years.
高齢化は現代社会において共通の課題 また、出生率の急速な減少は現代社会においてより深刻になっている。

- For instance, the manpower shortage in hospitals and elderly care facilities has led to the deterioration of quality of life for elderly individuals.
実例として病院や高齢者の養護施設の人手不足が、個々の高齢者の生活の悪化に繋がっている

- Robot technology is expected to play an important role in the development of a healthy and sustainable society.
ロボットテクノロジーは健康と社会維持の発展に重要な役割を担うと予想される

- In particular, daily life assistance for elderly individuals in hospitals and care facilities is one of the most urgent and promising applications for service robots.
特に 病院や養護施設での高齢者の日常生活をサポートは、最も緊急かつ有望なサービスロボットのアプリケーションである


# p3
- For a service robot, information about its surrounding, such as the positions of objects, furniture, humans, and other robots is indispensable for safely performing proper service tasks.
サービスロボットはオブジェクト、家具、人間、その他のロボットなどの周囲の情報は適切で安全なサービスタスクを行うために必要不可欠

- However, current sensing technology, especially for cases of robots equipped with external sensors, is not good enough to complete these tasks satisfactorily.
しかし、 現在の判断技術では、特に外部センサーをつけたロボットの場合に、 十分にこのタスク実行を満足することが出来ない。

- for example, a vision system is susceptible to changes in lighting conditions and the appearances of objects. moreover, the field of vision is rather narrow.
例として、 視覚の機能は証明器具の状態の変化とオブジェクトの外見に影響を受けやすい
その上、フィールドの視界はかなり狭い


# p4
- Although occlusions can be partly solved by sensors on a mobile robot, background changes and unfavorable vibrations of a robot body make processes more difficult.
閉鎖的な一部であれば、ロボットのセンサーによって解決することができるが、バックグラウンドの変化とロボット本体の不利な振動はプロセスをより困難にしている。

- In addition, the payload of a robot is not so high and computer resources are also limited.
更に、ロボットの積載量はそれほど多くなく、コンピューターもリソースが限られている。


# p5
- fixed sensors in an environment are more stable and can more easily gather information about the environment.
一方、 固定センサーは容易にもっと安定した環境についての情報を集める事ができる

- If a sufficient number of sensors can be embedded in the environment in advance, occlusion is no longer a crucial problem.
もし、十分な数のセンサーをあらかじめ環境に組み込むことができれば、閉鎖はもはや重要な問題ではない

- information required to perform tasks is acquired by distributed sensors and transmitted to a robot on demand.
タスクを行うために必要な情報は分散されたセンサーで取得し、オンデマンドにロボットに送信される。

- the concept of making an environment smarter rather than the robot is referred to as an informationally structured environment
ロボットよりも精度の高い環境を作るというコンセプトは環境情報構造化と呼ばれる。


# p6
- An informationally structured environment is a feasible solution for introducing service robots into our daily lives using current technology
 環境情報構造化は現在の技術を使用して、日常生活にサービスロボットを導入する実行可能な解決策であり

- several systems that observe human behavior using distributed sensor systems and provide proper service tasks according to requests from human or emergency detection, which is triggered automatically, have been proposed [1,7–12].
 いくつかのシステムはは分散センサーシステムを使って人間の行動を観察し、人間の要求や緊急時の検出に応じたサービスタスクを提供し、これは自動的に動作することが提案されている。

- Several service robots that act as companions to elderly people or as assistants to humans who require special care have been developed [13–18].
いくつかのサービスロボットは高齢者への付き添いや、特別なケアを必要としている人のAssistantとして開発されている


# p7
- We also have been developing an informationally structured environment for assisting in the daily life of elderly people in our research project, i.e., the Robot Town Project [2,19].
私達の研究プロジェクト(すなわちロボットタウンプロジェクト)では高齢者の日常生活を支援するために環境情報構造化を開発してきた。

- The goal of this project is to develop a distributed sensor network system covering a townsize environment consisting of several houses, buildings, and roads, and to manage robot services appropriately by monitoring events that occur in the environment.
このプロジェクトのゴールは家、ビル、道路からなる街サイズの環境をカバーする分散センサーネットワークシステムを開発することと、環境で発生するイベントを監視することで、適切にサービスロボットを管理する


#p8
- Events sensed by an embedded sensor system are recorded in the Town Management System (TMS),
埋め込まれたセンサーシステムによって感知されたイベントは TMS(Town management System) に記録され、

- appropriate information about the surroundings and instructions for proper services are provided to each robot [2].
周囲の適切な情報と適切なサービスの支持は各ロボットに提供される。


#p9
- We also have been developing an informationally structured platform (Fig.1) in which distributed sensors (Fig.2a) and actuators are installed to support an indoor service robot (Fig.2b).
私達は室内のサービスロボットをサポートするために分散センサーとアクチュエータを設置した情報構造プラットフォームを制作している

- objects embedded sensors and RFID tags, and all of the data are stored in the TMS database.
オブジェクトは埋め込まれたセンサまたはRFIDタグによって検出され、すべてのデータはTMSデータベースに格納される

- A service robot performs various service tasks according to the environmental data stored in the TMS database in collaboration with distributed sensors and actuators, for example, installed in a refrigerator to open a door.
サービスロボットは設置された冷蔵のドアを開けるといった、様々なサービスのタスクを 分散型センサーとアクチュエータの共同の TMS データベースに格納されている環境データに応じて実行する。


#p10
- We herein introduce a new Town Management System called the ROS–TMS.
私達はここで ROS-TMS と呼ばれる新しい街管理システムを紹介する

- In this system, the Robot Operating System (ROS [20]) is adopted as a communication framework between various modules, including distributed sensors, actuators, robots, and databases.
ROS(Robot Operating System) は分散センサ、アクチュエータ、ロボット、データベースを含む様々なモジュール間の通信フレームワークを採用している。


#p11
- Thanks to the ROS, we were able to develop a highly flexible and scalable system.
ROS のおかげで、私たちは非常に柔軟でスケーラブルなシステムを開発することができる

- Adding or removing modules such as sensors, actuators, and robots, to or from the system is simple and straightforward.
センサーやアクチュエータ、ロボットのようなモジュールの追加と削除もこのシステムなら単純明快である

- Parallelization is also easily achievable.
並列化も容易に可能である。


#p12
We herein report the followings:
私たちはここで以下のことを伝える

• Introduction of architecture and components of the ROS–TMS
ROS、TMSのアーキテクチャとコンポーネントの紹介

• Object detection using a sensing system of the ROS–TMS
ROS、TMSの判断システムを使ったオブジェクト検出

• Fetch-and-give task using the motion planning system of the ROS–TMS.
ROS、TMS の動作計画システムを使ったFetch and give task


#p13
The remainder of the present paper is organized as follows.
本論文は以下のように構成されている

After presenting related research in Section 2,
第二章で関連研究を提示し

we introduce the architecture and components of the ROS–TMS in Section 3.  
第三章ではROSとTMSのアーキテクチャとコンポーネントの紹介をする。

In Section 4, we describe the sensing system of the ROS–TMS for processing the data acquired from various sensors.
第四章では 様々なセンサから取得したデータを処理するための ROS TMS の判断システムについて説明する。

Section 5 describes the robot motion planning system of the ROS–TMS used to design the trajectories for moving, gasping, giving, and avoiding obstacles using the information on the environment acquired by the sensing system.
第五章では判断システムによって取得された環境情報を使用するオブジェクトの移動、 掴む、渡す、回避の軌道を設計するためのROS-TMSのロボットの動作計画システムについて説明する

We present the experimental results for service tasks performed by a humanoid robot and the ROS–TMS in Section 6.
第六章では人間型ロボットとROS-TMSのよって実行されるサービスタスクの実験結果を示す。

Section 7 concludes the paper.
第七章ではこの論文の結論を示す。


--- ここから chap2
# p14
A considerable number of studies have been performed in the area of informationally structured environments/spaces to provide human-centric intelligent services.
かなりの数の研究は ヒューマンセントリックなインテリジェンス・サービスを提供するために環境/空間 情報構造化 の範囲で行われている

Informationally structured environments are referred to variously as home automation systems, smart homes, ubiquitous robotics, kukanchi, and intelligent spaces, depending on the field of research and the professional experience of the researcher.
環境情報構造化は研究者の研究分野と専門的な経験に応じて、ホームオートメーションシステム、 スマートハウス、 ユビキタスロボット工学, 空間知、空間知能化、などの様々な呼び方をしている。


# p15
Home automation systems or smart homes are popular systems that centralize the control of lighting, heating, air conditioning, appliances, and doors, for example, to provide convenience, comfort, and energy savings [21–23].
ホームオートメーションシステムやスマートハウスは利便性、快適性、エネルギーの節約を提供するために 証明、暖房、空調、家電製品、ドアなどの制御に集中したポピュラーなシステム

The informationally structured environment can be categorized in this system, but the system is designed to support not only human life but also robot activity for service tasks.
環境情報構造化はこのシステムに分類することができるが、 このシステムは人間の生活のサポートだけではなく、サービスタスクのためのロボットの活動も設計している.


# p16
Hashimoto and Lee proposed an intelligent space in 1996 [24].
橋本とLeeが1996年に空間知能化を提案した。

Intelligent spaces (iSpace) are rooms or areas that are equipped with intelligent devices, which enable spaces to perceive and understand what is occurring within them [24–27].
空間知能化(ISpace)は部屋や空間にインテリジェントデバイスを設置し、そのスペースの中で、何が起こっているのかを知覚し、理解する。

These intelligent devices have sensing, processing, and networking functions and are referred to as distributed intelligent networked devices (DINDs).
これらのインテリジェンスデバイスは検出、処理、ネットワーク機能を持ち、分散知能化ネットワークデバイス(DINDs)と呼ばれる

One DIND consists of a CCD camera to acquire spatial information and a processing computer, which performs data processing and network interfacing.
DIND は空間情報の取得するためのCCD camera、データ処理及びネットワーク接続を行うためのコンピュータ処理から成る

These devices observe the position and behavior of both human beings and robots coexisting in the iSpace.
これらのデバイスは Ispaceに共存する人間とロボットの両方の位置と構造を観察する


# p17
Moreover, the concept of a physically embedded intelligent system (PEIS) has been introduced in 2005 [28].
Physically Embedded intelligent system(PEIS)の概念は2005年に紹介された。

A PEIS involves the intersection and integration of three research areas: artificial intelligence, robotics, and ubiquitous computing.
PEIS は 人工知能、ロボット工学、ユビキタスコンピューティングの3つの研究分野の交差と一本化を伴う

Anything that consists of software components with a physical embodiment and interacts with the environment through sensors or actuators/robots is considered to be a PEIS, and a set of interconnected physically embedded intelligent systems is defined as a PEIS ecology.
物理的に具現化されたかつソフトウェアコンポーネントから成り立っているかつセンサーやアクチュエータ/ロボットを通して環境と相互作用するものはPEISであると考えられ、そして相互接続されたPEISはPEIS ecology として定義される

Tasks can be achieved using either centralized or distributed approaches using the PEIS ecology [29,30].
タスクはPEIS ecology を使用して、集中か分散のいずれかのアプローチで達成することができる


# p18
Ubiquitous robotics [31] involves the design and deployment of robots in smart network environments in which everything is interconnected.
ユビキタスロボット工学は相互接続されたすべてのスマートネットワーク環境のロボットの設計と配置を伴う

define three types of Ubibots: software robots (Sobots), embedded robots (Embots), and mobile robots (Mobots), which can provide services using various devices through any network, at any place and at any time in a ubiquitous space (u-space).
Ubibots(Ubiquitous roboticsの略) に ソフトウェアロボット(Sobots), 埋め込みロボット(Embots), 移動ロボットの 3つのタイプを定義し、ユビキタススペースの任意の場所、任意の時間、任意のネットワークで様々な装置を利用してサービスを提供する。


# p19
Embots can evaluate the current state of the environment using sensors, and convey that information to users.
Embots はセンサーを使用している環境の現在の状態を評価し、ユーザーにその情報を伝える事ができる。

Mobots are designed to provide services and explicitly have the ability to manipulate u-space using robotic arms.
Mobots は サービス提供と明示的にロボットアームを用いてユビキタススペース(u-space)を操作する能力をもつ用に設計される

A Sobot is a virtual robot that has the ability to move to any location through a network and to communicate with humans.
Sobot は ネットワークと人間の通信を介して任意の場所に移動する仮想ロボットである

The present authors have previously demonstrated the concept of a PIES using Ubibots in a simulated environment and u-space [32,33].
この研究の筆者は、シミュレーションした環境とu-space での Ubibots を使用して PIES の概念を証明している


# p20
RoboEarth [34–36] is essentially a World Wide Web for robots, namely, a giant network and database repository in which robots can share information and learn from each other about their behavior and their environment.
RoboEarthというロボットのためのwwwがあり, すなわち、ロボットが行動とその環境について情報を共有、学習することができる巨大なネットワークとデータベースリポジトリ

The goal of RoboEarth is to allow robotic systems to benefit from the experience of other robots, paving the way for rapid advances in machine cognition and behavior, and ultimately, for more subtle and sophisticated human–machine interactions.
RoboEarth のゴールは他のロボットの経験から利益をえることが可能なロボットシステム


# p21
The informationally structured environment/space (also referred to as Kukanchi, a Japanese word meaning interactive human-space design and intelligence [37,38]) has received a great deal of attention in robotics research as an alternative approach to the realization of a system of intelligent robots operating in our daily environment.
環境/空間情報構造化(それに空間値は人間、空間の相互作用の構想と知能化を意味する日本語) は私達の日常の環境で動作する知能ロボットのシステムを実現するための別のアプローチとしてロボット研究で注目されている

Human-centered systems require, in particular, sophisticated physical and information services, which are based on sensor networks, ubiquitous computing, and intelligent artifacts.
人間中心をシステムは特に洗練された物理的な情報サービスが必要で、センサーネットワーク、ユビキタスcomputing、インテリジェンスアーティファクトに基づいている

Information resources and accessibility within an environment are essential for people and robots.
情報資源と環境内のアクセシビリティは人間とロボットに必要不可欠である

The environment surrounding people and robots should have a structured platform for gathering, storing, transforming, and providing information.
人とロボットの周囲の環境は情報の収集、保存、変換、提供をするための構造化プラットフォームを持っている必要がある

Such an environment is referred to as an informationally structured space
このような環境は空間情報構造化(informationally structured spaceのほうがいいか)と呼ばれている


# p22
In Section 5, we present a coordinate motion planning technique for a fetch-and-give including handing over an object to a person.
5章ではオブジェクトを人に受け渡すことを含む fetch-and-give の動作計画手法の調整を提示する

The problem of handing over an object between a human and a robot has been studied in Human–Robot Interaction (HRI) [40–43].
人間とロボットの間でオブジェクトを受け渡す問題はヒューマンロボットインタラクションで研究されている


# p23
In particular, the work that is closest to ours is the one by Dehais et al.  [42].
Dehaisらの研究が私達に最も近い研究の1つある

In their study, physiological and subjective evaluation for a handing over task was presented.
彼らの研究では、受け渡しのタスクの生理学的、主観的な評価を提示した

The performance of hand-over tasks were evaluated according to three criteria: legibility, safety and physical comfort.
受け渡しのタスクのパフォーマンスを読みやすや、安全性、物理的な快適さの3つの基準に従って評価された。

These criteria are represented as fields of cost functions mapped around the human to generate ergonomic hand-over motions.
これらの基準は人間工学的な受け渡し動作を生成するために、人間周辺にマッピングされたコスト関数をフィールドに表現する

Although their approach is similar to our approach, we consider the additional criteria, that is, the manipulability of both a robot and a human for a comfortable and safety fetch-and-give task.
彼らのアプローチは我々のアプローチと類似しているが, 我々は追加の基準として、快適と安全な fetch and give タスクのためにロボットと人間の両方の操作性を考慮している


# p24
The problem of pushing carts using robots has been reported in many studies so far [44–50].
ロボットを使用してカートを押す問題は多くの研究で報告されている

The earlier studies in pushing a cart were reported using a single manipulator mounted on a mobile base [44,45].
先行研究はカートを押すのに移動基地に搭載されたシングルマニピュレーターを使用した報告がされている


# p25
The problem of towing a trailer has also been discussed as an application of a mobile manipulator and a cart [46].
トレーラを牽引する問題は移動マニピュレーターとカートの応用として議論されている

This work is close to the approach in this paper, however, a pivot point using a cart is placed in front of the robot in our technique.
この研究はこの論文のアプローチ近いが、私達の技術ではカートはロボットの先方に配置されている


# p26
The work that is closest to ours is the one by Scholz et al.
私達の研究に一番近いものはScholzらによるもの

They provided a solution for real time navigation in a cluttered indoor environment using 3D sensing [49].
彼らは3D センシングを使って、散らかった室内環境でリアルタイムナビゲーションの解決策を提唱した


# p27
Many previous works focus on the navigation and control problems for movable objects.
多くの先行研究は移動可能なオブジェクトのナビゲーションと制御問題に焦点を当てている

On the other hand, we consider the problem including handing over an object to a human using a wagon, and propose a total motion planning technique for a fetch-and-give task with a wagon.
コレに反して、我々は四輪者を用いた人へのオブジェクトの受け渡しなどの問題を考え、ワゴンでの fetch-and-give タスクの合計運動計画技術を提案する


--- ここから part3
# p28
In the present paper, we extend the TMS and develop a new Town Management System called the ROS–TMS.
本論文では, TMS を拡張したROS-TMSと呼ばれる新たなタウンマネジメントシステムを開発している

This system has three primary components, i.e., real-world, database, and cyber-world components.
このシステムは3つの重要なコンポーネント、 すなわち現実世界、データベース、コンピューターの世界のコンポーネントをもつ


# p29
Events occurring in the real world, such as user behavior or user requests, and the current situation of the real world, such as the positions of objects, humans, and robots are sensed by a distributed sensing system.
ユーザーの行動やユーザーの要求および、オブジェクト、人間、ロボットの位置のような現在の実世界の状態などの 実世界で発生したイベントは分散センシングシステムによって感知される

The gathered information is then stored in the database.
収集されたデータはデータベースに格納される


# p30
Appropriate service commands are planned using the environmental information in the database and are simulated carefully in the cyber world using simulators, such as choreonoid [51].
適切なサービスコマンドはデータベース内の環境情報を使用して計画されており、Choreonoid(ロボット用総合GUIソフトウェア)のようなシュミレータを使用して、コンピューターの世界で丁寧にシュミレートされる

Finally, service tasks are assigned to service robots in the real world.
最終的にはサービスタスクは現実世界のサービスロボットに割り当てられる


# p31
the following functions are implemented in the ROS–TMS.
上記の概念を実現するために、以下の機能が ROS-TMS で実装されている

1. Communication with sensors, robots, and databases.
センサー、ロボット、データベースの通信

2. Storage,revision,backup,and retrieval of real-time information in an environment.
環境のリアルタイム情報のストレージ、リビジョン、バックアップ, 検索

3. Maintenance and providing information according to individual IDs assigned to each object and robot.
各オブジェクトやロボットに割り当てられた個別のID に応じた情報の保守及び提供

4. Notification of the occurrence of particular predefined events, such as accidents.
事故のような特定の事前定義されたイベントの発生の通知

5. Task schedule function for multiple robots and sensors.
複数のロボットとセンサーのタスクスケジューラー

6. Human–system interaction for user requests.
ユーザーリクエストとヒューマンシステムの相互作用

7. Real-time task planning for service robots.
サービスロボットへのリアルタイムタスクの計画


# p32
The ROS-TMS has unique features such as high scalability and flexibility, as described below.
ROS-TMS は以下に説明するようなユニークな機能を備えている

・Modularity: The ROS–TMS consists of 73 packages categorized into 11 groups and 151 processing nodes.
Modularity: ROS-TMS は 11グループと151の処理ノードに分類された73個のパッケージで構成される

Re-configuration of structures, for instance adding or removing modules such as sensors, actuators, and robots, is simple and straightforward owing to the high flexibility of the ROS architecture.
センサーやアクチュエーター、ロボットなどのモジュールのインスタンスを追加したり削除のために構造の再設定を行うことは ROS アーキテクチャの高い柔軟性により、シンプルで簡単でである


• Scalability: The ROS–TMS is designed to have high scalability so that it can handle not only a single room but also a building and a town.
Scalabilty:  ROS-TMS は 一つの部屋だけでなく、建物や街も処理できるように、高いスケーラビリティを持つように設計されている


• Diversity: The ROS–TMS supports a variety of sensors and robots.
Diversity(多様性): ROS-TMS は色々なセンサーやロボットをサポートする.

 For instance, Vicon MX (Vicon Motion Systems Ltd.), TopUrg (Hokuyo Automatic), Velodyne 32e (Velodyne Lidar), and Oculus Rift (Oculus VR) are installed in the developed informationally structured platform
例として ViconMX(Vicon Motion System Ltd.), TopUrg(Hokuyo Automatic), Velodyne 32e(Velodyne lidar), Oculus Rift(Oculus VR) は 開発された情報構造プラットフォームを搭載されてる

• Safety: Data gathered from the real world is used to perform simulations in the cyber world in order to evaluate the safety and efficiency of designed tasks.
Safety: 計画作業の安全性と効率を評価するコンピューターシミュレーションの実行のために使用されるデータを現実世界から収集。


# p33
• Privacy protection: One important restriction in our intelligent environment is to install a small number of sensors to avoid interfering with the daily activity of people and to reduce the invasion of their privacy as far as possible.
Privacy protection:  私達のインテリジェントな環境での一つの重要な制限は人々の日常生活の殿干渉を避ける、彼らのプライバシーの侵入を軽減するためにセンサーの設置を少なくする

For this reason, we do not install conventional cameras in the environment.
このような理由から、我々の環境では従来のカメラを設置しない

• Economy: Sensors installed in an environment can be shared with robots and tasks, and thus we do not need to equip individual robots with numerous sensors.
Economy: 環境に設置したセンサーはロボットやタスクと共有することができるため、私たちは数多くのセンサーを個々のロボットに装備する必要が無い

In addition, most sensors are processed by low-cost single-board computers in the proposed system.
また、低コストのシングルボードコンピューターによってほとんどのセンサーの処理は行われる

This concept has an advantage especially for the system consisting of multiple robots since robots can share the resources in the environment.
この概念はロボットが環境内のリソースを共有することができるので、複数のロボットから成るシステムの利点を得に有している


# p34
Some features mentioned above such as modularity, scalability, and diversity owe much to ROS’s outstanding features.
Modularity, scalability, diversity など上記の一部の機能の多くは ROS の優れた機能のおかげ

On the other hand, economical or processing efficiency strongly depends on the unique features of ROS–TMS, since various information gathered by distributed sensor networks is structured and stored to the database and repeatedly utilized for planning various service tasks by robots or other systems.
一方、 分散センサーネットワークによって収集された様々な情報を繰り返し構造化し、データーベースに格納され、ロボットや他のシステムによる各種サービスタスクを計画するために利用されるため、 経済的、処理的効率はROS-TMS のユニークな機能に強く依存する


# p35
This system is composed of five components: user, sensor, robot, task, and data.
このシステムは user, sensor, robot, task, data の5つのコンポーネントで構成される

These components are also composed of sub-modules, such as the User Request sub-module for the user component, the Sensor Driver sub-module, the Sensing System and State Analyzer sub-modules for the sensor component, the Robot Controller, the Robot Motion Planning, and the Robot Service sub-modules for the robot component, the Task Scheduler sub-module for the task component, and the Database sub-module for the data component.
これらのコンポーネントはサブモジュールから構成されており、 User Request は user コンポーネントのサブモジュール、 Sensing Systen と State Analyzer は Sensor Driver のさぶもじ,以下略


---- ここから chap4
# p36

The sensing system (TMS_SS) is a component of the ROS–TMS that processes the data acquired from various environment sensors.
センシングシステム(TMS_SS)は様々な環境センサーから取得したデータを処理する ROS-TMS の構成要素

In the current platform (Fig. 1), TMS_SS is composed of three sub-packages as described below and is described in Table 1.
現在のプラットフォームにおいて、 Table1に記載されているように TMS_SS は 以下に記載された3つのサブパッケージで構成される

1. Floor sensing system (FSS)
FSS
2. Intelligent cabinet system (ICS)
ICS
3. Object detection system (ODS)
ODS


# p37
The current platform (Fig.  1) is equipped with a floor sensing system to detect objects on the floor and people walking around.
現在のプラットフォームでは床上のオブジェクトや、回りに歩いてる人を検出するために床面センシングシステム を装備している

This sensing systems is composed of a laser range finder located on one side of the room and a mirror installed along another side of the room.
このセンシングシステムは一つの側面に設置するレーザーレンジファインダ(LRF)と別の側面に沿って設置されるミラーで構成されている

This configuration allows a reduction of dead angles of the LRF and is more robust against occlusions [52].
この構成は LRF の死角の減少を可能にし、 閉鎖に対してより強力


# p38
People tracking is performed by first applying static background subtraction and then extracting clusters in the remainder of the measurements.
最初に静的なバックグランド演算を適用したあと、測定の残り部分にクラスタを抽出することにより人の追跡を行う

this system can measure the poses of the robot and movable furniture such as a wagon using tags, which have encoded reflection patterns optically identified by the LRF [53].
また、このシステムはタグを用いたロボットと貨車などの可動する家具の姿勢をLRFによって、光の反射パターンの識別をエンコードして測定することができる


# p39
The cabinets installed in the room are equipped with RFID readers and load cells to detect the types and positions of the objects in the cabinet.
部屋に設置されたキャビネットはキャビネット内のオブジェクトのタイプと位置を検出するためのRFIDリーダーとロードセルを装備している

Every object in the environment has an RFID tag containing a unique ID that identifies it.
環境内の全てのオブジェクトはそれを識別する一意のIDを入れている RFID タグを持っている

This ID is used to retrieve the attributes of the object, such as its name and location in the database.
この ID は、データベース内の名前と場所のようなオブジェクトの属性を取得するために使用する


# p40
Using the RFID readers, we can detect the presence of a new object inside the cabinet.
RFIDリーダーを使用して, キャビネット内の新しいオブジェクトの存在を検出することができる

the load cell information allows us to determine its exact position inside the cabinet.
また、 ロードセルの情報はキャビネット内部の正確な位置を決定することを可能にする


# p41
available for detecting objects such as those placed on a desk, the object detection system using a RGB-D camera on a robot is provided in this platform as shown in Fig.  8.
机の上に置かれたものなどのオブジェクトを検出する場合、Object detection system に示すようにこのプラットフォームで提供されたロボットのRGB-D カメラを使用する

In this system, a newly appeared object or movement of an object is detected as a change in the environment.
このシステムでは、新たに出現したオブジェクトや移動したオブジェクトを環境の変化として検出する


# p42
The steps of the change detection process are as follows.
変化検出処理の手順は次の通り

1. Identification of furniture
家具の識別

2. Alignment of the furniture model
家具モデルのアライメント

3. Object extraction by furniture removal
家具の除去によるオブジェクト抽出

4. Segmentation of objects
オブジェクトのセグメンテーション

5. Comparison with the stored information
保存された情報との比較


# p43
It is possible to identify furniture based on the position and posture of robots and furniture in the database.
データベース内のロボットと家具の位置と姿勢に基づいて家具を特定することができる

Using this information, robot cameras determine the range of the surrounding environment that is actually being measured.
この情報を使用して、ロボットのカメラが実際に測定している周囲の環境の範囲を決定する

the system superimposes these results and the position information for furniture to create an updated furniture location model.
その後、システムは更新された家具の位置モデルを作成するために、この結果と 家具の位置情報を重ねる

# p44
The point cloud (Fig. 9a) acquired from the robot is superimposed with the furniture’s point cloud model (Fig. 9b).
ロボットが取得した点群(ポイントクラウド)(Fig. 9a) に 家具の点群モデル(Fig. 9b)を重ねあわせる

After merging the point cloud data (Fig. 9a) and the point cloud model (Fig. 9b), as shown in Fig. 9c, the system deletes all other points except for the point cloud model for the furniture and limits the processing range from the upcoming steps.
Fig9 に示すように、点群データと点群モデルをマージした後、システムは処理範囲以外の家具の点群モデル除く全ての点を削除し、今後のステップから制限する


# p45
We scan twice for gathering point cloud datasets of previous and current scene.
私達は前と現在の場面の点群データセットの収集のため 2回 スキャンを行う

In order to detect the change in the newly acquired information and stored information, it is necessary to align two point cloud datasets obtained at different times because these data are measured from different camera viewpoints.
新たに取得した情報と記憶された情報の変化を検出するため、異なる時間の2つの点群データセットを位置合わせする必要がある、なぜならそれは異なるカメラ視点から測定されているからである


# p46
In this method, we do not try to directly align the point cloud data, but rather to align the data using the point cloud model for the furniture.
この方法では 直接点群データを並べようとはせず、むしろ家具の点群モデルを使用してデータを並べる

The reason for this is that we could not determine a sufficient number of common areas by simply combining the camera viewpoints from the two point cloud datasets and can also reduce the amount of information that must be stored in memory.
この理由は 単純に2つの点群データセットとカメラ視点の組み合わせでは、通常の領域の十分な数を決定することが出来ず、更にメモリに記憶されなければならない情報の量を減らせる

Using the aligned point cloud model, it is possible to use the point cloud data for objects located on the furniture, without having to use the point cloud data for furniture from the stored data.
整列した点群モデルを用いることで、記憶されたデータから家具のための点群データを使用する必要がなく、家具の上に位置するオブジェクトの点群データを使用することが可能

The alignment of the furniture model is performed using the ICP algorithm.
家具モデルのアライメントはICP アルゴリズムを用いて行われる


# p47
After alignment, all points corresponding to furniture are removed to extract an object.
アライメント後、 家具に対応するすべての点はオブジェクトを抽出するために削除される

the system removes furniture according to segmentation using color information and three-dimensional positions.
システムは色情報及び、3次元の位置を使用してセグメンテーションに応じて家具を削除する

More precisely, the point cloud is converted to a RGB color space and then segmented using a region-growing method.
正確には点群は、RGBの色空間に変換され、領域拡張法を用いて部分化(セグメント化)される


# p48
Each of the resulting segments is segmented based on the XYZ space.
得られたセグメントそれぞれは XYZ 空間に基づいてセグメント化される

The system then selects only those segments that overlap with the model and then removes these segments.
このシステムではモデルとこれらのセグメントの重複を削除し、セグメントのみを選択する

Fig.10 shows the results of bed removal after blankets have been changed.
図10には毛布が変更された後のベットの除去の結果を示している


# p49
After performing the until now processing, only the points associated with objects placed on furniture remain.
今まで処理を行った後、 家具の上に配置されたオブジェクトに関連付けされている点のみが残る

These points are further segmented based on XYZ space.
これらの点は、さらにXYZ空間に基づいてセグメント化される

The resulting segments are stored in the database.
得られたセグメントはデータベースに格納される


# p50
Finally, the system associates each segment from the previously stored information with the newly acquired information.
最後に、以前に保存された情報の各セグメントに新たに取得した情報を関連付ける

 As a result, the system finds the unmatched segments and captures the movement of objects that has occurred since the latest data acquisition.
その結果、 システムはマッチしないセグメントを検索し、最新のデータ収集以降に発生したオブジェクトの動きを読み込む

 the segments that did not match between the previous dataset and the newly acquired dataset, reflect objects that were moved, assuming that the objects were included in the previously stored dataset.
セグメントが以前のデータセットと新たに取得したデータセットの間で一致しない場合、 オブジェクトが以前に格納されたデータセットに含まれていたとすると、移動したオブジェクトを反映する(つまりオブジェクトが移動した)

segments that appear in the most recent dataset, but not in the previously stored dataset, reflect objects that were recently placed on the furniture.
以前に保存されたデータセットではなく、最新のデータセットに現れたセグメントは、最近家具の上の置かれたオブジェクトを反映している


# p51
The set of segments that are included in the association process are determined according to the center position of segments.
関連付け処理に含まれるセグメントの集合は セグメントの中心位置に応じて決定される

For the segments sets from the previous dataset and the newly acquired dataset, the association is performed based on a threshold distance between their center positions, considering the shape and color of the segments as the arguments for the association.
以前のデータセットと新たに取得したデータセットのセグメントセットの場合、 中央位置との距離を閾値にして関連の引数としてセグメントの形状と色を考慮する


# p52
We use an elevation map (Fig.11b) that describes the height of furniture above the reference surface level to represent the shape of the object.
私たちは物体の形状を表現するために基準面より上の家具の高さをエレベーションマップを使用して説明する


The reference surface level of furniture is, more concretely, the top surface of a table or shelf, the seat of a chair
家具の基準面のレベルは、具体的にはテーブルや棚の上面、椅子の座席

The elevation map is a grid version of the reference surface level and is a representation of the vertical height of each point with respect to the reference surface level on each grid.
エレベーションマップは基準面レベルのグリッドの型であり、各グリッド上の基準面レベルに対する各点の垂直方向の高さの表現

- 図の説明


# p53
Then, comparison is performed on the elevation map for each segment, taking into consideration the variations in size, the different values obtained from each grid, and the average value for the entire map.
そして、エレベーションマップで行ったセグメント同士の比較は、 変化したサイズを考慮して異なる値が各グリッド、およびマップ全体の平均値から取得される

The color information used to analyze the correlation between segments is the hue (H) and saturation (S).
セグメント間の相関関係を分析するために使用される色情報は、色合い(H)、彩度(S)

Using these H–S histograms, the previous data and the newly acquired data are compared, allowing the system to determine whether it is dealing with the same objects.
これらのH-Sヒストグラムを使用して、 以前のデータと新たに取得したデータは同じオブジェクトを扱っているかどうかを判断できる用に比較される


# p54
The Bhattacharyya distance BC(p, q) within H-S histograms(p,q) is used for determining the similarity between histograms and is calculated according to Eq. (1)
バタチャリア距離 BC(p,q) は H-S ヒストグラム内の (p,q) は式1によるとヒストグラム間の類似性を決定するために使用される


Once distance values are calculated, the object can be assumed to be the same as for the case in which the degree of similarity is equal to or greater than the threshold value.
距離値が計算されると、オブジェクトは類似度が閾値以上である場合と同じであると仮定する


# p55
According to the scenarios for the two tables shown in Fig. 12a and b, the objects placed on top of the tables becomes segmented, and the correlation between these segments is calculated using only H–S histograms.
Fig.12a, bに示す2つのテーブルの状況によると、テーブルの上に置かれたオブジェクトはセグメントになり、これらのセグメント間の相関は H-Sヒストグラムを用いて検査される

Fig.12c shows the Bhattacharyya distance of the H–S histograms according to the overall combination of the previously stored dataset and the newly acquired dataset.
Fig.12cは以前に格納されたデータセットと新たに取得したデータセットの全体の組合せと、 H-Sヒストグラムのバタチャリア距離を示している

If the distance is the highest for both sectors and is equal to or greater than the threshold, the system determines it to be the same object.
両方のセクターの距離が最も高く、閾値以上であれば、システムは同じオブジェクトであると判断する

The distances shown in bold represent the values for which it is regarded as the same object.
太字で示される距離はそれが同じオブジェクトとみなされた値を表している


-----------以下Dpop-----------
5章:計画の内容
# p56
Robot motion planning (TMS_RP)は、TMS_SSから取得された値に基づいてロボットアームが動いたり掴んだり障害物を回避したりするロボットの軌跡と移動経路を計算するROS–TMSのコンポーネントである。

日常生活において高齢者に最も必要とされるタスクの１つであるfetch-and-giveタスクのサービスを実装する計画が必要だと考える。

# p57
また、Robot motion planning には図14aに示すように、高齢者介護施設で住居者にタオルを配ったりティータイムのときのように大量のオブジェクトを運搬・提供する用のワゴンが含まれている

# p58
Robot motion planningはfetch-and-giveタスク実装のために以下のサブ計画、統合計画、プランニングの評価で構成される。

1.ワゴンの把握計画
2.物品配達のための位置計画
3.移動経路計画
4.ワゴンの経路計画
5.統合計画
6.安全性と効率性の評価

各プロセスは、TMS_DB と TMS_SSから得られた環境データを使用している。

#58
5.1.ワゴンの把握計画方法
ロボットがワゴンを押すために、まずロボットはワゴンを把握しなければならない。

ワゴンを把握できたらワゴンの側に配置された２つのポールを使って安定してロボットはワゴンを押すことができる。

したがって、図14に示すようにワゴンに対して最終的には４つの位置に限定されるように値が選択される。　

#59
ワゴンの位置と向き、大きさは、ROS-TMSのデータベースを使用して管理されるため、この情報を使用して、正しい相対位置を決定することが可能である。

ロボットがワゴンの長い側面を把握したときのワゴンの方向基づいて、有効は候補点を式を用いて決定することができる。

#60
式2~4はi=0,1,2,3の値をとる。ここではロボットをR、ワゴンをWで表している。
添字x,yおよびθは、x座標、y座標そして姿勢（ｚ軸の回転）を表している。

#61
図13はi=2が与えられた時のロボットとワゴンの位置関係を示している。

#62　５．２
人にものを受け渡すためには、人の位置によってロボットの基本位置と配達されるべき物の位置の両方を計画する必要がある。

指標として可動域を使用し、システムは基本位置への物品の位置を計画する。

可動域は、各関節の角度を変化させたときに手・指が動かせる角度によって表される。

#63
高い操作性を持った姿勢で物品を配達すれば、ロボットと人の間に誤差が存在する場合であっても、動きを修正するのは簡単である。

人間の腕の高い操作性が物を掴むためにより適していると考えるため、
これらの関係は式5、6で表され、速度ベクトルvは手の位置に対応し、qは関節角度ベクトルに対応する。

#64
もし腕が冗長自由度なら、無数の関節角度ベクトルは１つの手の位置に対応する。

したがって、この問題を解決するときは、関節角の動ける範囲内で高い操作性を示す姿勢を計算する。

#65
物品の位置と可動域を用いるロボットの位置ためのこの計画手順は次のようになる。
１．システムはローカル座標系に各人間とロボットを対応した可動域をマップする。
２．両方の可動域マップが統合され、物品の位置が決定される。
３．物品の位置にもとづいて、ロボットの基本位置が決定される。
y軸は横方向を、x軸は正面方向とした、ロボットの座標系の原点にロボットをセットする。

#66
図15aに示すように、XY平面上の各位置で、手によって運ばれたオブジェクトの存在する状況のために可動域がマップされる。
図15bで示すように、マッピングは高さ方向であるz軸にそって重ね合わされている。
これらの座標は手の位置と基本位置の位置関係を表している。


#67
次のステップは可動域マップを用いて配達される物の位置決定することである。
図16bで示すように、ロボットと人間のための可動域マップを重ねあわせ人の座標に同じ処理を適応する。
そうすることで、例えば人が立っていたり座っていたりしていても、対象者の顔の位置を基準にし、対応するように合わせることによって可動域マップ上のｚ軸の値を補うことができる。
図16aで示すように、各ローカル座標系のXY座標を持ち、各高さによる値で最大操作性を取っている。
これらの座標は手の位置と基本位置の位置関係を表している。
図16bで示すように、ロボットと人間のための操作性マップを重ねあわせ人の座標に同じ処理を適応する。
そうすることで、例えば人が立っていたり座っていたりしていても、対象者の顔の位置を基準にし、対応するように合わせることによって可動域マップ上のｚ軸の値を補うことができる。
その結果、物品を配送するときに使用される絶対座標系における高さｚは、可動域の最大値のの合計の高さに相当する。

#68
人のために可動域マップ上に計算された高さに従って、システムは前もって保持した手の相対座標を用いて配達物品の絶対座標を要求する。

物品を受け取る人間の位置はTMS_SS と TMS_DBによって管理されています。そしてそれは相対座標を当てはめることにより物品の位置を要求するための基準点としてこの位置を使用することも可能である。

上記の手順に従えば、配達されようとしている物品のユニークな位置を決定できる。

#69
最後のステップとして、ロボットの基本位置がそれ前に計算された位置に物品を持っていくために決定される。
特定のオブジェクトの高さに対応する可動域マップに従って、システムは基本位置と手の間の関係を取得する。
基準点としてオブジェクトの位置を使うことで、基本位置がこの関係の基準を満たしている場合にロボットはどんな位置にもオブジェクトを持ち運ぶことができる

#70
このため、配達時にオブジェクトの位置の外周上の点は基準位置の絶対座標上の候補点に決定される。
外周の全ての点を考慮すると、システムが複数の候補点を抽出するための次の行動計画は冗長である。
最良の方法は、周囲をｎ回に分割し、分割後各セクターの代表点を取得し、候補点の数を限定することだ。

#71
その後、得られた代表点は式7のように評価される。これは安全性に重点を置いている。
ここでは、Viewは対象者の視野にロボットが入るかどうかを表すブール値である。もしそれが視野内にある場合は、Viewは１で、それ以外の場合はViewは０である。
この計算は、もしロボットが対象者の視野に入った場合れば、予想外の接触による危険も低減されるので必要となる。
式において、Dhumanは対象者までの距離を表し、Dobsは最も近い障害物までの距離を表す。

#72
対象者や障害物との接触の危険を低減するために、対象者や障害物への最大距離を表す位置が高く評価される。
もしも外周セクタに与えられた全ての候補点が障害物との接触が生じた場合、セクターの代表点は選択されない。
以上の処理に従って、要求された物品の位置に基づいてロボットの基本位置は計画される。


# n
5.3　移動経路の計画 - ロボットの経路計画

一般的な生活環境で働くロボットは人間との接触可能性を下げることで高い安全の経路計画を必要とする。

しかし、６次元の最大値をもつパラメータ空間でロボットとワゴンの位置 (x,y) と姿勢(θ)から高い安全性を示す経路の計画を一意に定義するには時間がかかる。

# n
つまり安全性の高い軌道を生成す方法が必要だが、同時に処理時間短縮をしなければならない。
そのために、図18で示すボロノイマップを利用します。

# n
5.3　移動経路の計画 - ワゴンのための経路計画
リアルイムにワゴンの計画ができるよう、経路探索空間の次元を減少させる必要がある。

ロボットの状態を一意に記述するパラメータは6次元の最大値を持つことができるが、ロボットがワゴンを操作可能な範囲は実際にはもっと制限されている。

# n
そこで、図19で示すような制御点を設定する。これは制御点を持つロボットの相対的な位置関係を決定している。

# n
ロボットの動作は、ロボットに対するワゴンの相対方向（Wθ）を単位としてで変更することが想定される。

さらに、相対位置の範囲も制限されるため、ワゴンの経路計画のための検索時間を短縮し、4次元のみで表現される。

# n
経路計画は上記の基本的な経路を使用して以下のように実行される。
1. 開始位置と終了位置が確立される
2. 基本的な経路に沿って各ロボットの経路が計画される
3. step2の推定経路上の各点によって、ワゴンの制御点の位置はロボットの位置との関係に適合するように考慮して決定される。

# n
4. ワゴンの制御点が基本経路（図20a）でない場合、ロボットの姿勢（Rθ）が制御点が基本経路にそって通過するように変更される。
5. ワゴンのヘッドが基本経路(図 20b)にない場合は、ワゴンの相対的な姿勢（Wθ）が基本経路にそって通過するように変更される。
6. 終点に到達するまでステップ3~5を繰り返す

# n
図21は始点と終点の例を使用した経路計画の結果である。

始点を (Rx,Ry,Rθ)=(2380mm,1000mm, 0°) 　、終点を(Rx,Ry,Rθ)=(450mm,2300mm, -6°) として
ワゴンを掴む位置計画と物を運ぶ位置計画の結果を使用する。

（緑の四角で示す）ワゴンの移動軌跡は、（灰色の丸い形示す）ロボットの移動軌跡内であることが確認できる。

# n
この手順を使用して、我々は基本的な経路図の安全性を損なうことなく空間検索を簡素化できる。
実際、１つのロボットの経路を計算するのにかかる時間は1.10msで、ワゴンの経路計画も含むと6.41msであった。

# n
5.4. 統合計画
位置、腕、経路の移動計画を統合し全体的な物品運搬動作のための動作計画を実行する。
はじめに、物を載せたワゴンを掴むための位置計画を実行する。
次に、物品配達のための位置計画を行う。位置計画タスクの結果は、ロボットとワゴンの経路計画のための移動目標の候補位置となる。
最後に、ロボットが初期位置からワゴンを掴むまでにかかるロボット経路とロボットが商品を届ける位置に到達するまでのワゴンの経路の計画タスクを組み合わせた行動計画を行う。

# n
例えば、対象者のまわりに商品を配達するための４つの候補点とワゴンを掴むための4つの候補点がある場合、図22に示すように16の異なる動作を計画できる。
この手順で得られたさまざまな一連の動作はその後最適な動作を選択するために評価をうける。

# n
5.5. 効率性と安全性の評価
式8で示すように効率性と安全性にもとづいて各一連動作候補の評価を行う。
α、β、γはそれぞれのLength、Rotation、ViewRatioの重み値である。
LengthとRotationは総移動距離塗装回転角度を表す。
Lenmin とRotminは全てのすべての移動候補の最小値を表す。
式8の第1項と第2項は動作効率のためのメトリクスである。
ViewRatioは動作計画ポイントの総数のうち人の視野に入るの動作計画ポイントの数である。

# n
6章では、ROS–TMSと実際のロボットを用いて以下のような基本的な実験の結果を述べる。
1.環境変化の検出実験
2.物を掴んで運ぶ実験
3.ロボット移動計画のシュミレーション
4.サービス実験
5.拡張性とモジュール性の確認

# n
6.1.　環境変化の検出実験
4.3章で説明したODSと家具の様々な品を用いて 変化を検出するための実験を行った。
2つのテーブル、２つの棚、１つの椅子、１つのベッドを含む対象家具の6品で実験。
家具の要素ごとに、保存されたデータ10セットと、本、スナック、カップなど新しく得たものの種類のデータを前もって用意し、各セット別々に変化検出を行った。

# n
評価方法として、変化したオブジェクト数に対する変化検出の比を考えた（変化検出率）。
また、我々はシステムが実際に発生していない変化を検出した場合を過検出とみなした。
この実験結果を表3に示す。
それぞれの家具タイプごとの変化検出比は、テーブルは93.3% 、棚は93.4%、椅子は84.6%、ベッドは91.3% であった。

# n
また、各家具の品ごとの変化検出の例を図23に示す。
各画像に円で囲まれたセクションは実際に変化を被った点であるため、ちゃんと検出ができている。

# n
6.2 物を掴んで運ぶ実験
ロボットがワゴンに位置するオブジェクトを掴み人に渡す動作実験を行った。

このサービスのための前提条件として、物品はワゴンの上に配置されていることが仮定され、その位置があらかじめ知られているものとする。

実験を10回行ったあと、ロボットが全て場合のオブジェクトをつかんで運んぶことに成功した。動作の状態を図24に示す。

# n
また、物品位置のズレ(図25のOx 、 Oy ) を測定し、腕の姿勢誤差や回転誤差の影響を検証するために、測定した値と配達時の値の間の直線距離(d)を測定した。結果は表４に記載。

# n
配達時の物品の位置の距離誤差は35.8mmであった。
可動域に従い、システムがロボットと人が手を動かすことができる余分なマージンをもって配達姿勢を計画するため、これらのエラーに対処することが可能である。

# n
6.3. ロボット移動計画のシュミレーション
ロボットの初期位置を(Rx,Ry,Rθ)=(1000mm,1000mm, 0°)、ワゴンの初期位置をwagon (Wx,Wy,Wθ)=(3000mm,1000mm, 0°)、対象者の位置を(Hx,Hy,Hθ)=(1400mm,2500mm, -90°)にセットアップし、図26aに示すように対象者を座った状態に仮定した。
また、このときの人の視野範囲は図26bの赤いエリアで示している。

# n
図27で候補1のワゴンを掴み移動する行動計画結果を示す。
aは、ワゴンを掴む位置で、bはワゴンを掴みにいく移動経路である。
c,d,eは物を対象者のところに運ぶ行動計画の候補である。
dは対象者の後ろからまわる移動経路が示されている。

# n
同様に、候補2としてワゴンの逆の辺を掴み移動する行動計画結果を図28に示す。
ここのc,d,eの候補では全て対象者の前から通る移動経路が示されている。

# n
さらに、各計画結果のために各評価の重みを変更した評価値をを表5,6,7に記載する.
Plan No.が先ほどあげた6つの移動経路である。
計画2-3の行動は最も高く評価された（表５）。次いで2-1が高い。
対応する計画である図28aとdは人の全ての行動は視野に入っている。

# n
つまり、対象者からロボットの行動が常に監視できるので、予想外の方にロボットと触れる危険性が低く、ロボットの行動を見逃した場合すぐに対処ができる状況と言える。

それに従って表の結果からこの選択された行動計画は、高い安全性と効率性の両方を示す。

# n
6.4. Service experiments
我々は、これらの一連の計画を組み合わせた結果に従い、物品運搬のためのサービス実験を行った。
一連の動作の状態を図29に示す。
１．初期位置からオブジェクトを運ぶ位置に移動計画が実行される。a
２．ロボットはワゴンを掴む位置に初期位置から移動する。ロボットの位置はRGB-D カメラによって補正される
３．腕の軌道がワゴンを掴むために計画・実行される(図29b)。
４．ロボットがワゴンを押しながら運ぶ位置に移動する（図29c）。
５．腕の軌跡がワゴンから離れるてワゴンの上にある対象物を掴むために計画・実行される（図29d）。
６．腕の軌道が運ばれる位置にオブジェクトを持つために計画・実行される（図29e、f）。

# n
このサービスは環境との接触を避け運び切ることに成功した。
安全面のためにSmartPal-V10mm/secに制限されている最大速度の場合、タスク実行のための合計時間は312秒である。
また、ロボットの位置は常に被験者の視野の中で実行されていた。したがって、計画された行動が安全性の適切なレベルだったということが言える。

# n
また、図29fで示すように手の動きにも余裕があり、運搬処理はロボットの移動誤差に適切に対処することができた。
実際には、この実験での目標軌道からの最大誤差は0.092mmであった。

# n
6.5. Verification of modularity and scalability

高いモジュール性と拡張性を確認するために、3種類の部屋のためのROS-TMSを構築した。
部屋の構造と大きさ、センサー設定、センサーの種類とロボットは部屋によってすべて異なる。
部屋の実際の写真とシミュレーションモデルをそれぞれ図30,31に示す。

部屋A（図30a/31a、4m×4m）は18のパッケージとLRFを含む32の処理ノード３つのRFIDタグリーダー、1つのXtionセンサーとヒューマノイドロボットを使用した。

部屋Bは（図30b/31b、4.5m×8m）52のパッケージと2つのLRFを含む93の処理ノード、２つのRFIDタグリーダー、４つのXtionセンサーと10このViconカメラ、2つのヒューマノイドロボット、１つの床クリーニングロボットと冷蔵庫と車いすロボットで構成されている。

部屋Cは（図30c/31c~f、8m×15m）が73のパッケージと8つのLRFを含む151の処理ノード、2つのRFIDタグリーダー、１つのXtionセンサー、5つのKinectセンサー、18のViconカメラ、3つのヒューマノイドロボット、１つの床掃除ロボットとモバイル操作ロボットと車いすロボットが利用されている。

ROS–TMSの高いスケーラビリティと柔軟性のおかげで、我々は短時間で様々な環境を設定することができた。

# n
# n
# n

# n
7. まとめ
本論文では、高齢者の生活をサポートするように設計されたROS–TMSという情報的に構造化された環境でのサービスロボットを紹介している。

部屋には環境と人をモニタリングするためのいくつかのセンサーが中に含まれているものとみなす。

様々な活動をサポートするために環境の情報を用いたヒューマノイドロボットで人は支援される。

# n
本研究では、高齢者の生活で最も一般的に要求されるタスクのひとつである検出とfetch-and-giveタスクに焦点をあてた。

タスクを完了するために必要な様々なサブシステムを提案し、これらサブシステムが適していることを実証するために、ROS–TMSのロボットモーションプランニングシステムを使うfetch-and-giveタスクやセンシングシステムを使う検出タスクといった、いくつかの独立した短期的実験を導いた。

# n
現在我々は、手動で定義された信頼性に基づいた冗長な感覚情報による適切なデータ選択のための決定論的なアプローチを採用している。

今後の課題としては、冗長な感覚情報を融合させるための確率論的アプローチへの拡張がある。

また、完成されたシステムを長期間テストできる長期的な実験の設計と準備をしていきます。