特許 5985870 形状校正方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】5985870

(24)【登録日】2016年8月12日

(45)【発行日】2016年9月6日

(54)【発明の名称】形状校正方法

(51)【国際特許分類】

   G06F 3/01 20060101AFI20160823BHJP

   G06N 3/00 20060101ALI20160823BHJP

【ＦＩ】

   G06F3/01 560

   G06N3/00 550Z

【請求項の数】4

【全頁数】13

(21)【出願番号】特願2012-96043(P2012-96043)

(22)【出願日】2012年4月19日

(65)【公開番号】特開2013-225177(P2013-225177A)

(43)【公開日】2013年10月31日

【審査請求日】2015年2月2日

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(73)【特許権者】

【識別番号】304021277

【氏名又は名称】国立大学法人 名古屋工業大学

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(74)【代理人】

【識別番号】100080621

【弁理士】

【氏名又は名称】矢野 寿一郎

(74)【代理人】

【識別番号】100124730

【弁理士】

【氏名又は名称】正津 秀明

(72)【発明者】

【氏名】奥田 謙造

(72)【発明者】

【氏名】加治佐 英輔

(72)【発明者】

【氏名】和田 健二

(72)【発明者】

【氏名】佐野 明人

(72)【発明者】

【氏名】田中 由浩

(72)【発明者】

【氏名】藤本 英雄

【審査官】 池田 聡史

(56)【参考文献】

【文献】 国際公開第２０１１／０３６７８７（ＷＯ，Ａ１）

【文献】 国際公開第２００７／１１９６０３（ＷＯ，Ａ１）

【文献】 米国特許出願公開第２０１１／０２４２３１６（ＵＳ，Ａ１）

【文献】 特開平０４−１８８２７８（ＪＰ，Ａ）

【文献】 大海悠太ほか１名，ニューラルネットワークと触覚ディスプレイを用いたアクティブタッチの研究 「うねうね」と「ざらざら」の触感の構成”，電子情報通信学会技術研究報告，日本，社団法人電子情報通信学会，２００９年 ６月 ８日，第109巻 第83号，pp.17〜21

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ ３／０１

Ｇ０６Ｎ ３／００

ＪＳＴＰｌｕｓ（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

刺激子を動作させて人の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏を知覚させる触覚ディスプレイの提示形状を校正する形状校正方法であって、
前記触覚ディスプレイによって所定の提示形状を人に試験的に知覚させ、
前記人がイメージした形状および実物形状のいずれか一方と、前記人が前記提示形状を知覚したときの知覚形状とが一致する触感を得たときの、前記提示形状に対応する形状データ、および前記人がイメージした形状および実物形状のいずれか一方に対応する形状データを学習データとして、前記触覚ディスプレイによりニューラルネットワークの学習を行い、
前記ＣＡＤデータ上の表面起伏に対応する形状データを学習済みの前記ニューラルネットワークに入力し、
学習済みの前記ニューラルネットワークから、前記ＣＡＤデータ上の表面起伏と、前記知覚形状とが一致するように校正した前記触覚ディスプレイの提示形状に対応する形状データを出力させ、
前記校正した触覚ディスプレイの提示形状に対応する形状データに応じて、前記刺激子を動作させる、
形状校正方法。

【請求項2】

前記ＣＡＤデータとして、金型のＣＡＤデータを用いる、
請求項１に記載の形状校正方法。

【請求項3】

刺激子を動作させて人の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏を知覚させる触覚ディスプレイの提示形状を校正する形状校正方法であって、
前記触覚ディスプレイによって所定の提示形状を人に試験的に知覚させ、
前記人がイメージした形状および実物形状のいずれか一方と、前記人が前記提示形状を知覚したときの知覚形状とが一致する触感を得たときの、前記刺激子の時間的変化を学習データとして、前記触覚ディスプレイによりニューラルネットワークの学習を行い、
現在の前記刺激子の出力値、および現在よりも前の時点での前記刺激子の出力値を学習済みの前記ニューラルネットワークに入力し、
学習済みの前記ニューラルネットワークから、前記ＣＡＤデータ上の表面起伏と、知覚させる形状とが一致するように校正した前記現在の刺激子の出力値を出力させ、
前記校正した現在の刺激子の出力値に応じて、前記刺激子を動作させる、
形状校正方法。

【請求項4】

前記ＣＡＤデータとして、金型のＣＡＤデータを用いる、
請求項３に記載の形状校正方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、刺激子を動作させて人の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏を知覚させる触覚ディスプレイの提示形状を校正する形状校正方法に関する。

【背景技術】

【0002】

従来から、ＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）データを読み込んで、ＣＡＤデータ上の表面起伏を擬似的に知覚させる触覚ディスプレイによって、ＣＡＤデータ上の表面起伏を人に知覚させている（例えば、特許文献１参照）。
このような表面起伏を知覚させる場合としては、例えば、金型の面歪を修正する作業を行う場合等がある。

【0003】

特許文献１に開示される触覚ディスプレイは、指関節に局所的な刺激を与える複数の刺激子を備える触覚デバイスの動きを画像処理デバイスで検出する。そして、仮想空間内において、ＣＡＤデータに基づいて規定される仮想物体モデルの位置に、前記触覚デバイスの動きを対応付ける。
特許文献１に開示される触覚ディスプレイは、仮想物体モデル（ＣＡＤデータ）の表面起伏に応じて刺激子を動作させることで、触覚デバイスを移動させる人の指関節に局所的な刺激を与え、仮想物体モデル上の表面起伏を人に知覚させる。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】国際公開第２０１１／０３６７８７号

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、人が触覚ディスプレイの提示形状を知覚したときの知覚形状（あるいは実物形状）と、提示形状（刺激子の位置に応じて刺激子を動作させる距離）との間には、差異がある。
このため、例えば、触覚ディスプレイが高さＨ、幅Ｌのサインカーブの山を提示した場合、人は、表面起伏が高さＨ１、幅Ｌ１のサインカーブの山であると知覚してしまう可能性がある（図３に示す提示形状Ｗ´および知覚形状Ｗ１参照）。

【0006】

従って、特許文献１に開示される触覚ディスプレイのように、ＣＡＤデータ上の表面起伏に応じて刺激子を動作させた場合には、ＣＡＤデータ上の表面起伏を正確に知覚させることができない可能性があった。

【0007】

本発明は、以上の如き状況を鑑みてなされたものであり、ＣＡＤデータ上の表面起伏を正確に知覚させることができる形状校正方法を提供するものである。

【課題を解決するための手段】

【0008】

本発明に係る形状校正方法は、刺激子を動作させて人の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏を知覚させる触覚ディスプレイの提示形状を校正する形状校正方法であって、前記触覚ディスプレイによって所定の提示形状を人に試験的に知覚させ、前記人がイメージした形状および実物形状のいずれか一方と、前記人が前記提示形状を知覚したときの知覚形状とが一致する触感を得たときの、前記提示形状に対応する形状データ、および前記人がイメージした形状および実物形状のいずれか一方に対応する形状データを学習データとして、前記触覚ディスプレイによりニューラルネットワークの学習を行い、前記ＣＡＤデータ上の表面起伏に対応する形状データを学習済みの前記ニューラルネットワークに入力し、学習済みの前記ニューラルネットワークから、前記ＣＡＤデータ上の表面起伏と、前記知覚形状とが一致するように校正した前記触覚ディスプレイの提示形状に対応する形状データを出力させ、前記校正した触覚ディスプレイの提示形状に対応する形状データに応じて、前記刺激子を動作させる、ものである。

【0009】

本発明に係る形状校正方法は、前記ＣＡＤデータとして、金型のＣＡＤデータを用いる、ものである。

【0010】

本発明に係る形状校正方法は、刺激子を動作させて人の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏を知覚させる触覚ディスプレイの提示形状を校正する形状校正方法であって、前記触覚ディスプレイによって所定の提示形状を人に試験的に知覚させ、前記人がイメージした形状および実物形状のいずれか一方と、前記人が前記提示形状を知覚したときの知覚形状とが一致する触感を得たときの、前記刺激子の時間的変化を学習データとして、前記触覚ディスプレイによりニューラルネットワークの学習を行い、現在の前記刺激子の出力値、および現在よりも前の時点での前記刺激子の出力値を学習済みの前記ニューラルネットワークに入力し、学習済みの前記ニューラルネットワークから、前記ＣＡＤデータ上の表面起伏と、知覚させる形状とが一致するように校正した前記現在の刺激子の出力値を出力させ、前記校正した現在の刺激子の出力値に応じて、前記刺激子を動作させる、ものである。

【0011】

本発明に係る形状校正方法は、前記ＣＡＤデータとして、金型のＣＡＤデータを用いる、ものである。

【発明の効果】

【0012】

本発明は、ＣＡＤデータ上の表面起伏を正確に知覚させることができる、という効果を奏する。

【図面の簡単な説明】

【0013】

【図1】触覚ディスプレイの構成を示す説明図。

【図2】刺激子を示す説明図。

【図3】知覚形状と提示形状との間の差異を示す図。

【図4】第一実施形態のニューラルネットワークを示す説明図。

【図5】ニューラルネットワークの学習を行う様子を示す説明図。

【図6】提示形状を校正する状態を示す図。

【図7】第二実施形態のニューラルネットワークを示す説明図。

【図8】第二実施形態において提示形状を校正する状態を示す説明図。

【発明を実施するための形態】

【0014】

以下では、第一実施形態の形状校正方法について説明する。

【0015】

形状校正方法は、触覚ディスプレイ１の提示形状Ｗ´を校正するものである（図１および図６参照）。

【0016】

まず、触覚ディスプレイ１の構成について説明する。
図１に示すように、触覚ディスプレイ１は、ＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）データを読み込んで、ＣＡＤデータ上の表面起伏Ｗを擬似的に知覚させるものである。触覚ディスプレイ１は、液晶画面１０、触覚デバイス２０、ダイヤルスイッチ３０、フットペダル４０、カメラ５０、およびＰＣ６０等を具備する。

【0017】

液晶画面１０は、ＰＣ６０と接続され、ＰＣ６０からの出力に基づいてＣＡＤデータを表示する。

【0018】

なお、触覚ディスプレイ１は、金型の面歪を修正するときに用いられるものとする。すなわち、ＣＡＤデータは、金型のキャビティ面を設計するためのＣＡＤデータである。
ただし、触覚ディスプレイ１の用途は、本実施形態に限定されるものでない。

【0019】

触覚デバイス２０は、指関節に局所的な刺激を与えるためのものである。触覚デバイス２０は、液晶画面１０に載置される。図２に示すように、触覚デバイス２０は、刺激子２１〜２９等を備える。

【0020】

刺激子２１〜２９は、触覚デバイス２０の上面に設けられる。刺激子２１〜２９は、例えば、人差し指、中指、および薬指の第一関節から第三関節までに対向する位置に配置され、ピエゾ素子によって上下動可能に構成される。
図１および図２に示すように、触覚デバイス２０は、ＰＣ６０と接続され、ＰＣ６０からの出力に基づいて刺激子２１〜２９を上下動させる。

【0021】

ダイヤルスイッチ３０は、表面起伏Ｗ（図３参照）の修正量を設定するためのものである。
熟練作業者（人）は、ダイヤルスイッチ３０を操作することで、液晶画面１０に表示されるカーソルに対応する位置において、表面起伏Ｗの修正量を設定する。
ダイヤルスイッチ３０は、ＰＣ６０と接続され、人が操作した内容（表面起伏Ｗの修正量）をＰＣ６０に入力する。

【0022】

フットペダル４０は、前記カーソルを移動させるためのものである。熟練作業者は、フットペダル４０を操作することで、前記カーソルを表面起伏Ｗの頂点（表面起伏Ｗにおいて最も突出している部分）に移動させ、高さを修正する表面起伏Ｗを選択する。
フットペダル４０は、ＰＣ６０と接続され、人が操作した内容（前記カーソルを移動させる位置）をＰＣ６０に入力する。

【0023】

カメラ５０は、触覚デバイス２０の位置を検出するものである。カメラ５０は、ＰＣ６０と接続され、検出した触覚デバイス２０の位置情報をＰＣ６０に入力する。このようなカメラ５０には、触覚デバイス２０の位置を測定可能な市販のカメラが用いられる。

【0024】

なお、触覚ディスプレイ１は、必ずしもカメラ５０を具備する必要はない。すなわち、触覚デバイス２０の移動量を検出するセンサ等により、触覚デバイス２０の位置を特定しても構わない。

【0025】

ＰＣ６０は、ＣＡＤデータを読み込んでＣＡＤデータ上の表面形状を仮想空間内に配置する。ＰＣ６０は、カメラ５０から触覚デバイス２０の位置情報を取得して触覚デバイス２０の位置を特定する。そして、ＰＣ６０は、仮想空間において、触覚デバイス２０の位置に対応する位置に応じて刺激子２１〜２９を上下動させる。
また、ＰＣ６０は、ダイヤルスイッチ３０の操作に応じて、表面起伏Ｗの頂点の高さを修正する。このとき、ＰＣ６０は、表面起伏Ｗの頂点周辺の高さも修正する。

【0026】

熟練作業者は、触覚デバイス２０の上面に掌を載せた状態で、液晶画面１０をなぞるように触覚デバイス２０を動かす。
このとき、触覚ディスプレイ１は、刺激子２１〜２９を動作（上下動）させて熟練作業者の掌に刺激を与えることにより、ＣＡＤデータ上の表面起伏Ｗの形状を提示する。これにより、触覚ディスプレイ１は、熟練作業者に表面起伏Ｗを知覚させる。

【0027】

ここで、図３に示すように、熟練作業者が提示形状Ｗ´を知覚したときの形状（以下、「知覚形状Ｗ１」と表記する）と、提示形状Ｗ´（刺激子２１〜２９の位置に応じて刺激子２１〜２９を上下動させる距離）との間には、差異がある。
このため、例えば、高さＨ、幅Ｌのサインカーブの山である表面起伏Ｗと同じ形状を提示した場合（表面起伏Ｗと提示形状Ｗ´とが同じ形状である場合）、熟練作業者は、表面起伏Ｗが高さＨ１、幅Ｌ１のサインカーブの山であると知覚してしまう可能性がある。

【0028】

そこで、触覚ディスプレイ１は、形状校正方法を用いて提示形状Ｗ´を校正する（図６参照）。

【0029】

なお、触覚ディスプレイ１の構成は、本実施形態に限定されるものでなく、ＣＡＤデータを読み込んで、ＣＡＤデータ上の表面起伏Ｗを熟練作業者に擬似的に知覚させることができる構成であればよい。

【0030】

次に、形状校正方法について説明する。
なお、以下において、触覚ディスプレイ１は、説明の便宜上、図３に示すような高さＨ、幅Ｌのサインカーブの山である表面起伏Ｗを、熟練作業者に知覚させるものとする。

【0031】

形状校正方法では、図４および図６に示すように、ニューラルネットワーク６０を用いて、提示形状Ｗ´を校正する。

【0032】

ニューラルネットワーク６０は、人間の脳の神経回路の仕組みを模した情報処理モデルである。第一実施形態のニューラルネットワーク６０は、入力層６１、中間層６２（隠れ層）、および出力層６３を備える多層パーセプトロンとして構成される。各層６１〜６３は、複数のユニットを有する。

【0033】

入力層６１のユニットには、ＣＡＤデータ上の表面起伏Ｗに対応する形状データが入力される。第一実施形態のように、ＣＡＤデータ上の表面起伏Ｗがサインカーブの山である場合には、ＣＡＤデータ上の表面起伏Ｗの高さＨ、幅Ｌが、形状データＨ・Ｌとして入力層６１に入力される。
入力層６１のユニットは、中間層６２のユニットと結合され、入力層６１に入力される入力値を中間層６２のユニットに伝播する。

【0034】

中間層６２のユニットは、出力層６３のユニットと結合され、入力層６１のユニットから伝播される入力値に対して所定の演算処理を行い、その出力値を出力層６３のユニットに伝播する。

【0035】

出力層６３のユニットは、中間層６２のユニットから伝播される演算結果に対して所定の演算処理を行い、その出力値を算出する。
ニューラルネットワーク６０は、出力層６３のユニットの出力値を、ニューラルネットワーク６０の出力値Ｈ´・Ｌ´として出力する。

【0036】

このような中間層６２および出力層６３のｉ番目のユニットは、以下に示す数式１により、変数Ｓ_iを算出する。

【0037】

【数1】

【0038】

前記数式１において、ｂ_iは中間層６２および出力層６３のｉ番目のユニットのバイアスである。
前記数式１において、ｗ_i,jは入力値に対して設定される重みである。より詳細には、ｉ番目のユニットが中間層６２のユニットである場合、入力層６１のｊ番目のユニットの出力値に対して設定される重みであり、ｉ番目のユニットが出力層６３のユニットである場合、中間層６２のｊ番目のユニットの出力値に対して設定される重みである。
前記数式１において、ｕ_jはｊ番目のユニットの出力値である。より詳細には、ｉ番目のユニットが中間層６２のユニットである場合、入力層６１のｊ番目のユニットの出力値であり、ｉ番目のユニットが出力層６３のユニットである場合、中間層６２のｊ番目のユニットの出力値である。

【0039】

中間層６２および出力層６３のユニットは、前記数式１の結果に基づいて、出力値を算出する（以下に示す数式２参照）。このとき、中間層６２および出力層６３のユニットは、例えば、シグモイド関数等を用いて出力値を算出する。

【0040】

【数2】

【0041】

第一実施形態の形状校正方法は、入力層６１に入力する形状データＨ・Ｌに対して適切な値を出力させるために、以下のようにしてニューラルネットワーク６０の学習を行う。

【0042】

まず、熟練作業者は、図５に示すように、頭の中で面形状（例えば、高さＨ２、幅Ｌ２のサインカーブの山）をイメージする（図５に示すイメージ形状Ｗ２参照）。熟練作業者は、触覚デバイス２０を動かす（図１参照）。

【0043】

このとき、形状校正方法は、触覚ディスプレイ１によって所定の提示形状Ｗ´を、熟練作業者に試験的に知覚させる。このとき、熟練作業者は、イメージ形状Ｗ２と知覚形状Ｗ１とが一致するか確認する。
熟練作業者は、イメージ形状Ｗ２と一致する触感を得るまで（イメージ形状Ｗ２と知覚形状Ｗ１とが一致するまで）、ダイヤルスイッチ３０を操作して、提示形状Ｗ´を変更する。

【0044】

これにより、形状校正方法は、イメージ形状Ｗ２と知覚形状Ｗ１とが一致する触感を得たときの、提示形状Ｗ´に対応する形状データＨ２´・Ｌ２´、およびイメージ形状Ｗ２に対応する形状データＨ２・Ｌ２を取得する。

【0045】

形状校正方法は、取得した各形状データＨ２・Ｌ２・Ｈ２´・Ｌ２´を学習データとして、ＰＣ６０（触覚ディスプレイ１）によりニューラルネットワーク６０の学習を行う。
このとき、形状校正方法は、例えば、勾配法等を用いて、学習データに基づいた適切な値を出力可能となるように、ニューラルネットワーク６０の学習を行う。

【0046】

なお、第一実施形態の形状校正方法は、実物形状を触ったときの触感と、知覚形状Ｗ１とが一致したときの、提示形状Ｗ´に対応する形状データを取得しても構わない。

【0047】

形状校正方法は、イメージ形状Ｗ２を変更しながら、このような学習を繰り返し行う。形状校正方法は、このような学習済みのニューラルネットワーク６０をＰＣ６０に構築している。

【0048】

次に、第一実施形態の形状校正方法の手順について説明する。

【0049】

まず、図４に示すように、触覚ディスプレイ１は、ＣＡＤデータを読み込んだときに、ＣＡＤデータ上の表面起伏Ｗに対応する形状データＨ・Ｌを学習済みのニューラルネットワーク６０に入力する。

【0050】

図４および図６に示すように、ニューラルネットワーク６０は、ＣＡＤデータ上の表面起伏Ｗと、知覚形状Ｗ１とが一致するように校正した触覚ディスプレイ１の提示形状Ｗ´に対応する形状データＨ´・Ｌ´を出力する。

【0051】

熟練作業者が触覚デバイス２０を動かしたとき、形状校正方法は、校正した触覚ディスプレイ１の提示形状Ｗ´に対応する形状データＨ´・Ｌ´に応じて、刺激子２１〜２９を動作させる。
すなわち、触覚ディスプレイ１は、高さＨ´、幅Ｌ´のサインカーブの山に応じて刺激子２１〜２９を上下動させる（図６に示す提示形状Ｗ´参照）。

【0052】

これによれば、形状校正方法は、表面起伏Ｗの形状に知覚形状Ｗ１を近づけることができる。
従って、形状校正方法は、ＣＡＤデータ上の表面起伏Ｗを正確に熟練作業者に知覚させることができる。

【0053】

このため、第一実施形態のように、ＣＡＤデータとして、金型のＣＡＤデータを用いた場合には、金型の面歪を修正するときに、表面起伏Ｗを正確に修正できる。

【0054】

このように、第一実施形態の形状校正方法は、ＣＡＤデータ上の表面起伏Ｗに対応する形状データＨ・Ｌに基づいた静的な校正方法である。

【0055】

なお、ニューラルネットワーク６０に入力する形状データは、第一実施形態に限定されるものでない。
すなわち、仮に、表面起伏Ｗがサインカーブの山でない場合には、例えば、頂点までの高さ、表面起伏Ｗの範囲、表面起伏Ｗの鋭さ、および表面起伏Ｗの方向（表面起伏Ｗのどの位置に頂点が位置しているか）等が形状データとなる。

【0056】

次に、第二実施形態の形状校正方法について説明する。
なお、以下において、触覚ディスプレイ１は、説明の便宜上、図３に示すような高さＨ、幅Ｌのサインカーブの山である表面起伏Ｗを熟練作業者に知覚させるものとする。

【0057】

図７および図８に示すように、第二実施形態の形状校正方法は、ニューラルネットワーク１６０を用いて、現在の刺激子２１〜２９の出力値Ｈ₁（ｋ）〜Ｈ₉（ｋ）を出力する点が、第一実施形態の形状校正方法と異なる点である。

【0058】

なお、刺激子２１〜２９の出力値Ｈ_n（ｋ）は、ｎが刺激子２１〜２９の一桁目の数字に対応している。
また、刺激子２１〜２９の出力値Ｈ₁（ｋ）〜Ｈ₉（ｋ）は、例えば、刺激子２１〜２９の高さやピエゾ素子への印加電圧値等である。

【0059】

ニューラルネットワーク１６０は、入力層１６１、中間層１６２、および出力層１６３を備える多層パーセプトロンとして構成される。

【0060】

入力層１６１のユニットには、現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）、および現在よりも前の二つの時点での刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２）が入力される。

【0061】

なお、出力値Ｈ_n（ｋ−１）・Ｈ_n（ｋ−２）は、ｎが刺激子２１〜２９の一桁目の数字に対応している。また、ｋ−１が現在よりも所定の時間だけ前の時点における刺激子２１〜２９の出力値を、ｋ−２がｋ−１よりも所定の時間だけ前の時点における刺激子２１〜２９の出力値を示している。

【0062】

ニューラルネットワーク１６０は、中間層１６２および出力層１６３のユニットにて第一実施形態にあるような演算処理を行い、現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）を出力する。

【0063】

第二実施形態の形状校正方法は、以下のようにしてニューラルネットワーク１６０の学習を行う。

【0064】

まず、熟練作業者は、第一実施形態の場合と同じ要領で、イメージ形状Ｗ２と一致する触感を得るまで、ダイヤルスイッチ３０を操作して、提示形状Ｗ´を変更する（図５参照）。

【0065】

これにより、形状校正方法は、イメージ形状Ｗ２と知覚形状Ｗ１とが一致する触感を得たときの刺激子２１〜２９の時間的変化を取得する。

【0066】

具体的には、形状校正方法は、ある時点における現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）、およびある時点よりも前の二つの時点での刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２）を取得する（図８参照）。
形状校正方法は、このような刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）・Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２）を、所定の時間間隔毎に取得する。

【0067】

第二実施形態では、このような時間間隔毎に取得した刺激子２１〜２９出力値Ｈ₁〜₉（ｋ）・Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２）が、刺激子２１〜２９の時間的変化である。

【0068】

なお、取得する刺激子２１〜２９の時間的変化の内容は、第二実施形態に限定されるものでない。
例えば、ある時点における現在の刺激子２１〜２９の出力値、およびある時点よりも前の一つの時点での刺激子２１〜２９の出力値を、所定の時間間隔毎に取得しても構わない。
また、ある時点における現在の刺激子２１〜２９の出力値、およびある時点よりも前の三つ以上の時点での刺激子２１〜２９の出力値を、所定の時間間隔毎に取得しても構わない。

【0069】

形状校正方法は、イメージ形状Ｗ２と知覚形状Ｗ１とが一致する触感を得たときの、刺激子２１〜２９の時間的変化を学習データとして、ＰＣ６０（触覚ディスプレイ１）によりニューラルネットワーク１６０の学習を行う。
このとき、形状校正方法は、例えば、勾配法等を用いて、学習データに基づいた適切な値を出力可能となるように、ニューラルネットワーク１６０の学習を行う。

【0070】

なお、第二実施形態の形状校正方法は、実物形状を触ったときの触感と、知覚形状Ｗ１とが一致したときの、刺激子２１〜２９の時間的変化を取得しても構わない。

【0071】

次に、第二実施形態の形状校正方法の手順について説明する。

【0072】

図７および図８に示すように、形状校正方法は、熟練作業者が触覚デバイス２０を動かしたとき、現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）、および現在よりも前の時点での刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２）を、学習済みのニューラルネットワーク１６０に入力する。

【0073】

ニューラルネットワーク１６０は、ＣＡＤデータ上の表面起伏Ｗと、知覚形状Ｗ１とが一致するように校正した現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）を出力する。

【0074】

形状校正方法は、校正した現在の刺激子２１〜２９の出力値Ｈ₁〜₉´（ｋ）に応じて、刺激子２１〜２９を動作させる。これにより、形状校正方法は、提示形状Ｗ´を校正する。

【0075】

これによれば、形状校正方法は、表面起伏Ｗの形状に知覚形状Ｗ１を近づけることができる。
従って、形状校正方法は、ＣＡＤデータ上の表面起伏Ｗを熟練作業者に正確に知覚させることができる。

【0076】

このため、形状校正方法は、ＣＡＤデータとして、金型のＣＡＤデータを用いた場合において、金型の面歪を修正するときに、表面起伏Ｗを正確に修正できる。

【0077】

ここで、所定の提示形状Ｗ´に応じて刺激子２１〜２９を上下動させた場合には、熟練作業者の触り方、つまり、触覚デバイス２０を動かす速度や動かす方向等によって、知覚形状Ｗ１が変化する可能性がある。

【0078】

第二実施形態の形状校正方法では、触り方が変わった場合、ニューラルネットワーク１６０に入力される値（現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）、および現在よりも前の時点での刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ−１）・Ｈ₁〜₉（ｋ−２））が変動する。

【0079】

前述のように、ニューラルネットワーク１６０は、ＣＡＤデータの表面起伏Ｗと、知覚形状Ｗ１とが一致するように、現在の刺激子２１〜２９の出力値Ｈ₁〜₉（ｋ）を校正し、当該校正結果Ｈ₁〜₉´（ｋ）を出力する。

【0080】

つまり、第二実施形態の形状校正方法は、熟練作業者の触り方に応じて提示形状Ｗ´を校正することにより、表面起伏Ｗの形状に知覚形状Ｗ１を近づけているのである。

【0081】

このように、第二実施形態の形状校正方法は、刺激子２１〜２９の時間的変化に基づいた動的な校正方法である。

【0082】

なお、形状校正方法の用途は、本実施形態に限定されるものでない。すなわち、形状校正方法は、ＣＡＤデータ上の表面起伏Ｗに対応する形状データおよび金型の面歪の修正内容等を学習データとしてニューラルネットワーク１６０に学習させることにより、金型の面歪の修正見積もりを求めることも可能である。

【0083】

形状校正方法は、必ずしも熟練作業者に表面起伏Ｗを知覚させるときに用いられる必要はない。すなわち、形状校正方法は、経験の浅い作業者に表面起伏Ｗを知覚させるときに用いられても構わない。この場合、ニューラルネットワーク１６０は、経験の浅い作業者の知覚形状Ｗ１と表面起伏Ｗの形状とが一致するように、提示形状Ｗ´を校正する。

【符号の説明】

【0084】

１ 触覚ディスプレイ
２１〜２９ 刺激子
６０・１６０ ニューラルネットワーク
Ｈ 表面起伏の高さ（表面起伏に対応する形状データ）
Ｈ´ 提示形状の高さ（提示形状に対応する形状データ）
Ｌ 表面起伏の幅（表面起伏に対応する形状データ）
Ｌ´ 提示形状の幅（提示形状に対応する形状データ）
Ｗ 表面起伏
Ｗ´ 提示形状
Ｗ１ 知覚形状
Ｗ２ イメージ形状（人がイメージした形状）

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】