いただいたご質問への回答

磁界共鳴結合方式は、従来の磁界結合方式に比べ送電距離を伸ばせることができます。搬送車両として考えた際、車体に収められた受電コイルと床内に収められた送電コイルの距離はかなり離れると考えたため磁界共鳴方式を採用しました。

今回はコイルのサイズ、巻き数の変化による受電効率を数パターン確認しましたが、モータの出力との関係性までは確認していません。今後関係性を深堀りしていきます。

コイルの間に障害物を設置して測定した結果を記入します。

ケーブル、バナナプラグ入り段ボール（高さ5cm）
送電側：11.8V 0.7A 8.26W
受電側：6.03V 0.5A 3.02W
効率：36.5%

本、金属を積み重ねたもの（高さ5cm）
送電側：11V 0.7A 7.7W
受電側：3.1V 0.37A 1.15W
効率：14.9%

 送電は可能ですが、物質により効率は大きく変化していくと思われます。

 ありがとうございます。これから先DXは課題を解決するために必要になってきますのでそこにも意識を向けて研究してまいります。

 ありがとうございます。これからも研究を続けてまいります。

 私たちもワイヤレス給電は今後、産業を発展させる重要な技術になると考えています。

今回の研究では、各指のセンサ１つで手を広げた状態から、握った状態までを検出できるようにプログラム上で設定したので、関節ごとのセンサは必要ありませんでした。

今回は「掴む」動作のみ検出が可能です。掴む動作を基にして「摘む」といった動作を検出することが可能なので今後は実装していきたいと考えています。

今回の研究では実装しませんでしたが、VRの物体に物理演算を加えることで「投げる」という動作は可能であると考えています。

触れた時は振動の強弱はありませんが、掴んだときに指の曲げが大きいときは強く振動し、指の曲げが小さいときは触れた時と同じ強さの振動をします。

現時点では研究室のメンバー以外に体験してもらってない状況です。
しかし、研究室のメンバーで体験したところ、指の曲げの状態に応じて振動の強弱を変えることで触った感覚を得られるという結果になりました。
今後は研究室のメンバー以外の学生にも体験してもらい評価したいと思います。

ありがとうございます。今後はオブジェクトに物理演算を加えて、動きをつけたいと考えています。

モバイルバッテリーを使用しています。内蔵バッテリーではフル充電の場合約10分程動作可能です。

加速度センサ内臓かつ加速度データの取得可能なスマートウォッチを用いることができれば、装着するデバイスを1つに集約することができると考えます。

ありがとうございます。
今後さらに、データの収集を行いより良いシステムにしていきたいです。

ありがとうございます。
今後、人間の骨格情報を用いた行動範囲を可視化する研究などを行い、システムの可能性を広げていきたいです。

ありがとうございます。
今後、会員番号に加えパスワード等の認証手段を設けることで個人データ管理を強化していきたいです。

ありがとうございます。

脳波を用いた音量調整システムについては、計測している脳波の変化割合が次第に小さくなり音量が変化しなくなる時があります。その時はストレスも感じていないし、眠くもないので、消去法的にリラックスしている度合いが高いといえると思います。

しかし実際にリラックス状態を表しているα波を計測して音量を変化させているわけではないので、確証を得ることはできていません。

今後、α波の計測を行い、本当にリラックスできているか検証していきたいと考えています。"

質問ありがとうございます。 

音量調整は、まず脳波3波（δ波、θ波、β波）の1分間の各最大振幅を求め、次に一つ前の1分間の各最大振幅との変化割合を求めました。さらに、これを人手で調整できるようにパラメータを乗じました。そして、この値3波分を音量調整の変更分として用いました。 

このことより、脳波計測の期間が1分間と比較的長いのでその最大振幅も平均化されており、このため音量調整の変更分は極端な値にはならないと考えています。音量の出力設定は、システムでは0～100%の間で行うようになっていますが、実験では、パラメータをまず1にし、音量設定の初期値を60%にして動作させました。この時の音量の上下変動は5％程度で、そう極端な値ではなかったのでパラメータは1のままにしました。 

以上よろしくお願いいたします。

ありがとうございます。今後はデータの収集の仕方に気を付けて研究を発展させていきたいです。

ありがとうございます。今後は医療の分野への活用も視野に入れて研究していきたいです。

ありがとうございます。今後は介護分野への発展も視野に入れて研究していきたいです。

ありがとうございます。今後も継続して研究を頑張っていきたいと思います。

今回は4人で検証を行い、本システムで使用している学習データは2,000個程です。今後も様々な人やセンシング回数を増やし、精度向上に努めていきたいと思います。

事前調査した結果、感情の変化と心拍変動は深くかかわりがあることを知りました。そのため、音響センサや振動センサをクッションに内蔵して心拍や心音の取得を試みましたが、技術的な難易度が高く使えるレベルのデータは取得できませんでした。そこで、確実に心拍データを取得するため、非侵襲型ではありませんが、計測時の身体的負担が小さく活動量計として広く普及しているスマートウォッチを用いました。

AIの工夫に関しては、アドバイスをもとに検証を行っていきます。

質問ありがとうございます。アノテーション枚数に関しては、一度の学習で100枚から300枚程度で行い、合計で3000枚程度行いました。今回はすべて手作業で行いました。今後は自動化ツールも活用していきたいと思います。

アドバイスありがとうございます。
学習を行ううえで100％になることは難しいと思います。そのような対処を品質面で対応する必要があるため検討し、より良いシステムにしていきます。

質問ありがとうございます。
対象物の反射につきましては、FAラインに屋根を設置して光量を一定にすることで対策しております。

質問ありがとうございます。
仮想空間との遅延時間は100msほどで、ほぼ遅延することなく動作します。ネットワークの通信遅延を考慮しても1秒以内に収まっております。