世の中で活躍するロボットを産み出していくためには，ロボット単体での賢さを追求していくことはもちろんですが，それと並行してロボットを導入するためにどうしたら？という課題に答えていく必要があると考えています．
この課題に対するアプローチとして，当研究室では，ロボットと周辺の環境やサービスを受ける人まで含めたトータルなシステム開発をすすめることが重要と考えています．
この観点から，当研究室ではロボットとロボット外の物理的，情報的なインタフェースを整備していくことに主眼をおいて，ロボットの要素技術から要素を統合するシステムインテグレーションの研究まで幅広く行っています．
2023年度は，ハードウェア・センシンググループとサービスロボット研究グループの2つのグループで活動をしています．
ハードウェア・センシンググループとしてロボット技術およびロボット技術を活用したハードウェア要素技術，画像処理技術について研究を行っています．
サービスロボットグループでは，サービスロボットの活用を目指し，特にロボットミドルウェアを活用したシステムインテグレーションを支援する技術の研究開発を進めています．
研究成果の発表の場としては，学会発表だけではなく，World Robot Summit Future Convenience Store Challenge(WRS FCSC)などのロボコンへの参加も行っています．
ロボット用ミドルウェアを用いたロボットシステム開発
知的な作業をするロボットシステムでは，複雑なソフトウェアが動作しています．
こうしたソフトウェアの再利用を促進し，似たような他のロボットシステムにでも応用できるようなソフトウェア資産を蓄積していくために
ロボット用ミドルウェアを用いたロボットシステム開発や，資産蓄積を促進する枠組みの構築を行っています．
住環境のロボット化および物体搬送に関する研究
ロボット技術とは，ロボットそのものの開発だけではなく，ロボット技術を応用した新たなシステムの創出も含まれます．そこで，当研究室では既存のロボット技術を応用し，ロボットはもとより，住宅やその他のシステムへとロボット技術を応用する研究を行っています．当研究室が現在研究を行っているものとしては，吸着パッドを用いた新たな物体搬送システムの構築・モジュール化を用いた住環境を容易に構築することが可能なパネル型RTデバイス・着脱が容易なアクティブキャスタを用いた既存の装置の自律移動化を行うシステムの開発を行っています．
内視鏡検査における画像処理技術
内視鏡検査は，体内の状態を正確に観察することができる重要な検査方法です。しかしながら，内視鏡は焦点の合う奥行きの深さが浅いと言う特徴があります。そのため、検査対象全体に焦点を合わせることが難しいという問題があります。医師は適切な検査画像を取得するための技術習得が必要で、医師の検査の負担になっています。内視鏡検査支援画像は、対象としている画像の焦点が合っていない領域を改善する事で生成しようとしています。
本研究の目的は、このような検査画像取得の負担を軽減することです。複数の画像から情報を集め良い情報のみを使用し、焦点の合っている領域の広い画像を生成するアルゴリズムが顕微鏡の分野であります。その技術の内視鏡へ応用する手法の開発を行なっています。
マルチコプタに搭載するマニピュレータ
近年、道路橋の老朽化が進んでおり，市町村による定期点検は困難となっています．そのため、市町村の負担を軽減するために、インフラ整備支援システムが必要となり，マルチコプタに関したシステムの開発を行っています．近年産業用ロボットの需要が高まっており，その一例であるマルチコプタは人では行えないような場所での点検を行うだけでなく様々な機器を搭載することで複数の点検を実施することができます．
本研究では、インフラ点検用のマルチコプタに搭載し，狭隘部で検査可能なマニピュレータを開発することです．より広範囲において検査を可能にするために，多自由度や軽量化などの機構開発を行い，実機に搭載して目視検査や打音検査などの様々な検査を行っています．
Deep Learning
金属加工部品における製品検査では,検査者による手作業での検査のため,検査者の負担が大きくなります. さらに, 検査者の熟練度により,異常箇所の判定基準が曖昧となり,定量的な異常検査でできていない状況です.そこで,熟練度などに依存しない,定量的な異常検査方法が求められています.そのため,検査システムによる信頼を維持できる品質及び検査者に対する負担の軽減が求められている.
本研究ではDeep Learningを用いた加工品の異常箇所検出技術の確立を目指しています．限られたサンプルから異常箇所同定のための学習画像生成方法と生成された画像の評価を行っています．