柔らかなぬいぐるみコンパニオンにおける感情触覚分類のための軽量1D CNNの設計と検証
本研究は、ソフトなインタラクティブコンパニオンにおける感情触覚認識のためのコンパクトな深層学習モデルのオープンソースMATLABフレームワークを提案する。468のCNNモデルを系統的に探索し、13.2kパラメータの拡張1D CNNがテスト精度75%、Leave-One-Subject-Out交差検証精度85%を達成した。ヒューリスティックフィルタリングとCNN分類を組み合わせたハイブリッドパイプラインは、マイクロコントローラ上で20Hzのリアルタイム動作を可能にし、プライバシー保護された感情触覚解釈を実現する。
柔らかくセンサーを搭載したコンパニオンロボット（ぬいぐるみなど）は、社会的支援技術において物理的に安全で感情的に直感的なインターフェースを提供するが、その変形可能性とマルチチャネル触覚センシングにより、人間の感情のロバストな解釈は複雑である。本研究は、ソフトなインタラクティブコンパニオンにおける感情触覚認識のためのコンパクトな深層学習モデルの開発と検証のための、MATLABベースの完全なオープンソースフレームワークを提示する。
主な貢献として、子供、10代、大人を含む25名の参加者から収集した1,326のラベル付きジェスチャーシーケンスからなる多様なFAIR準拠データセットが公開され、将来の感情触覚認識研究のための再利用可能なリソースを提供する。468のCNNモデルにわたる体系的なアーキテクチャとハイパーパラメータの探索（フィルタ数、層数、拡張率、学習率など）を通じて、コンパクトな拡張一次元畳み込みニューラルネットワーク（1D CNN）が最も効果的な解決策であることが特定された。最良のモデルは13.2kパラメータのみで、テスト精度75%、平均Leave-One-Subject-Out交差検証精度85%を達成し、良好な汎化能力を示した。
理論的な推論時間分析により、量子化展開では1ウィンドウあたり3.2 MMAC（百万乗算累積演算）が必要であり、対象マイクロコントローラ上での20 Hzリアルタイム動作と互換性があることが示された。物理的なおもちゃのセンサーデータをストリーミングするPCベースのリアルタイムシミュレーションでは、CNNが以前のヒューリスティックシステムでは検出できなかった微妙な社会的タッチ（軽く叩く、撫でるなど）を解決する一方、高力のネガティブなインタラクション（叩く、ねじるなど）は単純なしきい値ベースのロジックでより確実に捉えられることが示された。結果として得られたハイブリッド推論パイプライン（瞬時ヒューリスティックフィルタリングに続くCNNベースのニュアンスのあるジェスチャー分類）が、組み込み展開戦略として提案される。
本研究は、感情的に意味がありプライバシーを保護するタッチ解釈が、ソフトな治療用コンパニオンへの直接埋め込みに対して計算的に実現可能であることを示しており、生のセンサーデータをクラウドにアップロードする必要をなくす。ハードウェア統合と実際のユーザーテストは今後の研究で扱われるが、現在の結果は、低コスト・低消費電力の感情触覚ヒューマンロボットインタラクションへの道を開くものである。