宮武大和 | Yamato Miyatake

ChewTect：計算に基づく型成形による食感の時間変化の設計

Wed, 16 Sep 2026 00:00:00 +0000

図1．ChewTectでは最初のひと噛みとその後の咀嚼について希望する食感を指定します。内部の充填率と充填パターンと壁厚を調整して3Dモデルを生成します。シリコーン型を作って通常の調理工程で食品を成形します。構造の設計によって目標とする食感の時間変化を作ります。

概要

食感は食べる楽しさと食品の機能の両方に重要です。最初のひと噛みから最後の咀嚼まで動的に変わります。従来は調理条件を変えて食感を調整してきました。この方法では外観や栄養などにも影響が及びやすくなります。既存の計算的手法でも食感を静的で一体的な特性として扱うことが多くあります。

そこで本論文では食品の内部構造を変えて食感の時間変化を設計する方法を提案します。希望する食感に基づいてシリコーン型を生成します。食感を外観や材料量から切り離して口腔処理の段階ごとに調整します。内部構造と食感知覚の関係を調べました。充填パターンは最初に噛む段階の硬さに関係します。壁厚はその後の咀嚼時の硬さに関係します。目標とする食感の時間変化に合わせて食品を作る対話的な設計インタフェースを示します。

1．はじめに

食感は食べる楽しさに加えて健康や食べやすさに関わります。例えば嚥下障害のある高齢者では食感が安全な食事に関わります。栄養を摂取できることや食事への満足にも影響します［1, 60］。味や風味と同様に食感も口腔内の処理に伴って変化します。最初のひと噛みで硬さなどの印象を得ます。その後の咀嚼を通じて知覚が変わります［61］。最初に噛んでから飲み込むまでの段階を設計することが安全性と満足できる感覚体験につながります。

従来は加熱時間や材料の組合せなどで食感を調整してきました［6, 44, 63, 65］。しかし二つの制約があります。第一に食感を変えると外観や栄養組成も変わりやすく独立した制御が難しくなります。例えばグミの砂糖量を変えると硬さだけでなくカロリー・味・見た目も変わります［62］。第二に試行錯誤と調理の熟練に依存するため再現性が不足しがちです。

食品の構造と力学特性や官能特性の関係も研究されています［10, 12, 19, 25, 28, 32］。しかし噛み始めと咀嚼中の知覚を十分には理解できていません。食感の時間変化を独立に制御できる設計要素として扱う計算的手法は体系的に検討されていません。

ChewTectでは最初のひと噛みとその後の咀嚼の目標食感を指定します。システムが充填パターン・充填率・壁厚を計算して型を生成します。外観やカロリーなどの特性を保ちながら食感を調整します。本論文のshell thicknessは各充填パターンを構成する材料の厚さを指します。以下では壁厚と訳します。型を使う調理は通常の調理慣行に適合します［74］。食品専用のプリンタを必要とせず一度に複数個を作れます。

システム設計に向けて食品の形と材料をそろえた知覚実験を行いました。食知覚と錯覚に関する先行研究［27］を参考にしました。最初のひと噛みから咀嚼終了までの変化を詳しく調べました。27名が試料を食べました。質問紙で知覚した食感を評価しました。筋電図で顎の動作を測定しました。充填率によって全体の硬さと弾力感を調整できました。充填パターンと壁厚は最初のひと噛みと咀嚼の硬さを別々に調整する手掛かりとなりました。この知見に基づいて計算モデルと対話的なインタフェースを構築しました。

本研究は二つの口腔処理段階に合わせて食品を設計する計算的手法を示します（3節）。官能実験で内部構造と食感の時間変化の関係を調べます（4節）。その結果を用いて目標食感から内部構造を自動調整する設計・作製インタフェースを示します（5節）。

2．関連研究

2.1．計算による食感設計

食感は楽しさ・安全性・飲み込みやすさに関わる特徴です［51］。デジタル加工の発展によってプログラム可能な設計要素として扱われ始めました［21, 66］。食品3Dプリントでは充填率・パターン・積層高さ・ノズル径・造形速度などによって力学特性と食感を変えられます［9, 10, 24, 28, 32, 73］。例えばChen et al.［5］はカボチャを用いたスナックの充填率を高めるとサクサク感が低下することを示しました。

これらの研究は全体の硬さなど単一の属性を構造から制御します。一方で食べる過程の時間変化は十分に扱っていません。食品科学では食感知覚が変化する過程であると指摘されています。最初の破断と咀嚼中の食塊形成では力学が異なります［61］。

食品3Dプリントの検証には圧縮試験などの力学分析が多く使われます［50］。初期破断には有効ですが咀嚼中の構造変化や硬さを十分に捉えられません。官能評価を取り入れた研究もあります［3, 25］。例えばチョコレートの内部構造と食感を対応付けます。ただし主として全体的な評価の最適化を扱います。

以上から最初のひと噛みと咀嚼を個別に設計する余地があります。ChewTectでは各段階の食感を調整します。これにより食感の時間的な変化を設計することを目指します。

2.2．HCIにおける食インタラクションの拡張

食事は日々の個人的・対人的体験としてHCIで注目されています［16, 43］。研究は食事の外部環境の拡張と食品の物理特性の作製に大別できます。

食品を変えずに環境や感覚器官へ働きかける方法があります。プロジェクションマッピングで食卓上の食品の見た目を変えます［30, 53］。ヘッドマウントディスプレイで視覚的な質感を重ねて風味知覚を変えます［46, 47］。複数感覚の相互作用も利用します［2, 47, 58］。電気刺激で味を提示する方法［35, 45, 57］や音でサクサク感を変える方法［72］があります。食感には電気的筋刺激による咀嚼抵抗の模擬［48］や皮膚変形による嚥下感覚の模擬［42］が用いられます。仮想体験には有効ですが専用機器が必要なため日常の食事では制約があります。

食品そのものを設計する研究もあります。形状［20, 23, 43, 68, 71］や色［14］や加熱・脱水に伴う形状変化［64, 68, 69］を調整できます。計算に基づく型成形［74］や液体の混合［7, 8, 33, 34, 59］によって味も配置できます。一方で食感の計算的設計には検討の余地があります。

近い研究にFoodFab［27］と気泡を埋め込むIshiiの手法［19］があります。FoodFabは外観とカロリーを保ちながらビスケットの内部構造で咀嚼時間を変えます。主な目的は満腹感の調整です。Ishiiの方法では気泡が食感と同時に反射率も変えて外観に影響します。ChewTectは最初のひと噛みと咀嚼を切り分けた時間的な食感を設計要素とします。型成形によって外部機器を装着せず見た目を保つ制御を目指します。

2.3．食品加工の方法

デジタル食品加工は付加加工・除去加工・型成形に大別できます。付加加工では積層造形を使います。ペースト押出でクッキー・チョコレート・ゼリー・ケーキなどが作られています［19, 20, 27, 36, 40, 49, 69］。ロボットアームによる精密な加工もあります［37］。課題には食品用装置の価格と対応材料の制約があります。多くは適切な流動特性を持つペーストに限られます。

除去加工ではCO₂レーザによる調理やレーザの高いエネルギーによる温度制御が研究されています［13, 17］。CNC加工で食品を削って形を作る方法もあります［43, 70］。

型成形は専用型の準備と材料の注入に手作業を要します。一方で高価な装置を必要としません。一つの型から繰り返し食品を作れます。材料を変えて試すこともできます。これらの利点から型成形［23, 25, 54, 74］や専用スタンプ［23, 38, 64］が用いられています。Digital Konditorei［74］はモジュール式シリコーン型で味の構造と材料の組合せを作りました。Lee et al.［25］は型で作った模様付きのチョコレート板を重ねて食感を変えました。

低コストと柔軟性から本論文の作製例には型成形を用います。システムは食品の3Dモデルも生成するため直接の食品3Dプリントにも拡張できます。

3．ChewTectのシステム概要

ChewTectは希望する食体験に基づいて食品を設計するシステムです。最初のひと噛みと咀嚼中の硬さ・弾力感を調整します。見た目と栄養の目標に対応しながら内部構造を変えます。構造に合うシリコーン型を生成して通常の調理で食品を作ります。新たな食体験や特定の口腔処理に適した食品への応用を想定します。

例えば介護施設の高齢者向けのグミが考えられます。最初は硬めにして顎の筋肉の活動を促し［52］その後は軟らかくして咀嚼や嚥下を助ける設計を想定します［55］。レストランでは似た見た目で異なる食感のデザートを作れます。軟らかいものや硬いものに加えて噛み始めから食感が変わるものを組み合わせられます。映画『フォレスト・ガンプ』のチョコレート箱の比喩のように食べるまで分からない体験を作れます。

計算で設計した型を使うため既存の調理法に組み込めます。レストランや標準化された介護食など一定の食感の再現が必要な場面を想定します。システムは三つの要素で構成します。目標食感を指定するインタフェースと構造パラメータの計算部と3Dモデル生成部です。その後に型の作製と調理を行います。

図2．aでは食品の種類と外観と量に加えて最初のひと噛みと咀嚼の硬さを指定します。bの計算モデルが充填パターン・充填率・壁厚を求めます。cで内部構造と型用の反転モデルを生成します。dでシリコーン型を作ります。eで調理に使います。

3.1．設計から作製までの流れ

図2と補足動画に手順を示します。

食感と食品特性を選びます。 インタフェースで例えば最初のひと噛みの硬さを65%に設定します。咀嚼の硬さを45%に設定します。食品の種類と形と量も指定します。
構造へ対応付けます。 4節と5節の知覚実験に基づく計算部が充填パターン・充填率・壁厚を決めます。軟らかい咀嚼感が目標なら壁を薄くするか充填率を下げます。
3Dモデルを生成します。 構造と外形から造形用モデルを作ります。主な工程では注型用の反転型を生成します。同じ形状を食品3Dプリンタで直接造形することもできます。
シリコーン型で調理します。 加熱や冷却などの通常の調理法を使えます。型成形は食品3Dプリントより速く作れることが多いため優先しました。型を再利用して同じ構造で異なる材料も試せます。
食品を提供します。 設計した最初の噛み応えとその後の咀嚼感を持つ食品を食べてもらいます（図3）。

図3．食感を調整した食品を食べる様子を示します。最初のひと噛みの硬さを65%に設定しています。その後の咀嚼の硬さを45%に設定しています。

3.2．内部構造のパラメータ

三つのパラメータを用います（図4）。

充填パターンは空隙の形を決めます。ハニカム・三角形・正方形を使います。
充填率は構造中の材料がある部分と空隙の割合を決めます。
壁厚は構造を作る材料の厚さを決めます。

選定には三つの理由があります。第一に充填パターンと充填率が食感に影響すると報告されています［10, 32］。第二に内部構造の変更は外観への影響が小さく視覚的な手掛かりと食感を切り分けられます［27, 40］。第三に付加加工ではパターンの厚さが硬さ知覚に影響することが示されています［41］。食品にも適用できると考えました。さらに電気的筋刺激などの外部装置を必要としません［48］。

実験結果から充填パターンを最初のひと噛みの硬さの制御に用います。壁厚を咀嚼中の硬さの制御に用います。充填率で両段階の硬さと弾力感を調整します。

図4．左はハニカム・正方形・三角形の充填パターンです。中央は充填率30%と80%です。右は壁厚1 mmと6 mmです。

3.3．作製例

30×30×30 mmの立方体グミを例に示します。インタフェースで寸法を指定して型用のモデルを生成しました。

シリコーン型を準備します。 市販の3Dプリンタ（Ultimaker 3）で反転型を作りました。食品用シリコーン（Engraving Japan HTV-4000）を流し込みました（図5a）。23°Cで約3時間硬化させました（図5b）。真空チャンバで気泡を除いて耐久性と離型性を高めました。

グミを調理します。 水・砂糖・ゼラチンを混ぜて電子レンジで完全に液化しました。必要に応じて食用色素・香料・クエン酸を加えました。型へ流し込んで冷蔵庫で少なくとも20分冷やしました（図5c）。型成形では片面が開いて内部が見えます。同じ食品の薄い層の上に置いて塞ぎました。シロップや卵白など食用の接着材料も使えます。低い充填率でも内部を隠せます。食品3Dプリントで生じる張り出し部分の問題も避けられます［22, 40］。特別な機器を使わず通常の調理手順で提供できます（図5d）。他の材料と形状は6節で示します。

図5．aでは3Dプリントした反転型へ食品用シリコーンを注ぎます。bでは完成したシリコーン型と元の反転型を示します。cではグミ液を注ぎます。dでは離型後の食品を示します。

4．官能知覚実験

内部構造と知覚食感を対応付ける計算モデルを構築するために実験しました。グミの充填パターン・充填率・壁厚を変えました。最初のひと噛みと咀嚼中の硬さ・弾力感を測定しました。甘さと咀嚼時間への影響も調べました。所属機関の倫理審査委員会の承認（R6-E-51）を受けました。全参加者から同意を得ました。

4.1．実験環境

参加者は机に座りました（図6）。室温を24°Cに保ちました。

食品を準備しました。 3.3節と同じ30×30×30 mmのグミを用いました。水・砂糖・ゼラチン・クエン酸を1:1:0.2:0.05で混ぜました。少量の黄色色素とオレンジ香料油を加えました。原文ではこれらは食べる過程に影響しないとしています。注型前に精密はかり（KINGJIM Latuna）で目標質量の±0.1 g以内にそろえました。実験前日に作製して一晩冷蔵しました。実験まで冷蔵で保管しました。

質問紙で評価しました。 最初のひと噛みの硬さと弾力感を尋ねました。咀嚼中の硬さ・弾力感・努力感に加えて甘さも尋ねました。二段階の口腔処理の評価は既存手法［61］に従いました。最初の硬さ・弾力感・咀嚼努力感の評価は既存プロトコル［15］を参考にしました。甘さを加えて幅広い感覚を捉えました。各項目を7段階リッカート尺度で評価しました。試料ごとにノートパソコンで回答しました。

筋電図を測定しました。 咬筋にEMGセンサ（東京デバイセズ IWS940-DEV）を取り付けました。信号の活動から咀嚼開始と終了を切り出して時間を求めました。実験前に咀嚼動作とリアルタイム表示の対応を確認しました。実測中は表示を隠しました。試行間で咀嚼をそろえるために1.4 Hzのビープ音に合わせてもらいました。ノイズキャンセリングヘッドホン（Anker Soundcore Life Q30）を用いました。周波数は一般的な咀嚼速度から経験的に選びました。

図6．参加者の前にグミと水を置きました。咬筋のEMGで咀嚼を記録しました。食べた後にパソコンで知覚食感を回答しました。

4.2．参加者と方法

5か国の27名が自発的に参加しました。男性20名と女性7名で18〜34歳でした。事前に詳しく説明して同意を得ました。官能評価の基準をそろえるために同じ味のHARIBO Goldbearsを噛んでもらいました。硬さと弾力感の基準にしました。甘さには10%砂糖水を用いました。

充填率5水準（0%・25%・50%・75%・100%）とパターン3種類（ハニカム・三角形・正方形）と壁厚3水準（2・3・6 mm）から11条件を設定しました（表1）。一度に一つのパラメータを変えて他を固定しました。例えば壁厚の条件では充填率50%とハニカムを使いました。I〜Kでは空隙寸法を調整して総質量を保ちながら壁厚を変えました。充填率0%と100%には内部パターンがないためパターンと壁厚に依存しません。重複条件を除くと参加者1名あたり9種類になりました。提示順を無作為化しました。

試料の奥側を持って口に入れてもらいました。前歯で3分の1を噛み切る段階を最初のひと噛みとしました。続いてその部分を咀嚼しました。残りは廃棄しました。各試行の直後に回答しました。味の持越しを防ぐために試料間で水を飲んで口をすすぎました。

表1．実験条件を示します。外形はすべて30×30×30 mmです。

条件	充填率（%）	パターン	壁厚（mm）	総質量（g）
A	0	該当なし	3	10
B	25	ハニカム	3	15
C	50	ハニカム	3	20
D	75	ハニカム	3	25
E	100	該当なし	3	30
F	50	ハニカム	3	20
G	50	三角形	3	20
H	50	正方形	3	20
I	50	ハニカム	2	20
J	50	ハニカム	3	20
K	50	ハニカム	6	20

4.3．結果

一要因の反復測定分散分析を用いました。主効果が有意な場合（p<.05）は推定周辺平均に対する対応のあるt検定で対比較しました。多重比較にはHolm補正を用いました。Mauchly検定で球面性違反が示された場合はGreenhouse–Geisser補正を行いました。補正によって統計的結論は変わりませんでした。以下の統計量は翻訳元の記載値を保持しています。

4.3.1．充填率

最初のひと噛みの硬さに有意な主効果がありました（F(4,104)=81.93・p<.01・偏η²=.77）。最初の弾力感でも有意でした（F(4,104)=26.86・p<.01・偏η²=.52）。咀嚼の硬さでも有意でした（F(4,104)=47.08・p<.01・偏η²=.65）。咀嚼の弾力感でも有意でした（F(4,104)=17.43・p<.01・偏η²=.41）。咀嚼努力感でも有意でした（F(4,104)=34.23・p<.01・偏η²=.58）。甘さには有意な効果がありませんでした。

対比較を表2に示します。図7aと図8aは硬さの箱ひげ図です。弾力感と咀嚼努力感にも硬さと同様の増加傾向が見られました。甘さにはこの傾向がありませんでした。原文本文では多くの条件対に差があると述べています。個別の有意差は表2のとおりです。

4.3.2．充填パターン

最初のひと噛みの硬さに有意な効果がありました（F(2,75)=20.25・p<.01・偏η²=.48）。咀嚼の硬さや他の従属変数には有意な効果がありませんでした。最初の硬さの対比較では三角形とハニカム（p<.01）に差がありました。ハニカムと正方形（p<.05）にも差がありました。三角形と正方形（p<.01）にも差がありました（図7b）。

4.3.3．壁厚

咀嚼の硬さに有意な効果がありました（F(2,75)=10.26・p<.01・偏η²=.29）。最初の硬さと他の従属変数には有意な効果がありませんでした。2 mmと3 mm（p<.01）および2 mmと6 mm（p<.01）に差がありました（図8b）。有意差を図中のアスタリスクで示します。

4.3.4．筋電図

噛み始めと咀嚼中の筋活動を分析しました。生信号を整流しました。各参加者の全試行の最大値と最小値を用いて0〜1に正規化しました。噛み始めの信号を積分して活動量を求めました。

積分筋電図には充填率の効果がありました（F(4,125)=12.73・p<.01・偏η²=.33）。充填パターンにも効果がありました（F(2,75)=7.06・p<.01・偏η²=.24）。壁厚には有意な効果がありませんでした（F(2,75)=0.32・p>.05）。低い充填率（0%と25%）と高い充填率（75%と100%）などの間に差がありました。三角形と正方形（p<.01）および三角形とハニカム（p<.01）にも差がありました（図7cとd）。最初の硬さの主観評価と似た傾向でした。

咀嚼時間には充填率の効果がありました（F(4,125)=7.29・p<.01・偏η²=.41）。壁厚にも効果がありました（F(2,75)=3.85・p<.05・偏η²=.26）。充填パターンには有意な効果がありませんでした（F(2,75)=0.11・p>.05）。低充填率（0%と25%）では高充填率（75%と100%）より咀嚼時間が有意に短くなりました。壁厚6 mmでは3 mmと2 mmより有意に長くなりました（いずれもp<.01）。咀嚼硬さの主観評価と似た傾向でした（図8cとd）。

図7．充填率とパターンによる知覚と行動の変化を示します。aは充填率と最初の硬さです。bはパターンと最初の硬さです。cとdは対応する噛み始めの正規化積分筋電図です。重なりを減らすため有意差の印は隣接条件や一つおきの条件など一部だけに示します。

図8．充填率と壁厚による知覚と行動の変化を示します。aは充填率と咀嚼の硬さです。bは壁厚と咀嚼の硬さです。cとdは対応する咀嚼時間です。見やすさのため有意差の印は一部だけに示します。

表2．充填率のHolm補正済み対比較を示します。n.s.はp≥.05です。

比較	最初の硬さ	咀嚼の硬さ	最初の弾力感	咀嚼の弾力感	咀嚼努力感
0%対25%	<.05	<.05	<.01	<.05	n.s.
0%対50%	<.01	<.01	<.01	<.01	<.01
0%対75%	<.01	<.01	<.01	<.01	<.01
0%対100%	<.01	<.01	<.01	<.01	<.01
25%対50%	<.01	<.01	<.01	<.01	<.01
25%対75%	<.01	<.01	<.01	<.05	<.01
25%対100%	<.01	<.01	<.01	<.01	<.01
50%対75%	<.01	n.s.	<.05	n.s.	n.s.
50%対100%	<.01	n.s.	<.01	n.s.	n.s.
75%対100%	<.05	n.s.	n.s.	n.s.	n.s.

4.4．結果の整理

充填率が上がると最初のひと噛みと咀嚼中の両方で硬さ・弾力感が増しました。咀嚼努力感も増しました。先行研究［28］と整合します。口腔処理の各段階で硬さと弾力感を同時に調整できることを示唆します。

充填パターンと壁厚は段階に応じた調整に使える可能性があります。最初の硬さは正方形で最も高くハニカムが続き三角形で最も低くなりました。各形状の力学的な抵抗の違いによると考えます。咀嚼では6 mmの厚い支持構造が2 mmより硬く感じられました。

構造と甘さの関連を報告した研究［3］と異なり本実験では甘さへの効果がありませんでした。冷えたグミが甘さの違いを感じにくくした可能性があります。温度を変えた検討が必要です。

組成の異なる食品では噛む力や咀嚼回数が増えると全体の硬さ評価も高まると報告されています［56］。本研究のEMGもこの結果と整合します。最初の硬さと必要な噛む力が対応します。咀嚼の硬さと咀嚼時間も対応します。本実験では音で速度をそろえたため時間は咀嚼回数にも関係します。生理的な測定値は主観評価を裏付ける定量的な情報となります。これらの結果を食感の予測と生成モデルの構築に用います。栄養・材料・外観から独立した食感の制御を目指します。

5．計算モデルとインタフェース

5.1．計算モデル

実験結果から最初のひと噛みと咀嚼の硬さの二つのモデルを作りました。充填率・パターン・壁厚を制御変数にします。7段階の評価を線形に0〜1へ変換しました。評点1を0に対応させます。評点7を1に対応させます。モデルをインタフェースへ組み込んで目標食感に合う型を生成します。

充填パターンを離散的に選びます。 最初の硬さは充填率とパターンで調整します。ハニカムの25%と50%と75%に0%と100%の境界条件を加えて線形回帰しました。0%と100%はすべてのパターンに共通とします。共通端点を用いて三角形と正方形の二次補間式を作りました。

ハニカム：H_{first bite} = 0.681D_infill + 0.137

三角形：H_{first bite} = 0.384D_infill² + 0.269D_infill + 0.141

正方形：H_{first bite} = −0.512D_infill² + 1.166D_infill + 0.141

H_{first bite}は最初の硬さです。D_infillは充填率です。いずれも0〜1で表します。ハニカムモデルのR²は0.98です（図9a）。指定した一食分の量から充填率を求めて各パターンの硬さを予測します。

壁厚を連続的に調整します。 咀嚼の硬さは壁厚を連続的に変えて調整します。線形回帰式は次のとおりです。

H_chewing = 0.0216L_{shell thickness} + 0.584D_infill + 0.093

H_chewingは咀嚼の硬さです。L_{shell thickness}はmm単位の壁厚です。R²は0.94です（図9b）。

未知の参加者への予測を評価します。 27名のデータで参加者単位の交差検証（LOPOCV）を行いました。各回で1名の全データを評価用に分けました。残る26名で学習して評価対象の食感を予測しました。全員が一度ずつ評価対象になるよう繰り返して性能を平均しました。

最初の硬さでは7段階尺度上のRMSEが1.01でした。R²は0.70でSpearmanのρは0.67でした。咀嚼の硬さではRMSEが1.09でした。R²は0.43でρは0.62でした。個人差による制約はありますが構造と知覚の系統的な関係を捉えました。未知の参加者でも食感の相対的な順序をおおむね保ちます。迅速な初期予測に利用できます。6節の適応的な最適化の基盤にもなります。

設計例を示します。 食品Aでは最初の硬さを55/100に設定しました。咀嚼の硬さを60/100に設定しました。計算結果は充填率70%と三角形と壁厚4.4 mmでした。食品Bでは45/100と40/100に設定しました。結果は43%と三角形と2.5 mmでした。

充填率は両モデルに共通する変数です。このため図9の範囲外の食感は現状では実現できません。例えば非常に硬い噛み始めと非常に軟らかい咀嚼を組み合わせる設計が該当します。

図9．aは各パターンの充填率と最初の硬さのモデルです。陰影は補間領域を示します。境界は近い回帰曲線に基づきます。bは充填率と壁厚と咀嚼の硬さのモデルです。

5.1.1．ユーザインタフェース

図10にモデルを統合した画面を示します。Load SVG Fileで平面形状を読み込みます。上部に平面プレビューを表示します。Typeで食品を選びます。Weightで質量を指定します。First Bite HardnessとChewing Hardnessで目標の硬さを指定します。Generate 3D Modelを押すと内部構造を計算します。指定した外形を組み合わせた3Dモデルを生成します。Saveで保存して市販の加工機で作製できます。異なる形と食感の例を図5と図11と図12に示します。

図10．aではSVGなどの2D形状を読み込みます。bでは材料と質量を選びます。cでは最初のひと噛みと咀嚼の硬さを指定します。dでは入力条件を満たす内部構造を求めます。eでは出力用3Dモデルを確認します。

6．考察・制約・今後の展望

食品材料の多様性

実証実験は立方体グミに限られます。型を用いて羊羹・チョコレート・グミとチョコレートの複合材料も作れます（図11）。これらの知覚曲線は未検証です。食品科学の知見［11］では弾性的な材料に類似した知覚傾向があります。基準の校正後に特に粘弾性的な食品へ適用できる可能性があります。

チョコレートやビスケットのような脆い材料ではゼラチンの流動とは異なる破断が生じます。全体変形に加えて亀裂の伝播を制御する単位構造が必要となる可能性があります。また現状では型から外せる材料に限られます。非常に多孔質な構造などは離型が難しくなります。対応材料の範囲を今後検証します。

図11．羊羹・チョコレート・グミとチョコレートの複合試料を示します。

複雑な三次元形状

円・ハート・花などの2.5D形状に対応します（図12a）。スタンフォードバニーなども単純な部品へ分割して連続する内部構造を作れます（図12b）。複雑な形を作製できますがその内部での食感の詳細な制御は今後の課題です。

図12．aは円・ハート・花などの2.5D形状です。bはウサギ・モアイ・犬などの3D形状です。

シリコーン型と食品3Dプリント

押出式の食品3Dプリント［39］に比べると型成形の加工解像度には制約があります。一方で速い作製と量産に向きます。3Dプリントでは自動化と離型作業の削減が可能です。しかし新たな材料への対応には検討の余地があります。型は粘度の低い材料などにも使えます。本研究では食感を調整しやすく作業時間を短くできるため型を採用しました。直接プリントへの展開は今後検討します。

調整範囲の拡大

最初の硬さと咀嚼の硬さは三つの構造パラメータに応じて変わりました。一方で弾力感の知覚差は充填率だけで確認されました。そこでメタマテリアルに着想を得た構造も試しました［18, 29］。図13では方向に依存する変形とオーセティック挙動などの非線形応答を示します。知覚できる食感の幅を広げる可能性があります。

図13．リエントラント型ハニカムによる方向性のある変形を示します。左は無変形の状態です。右では縦方向の圧縮に対して横方向にも収縮します。負のポアソン比を示します。

食感の多次元性

現モデルはゼラチン系食品で主要な硬さと弾力感を扱います。実際の食感には崩れやすさ・付着性・溶ける速さなどもあります。脆い食品を砕けやすくする構造などを形状のライブラリへ加える必要があります。

噛む方向

実験では立方体を2本の指で水平に持って口へ入れるよう指示しました。日常場面では形が噛む方向を促せます。棒状食品やTobleroneのような三角柱チョコレートが例です。咀嚼中の向きの厳密な制御は難しいものの充填率と壁厚は口内の回転に比較的影響されにくい特徴です。人は最初に大きな部分を噛んで次第に食塊を作ります［4］。形の設計と咀嚼習慣によって一定の食感を保てると考えます。

衛生と再利用

複雑で密な内部形状は使用間の洗浄や殺菌が難しくなります。残留物による風味移りや細菌増殖が起こり得ます。今後は食品用の可溶性支持材など使い切りの型を検討できます。

型の準備時間

シリコーンの硬化には寸法に応じて数時間かかります。短時間で個別化したい場合には制約となります。そこで硬化済みの再利用可能な部品を組み合わせる型を試しました（図14）。まだ探索段階ですが準備時間を短くできる可能性があります。より効率的な方法も検討します［31, 67］。

図14．外側のカバーと交換可能な型部品を組み合わせます。部品の交換で食品の構造と形を変えます。

参加者の多様性

参加者集団は比較的小規模で均質でした。年齢・性別・文化的背景を広げた評価が必要です。結果の頑健性と知覚モデルの精度を高めて適用範囲を検証します。

個人に合わせたモデル

現モデルは構造から知覚へ迅速に対応付けます。しかし未知の参加者へのR²は最初の硬さで0.70でした。咀嚼では0.43でした。個人差を反映するために個別化が必要です。転移学習を利用するベイズ最適化により3〜4回の試食から利用者に合わせる枠組みを検討しました［26］。今後はこの校正の反復を組み込めます。設計者や食べ手の口腔特性を学習して予測を改善することを目指します。物語性のある料理から食感を調整した食事まで応用範囲を広げられる可能性があります。

7．結論

食品の内部構造を制御して食感の時間変化を設計するChewTectを提案しました。計算に基づく型成形によって外観やカロリーから食感を切り離して硬さや弾力感を調整します。内部形状と口腔知覚の関係を調べて構造差を知覚差につなぐ設計空間を示しました。インタフェースと作製例を通じて機能性食品や物語性のあるデザートへの応用を示しました。食感を動的でプログラム可能な設計要素として扱うことでデジタルガストロノミーを拡張します。

謝辞

本研究はJSPS科研費（23K11198・22H01447）とJST ACT-X（JPMJAX24CQ）の支援を一部受けました。

原文の謝辞には英語原稿の流れと明瞭さを改善するためにChatGPT（OpenAI）とGemini（Google）を使用したと記載されています。この記述は原文の作成に関するものです。本ページの日本語自動翻訳については冒頭の注記をご確認ください。

参考文献

書誌情報は原文の言語で掲載しています。

[1] Malcolm Bourne. 2002. Food texture and viscosity: Concept and measurement (2 ed.). Academic Press.

[2] Jas Brooks, Noor Amin, and Pedro Lopes. 2023. Taste Retargeting via Chemical Taste Modulators. In Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology (San Francisco, CA, USA) (UIST ’23). Association for Computing Machinery, New York, NY, USA, Article 106, 15 pages. https://doi.org/10.1145/3586183.3606818

[3] Rossella Caporizzi, Antonio Derossi, Sakamon Devahastin, and Carla Severini. 2025. Boosting the role of complex food structure on oral breakdown and sweetness perception by digitally designed and 3D printed biscuits. J. Food Eng. 393, 112499 (1 June 2025), 112499. https://doi.org/10.1016/j.jfoodeng.2025.112499

[4] Jianshe Chen. 2009. Food oral processing—A review. Food Hydrocoll. 23, 1 (2009), 1–25. https://doi.org/10.1016/j.foodhyd.2007.11.013

[5] Xiao-Huan Chen, Min Zhang, Xiu-Xiu Teng, and Arun S Mujumdar. 2022. Internal structure design for improved shape fidelity and crispness of 3D printed pumpkinbased snacks after freeze-drying. Food Res. Int. 157, 111220 (2022), 111220. https://doi.org/10.1016/j.foodres.2022.111220

[6] P Delgado and S Bañón. 2015. Determining the minimum drying time of gummy confections based on their mechanical properties. CyTA - J. Food 13, 3 (3 July 2015), 329–335. https://doi.org/10.1080/19476337.2014.974676

[7] Jialin Deng, Patrick Olivier, Josh Andres, Kirsten Ellis, Ryan Wee, and Florian Floyd Mueller. 2022. Logic bonbon: Exploring food as computational artifact. In CHI Conference on Human Factors in Computing Systems (CHI ’22, Vol. 2). ACM, New York, NY, USA, 1–21. https://doi.org/10.1145/3491102.3501926

[8] Jialin Deng, Humphrey Yang, Aryan Saini, Urs Dominic Gaudenz, Lining Yao, Patrick Olivier, and Florian ‘floyd’ Mueller. 2023. Dancing delicacies: Designing computational food for dynamic dining trajectories. In Proceedings of the 2023 ACM Designing Interactive Systems Conference. ACM, New York, NY, USA, 244– 262. https://doi.org/10.1145/3563657.3596021

[9] A Derossi, R Caporizzi, M O Oral, and C Severini. 2020. Analyzing the effects of 3D printing process per se on the microstructure and mechanical properties of cereal food products. Innov. Food Sci. Emerg. Technol. 66, 102531 (2020), 102531. https://doi.org/10.1016/j.ifset.2020.102531

[10] A Derossi, R Caporizzi, M Paolillo, and C Severini. 2021. Programmable texture properties of cereal-based snack mediated by 3D printing technology. J. Food Eng. 289, 110160 (2021), 110160. https://doi.org/10.1016/j.jfoodeng.2020.110160

[11] K D Foster, A Woda, and M A Peyron. 2006. Effect of texture of plastic and elastic model foods on the parameters of mastication. J. Neurophysiol. 95, 6 (2006), 3469–3479. https://doi.org/10.1152/jn.01003.2005

[12] Robert Fribus, Jana Kant, Ahmed Raouf Fahmy, and Mario Jekle. 2024. Texture modulation of starch-based materials using microfoaming-assisted 3D printing. Future Foods 9, 100311 (2024), 100311. https://doi.org/10.1016/j.fufo.2024.100311

[13] Kentaro Fukuchi, Kazuhiro Jo, Akifumi Tomiyama, and Shunsuke Takao. 2012. Laser Cooking: A Novel Culinary Technique for Dry Heating Using a Laser Cutter and Vision Technology. In Proceedings of the ACM Multimedia 2012 Workshop on Multimedia for Cooking and Eating Activities (Nara, Japan) (CEA ’12). Association for Computing Machinery, New York, NY, USA, 55–58. https://doi.org/10.1145/2390776.2390788

[14] Ahmed Fathy Ghazal, Min Zhang, Bhesh Bhandari, and Huizhi Chen. 2021. Investigation on spontaneous 4D changes in color and flavor of healthy 3D printed food materials over time in response to external or internal pH stimulus. Food Res. Int. 142, 110215 (April 2021), 110215. https://doi.org/10.1016/j.foodres.2021.110215

[15] S M Goh, M N Charalambides, and J G Williams. 2003. Mechanical properties and sensory texture assessment of cheeses. J. Texture Stud. 34, 2 (June 2003), 181–201. https://doi.org/10.1111/j.1745-4603.2003.tb01374.x

[16] Andrea Grimes and Richard Harper. 2008. Celebratory technology: new directions for food research in HCI. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (Florence, Italy) (CHI ’08). Association for Computing Machinery, New York, NY, USA, 467–476. https://doi.org/10.1145/1357054.1357130

[17] Niels Henze, Thomas Olsson, Stefan Schneegass, Alireza Sahami Shirazi, and Kaisa Väänänen-Vainio-Mattila. 2015. Augmenting food with information. In Proceedings of the 14th International Conference on Mobile and Ubiquitous Multimedia. ACM, New York, NY, USA. https://doi.org/10.1145/2836041.2836068

[18] Alexandra Ion, Johannes Frohnhofen, Ludwig Wall, Robert Kovacs, Mirela Alistar, Jack Lindsay, Pedro Lopes, Hsiang-Ting Chen, and Patrick Baudisch. 2016. Metamaterial Mechanisms. In Proceedings of the 29th Annual Symposium on User Interface Software and Technology (Tokyo, Japan) (UIST ’16). Association for Computing Machinery, New York, NY, USA, 529–539. https://doi.org/10.1145/2984511.2984540

[19] Ayaka Ishii. 2024. Food Printing with Electrolysis Bubbles for Texture Control. In Extended Abstracts of the CHI Conference on Human Factors in Computing Systems (Honolulu, HI, USA) (CHI EA ’24). Association for Computing Machinery, New York, NY, USA, Article 165, 7 pages. https://doi.org/10.1145/3613905.3650917

[20] Rohit Ashok Khot, Deepti Aggarwal, Ryan Pennings, Larissa Hjorth, and Florian ’Floyd’ Mueller. 2017. EdiPulse: Investigating a Playful Approach to Self- Monitoring through 3D Printed Chocolate Treats. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (Denver, Colorado, USA) (CHI ’17). Association for Computing Machinery, New York, NY, USA, 6593–6607. https://doi.org/10.1145/3025453.3025980

[21] Jeeeun Kim, Qingnan Zhou, Amanda Ghassaei, and Xiang ’Anthony’ Chen. 2021. OmniSoft: A Design Tool for Soft Objects by Example. In Proceedings of the Fifteenth International Conference on Tangible, Embedded, and Embodied Interaction (Salzburg, Austria) (TEI ’21). Association for Computing Machinery, New York, NY, USA, Article 15, 13 pages. https://doi.org/10.1145/3430524.3440634

[22] Matthew Lanaro, David P Forrestal, Stefan Scheurer, Damien J Slinger, Sam Liao, Sean K Powell, and Maria A Woodruff. 2017. 3D printing complex chocolate objects: Platform design, optimization and evaluation. J. Food Eng. 215 (1 2017), 13–22. https://doi.org/10.1016/j.jfoodeng.2017.06.029

[23] Bokyung Lee, Jiwoo Hong, Jaeheung Surh, and Daniel Saakes. 2017. Ori-Mandu: Korean Dumpling into Whatever Shape You Want. In Proceedings of the 2017 Conference on Designing Interactive Systems (Edinburgh, United Kingdom) (DIS ’17). Association for Computing Machinery, New York, NY, USA, 929–941. https://doi.org/10.1145/3064663.3064790

[24] Cheng Pau Lee and Michinao Hashimoto. 2024. Prediction of textural properties of 3D-printed food using response surface methodology. Heliyon 10, 7 (2024), e27658. https://doi.org/10.1016/j.heliyon.2024.e27658

[25] Yujin Lee, Jee Bin Yim, Daye Kang, HyeonBeom Yi, and Daniel Saakes. 2019. Designing Internal Structure of Chocolate and Its Effect on Food Texture. In Companion Publication of the 2019 on Designing Interactive Systems Conference 2019 Companion (San Diego, CA, USA) (DIS ’19 Companion). Association for Computing Machinery, New York, NY, USA, 231–235. https://doi.org/10.1145/3301019.3323896

[26] Yi-Chi Liao, Paul Streli, Zhipeng Li, Christoph Gebhardt, and Christian Holz. 2025. Continual human-in-the-loop optimization. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ’25). ACM, New York, NY, USA, 1–26. https://doi.org/10.1145/3706598.3713603

[27] Ying-Ju Lin, Parinya Punpongsanon, Xin Wen, Daisuke Iwai, Kosuke Sato, Marianna Obrist, and Stefanie Mueller. 2020. FoodFab: Creating Food Perception Illusions Using Food 3D Printing. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (Honolulu, HI, USA) (CHI ’20). Association for Computing Machinery, New York, NY, USA, 1–13. https://doi.org/10.1145/3313831.3376421

[28] Zhenbin Liu, Bhesh Bhandari, Sangeeta Prakash, and Min Zhang. 2018. Creation of internal structure of mashed potato construct by 3D printing and its textural properties. Food Res. Int. 111 (1 2018), 534–543.

[29] Liane Makatura, Bohan Wang, Yi-Lu Chen, Bolei Deng, Chris Wojtan, Bernd Bickel, and Wojciech Matusik. 2023. Procedural Metamaterials: A Unified Procedural Graph for Metamaterial Design. ACM Trans. Graph. 42, 5, Article 168 (July 2023), 19 pages. https://doi.org/10.1145/3605389

[30] Atsushi Maki, Parinya Punpongsanon, Daisuke Iwai, and Kosuke Sato. 2024. Visually Manipulating Perceived Food Texture in Projection Mapping. Transactions of the Virtual Reality Society of Japan 29, 2 (2024), 81–84. https://doi.org/10.18974/tvrsj.29.2_81

[31] Luigi Malomo, Nico Pietroni, Bernd Bickel, and Paolo Cignoni. 2016. FlexMolds: automatic design of flexible shells for molding. ACM Trans. Graph. 35, 6, Article 223 (Dec. 2016), 12 pages. https://doi.org/10.1145/2980179.2982397

[32] Sylvester Mantihal, Sangeeta Prakash, and Bhesh Bhandari. 2019. Textural modification of 3D printed dark chocolate by varying internal infill structure. Food Res. Int. 121 (2019), 648–657. https://doi.org/10.1016/j.foodres.2018.12.034

[33] Homei Miyashita. 2021. TTTV (taste the TV): Taste presentation display for “licking the screen” using a rolling transparent sheet and a mixture of liquid sprays. In The Adjunct Publication of the 34th Annual ACM Symposium on User Interface Software and Technology (UIST ’21 Adjunct). ACM, New York, NY, USA, 37–40. https://doi.org/10.1145/3474349.3480223

[34] Homei Miyashita. 2022. TTTV2 (Transform the Taste and Visual Appearance):Tele-eat virtually with a seasoning home appliance that changes the taste and appearance of food or beverages. In Proceedings of the 28th ACM Symposium on Virtual Reality Software and Technology (VRST ’22, Article 78). ACM, New York, NY, USA, 1–2. https://doi.org/10.1145/3562939.3565663

[35] Homei Miyashita, Yoshinobu Kaji, and Ai Sato. 2023. Electric salt: Tableware design for enhancing taste of low-salt foods. In Adjunct Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology. ACM, New York, NY, USA. https://doi.org/10.1145/3586182.3616626

[36] Mako Miyatake, Koya Narumi, Yuji Sekiya, and Yoshihiro Kawahara. 2021. Flower Jelly Printer: Slit Injection Printing for Parametrically Designed Flower Jelly. Association for Computing Machinery, New York, NY, USA.

[37] Mako Miyatake, Aoi Watanabe, and Yoshihiro Kawahara. 2020. Interactive cake decoration with whipped cream. In Proceedings of the 12th Workshop on Multimedia for Cooking and Eating Activities. ACM, New York, NY, USA. https://doi.org/10.1145/3379175.3391711

[38] Yamato Miyatake and Parinya Punpongsanon. 2024. An Exploratory Study on Fabricating of Unobtrusive Edible Tags. In SIGGRAPH Asia 2024 Posters (SA ’24). Association for Computing Machinery, New York, NY, USA, Article 51, 2 pages. https://doi.org/10.1145/3681756.3697910

[39] Yamato Miyatake and Parinya Punpongsanon. 2025. EateryTag: investigating unobtrusive edible tags using digital food fabrication. Frontiers in Nutrition Volume 12 - 2025 (2025). https://doi.org/10.3389/fnut.2025.1641849

[40] Yamato Miyatake, Parinya Punpongsanon, Daisuke Iwai, and Kosuke Sato. 2022. interiqr: Unobtrusive Edible Tags using Food 3D Printing. In Proceedings of the 35th Annual ACM Symposium on User Interface Software and Technology. ACM, New York, NY, USA, 1–11. https://doi.org/10.1145/3526113.3545669

[41] Motoki Miyoshi, Parinya Punpongsanon, Daisuke Iwai, and Kosuke Sato. 2021. SoftPrint: Investigating Haptic Softness Perception of 3D Printed Soft Object in FDM 3D Printers. Journal of Imaging Science and Technology (7 2021), 040406:1– 040406:8. https://doi.org/10.2352/J.ImagingSci.Technol.2021.65.4.040406

[42] Izumi Mizoguchi, Sho Sakurai, Koichi Hirota, and Takuya Nojima. 2021. Grutio: System for reproducing swallowing sensation using neck-skin movement. IEEE Access 9 (2021), 105297–105307. https://doi.org/10.1109/access.2021.3098228

[43] Moran Mizrahi, Amos Golan, Ariel Bezaleli Mizrahi, Rotem Gruber, Alexander Zoonder Lachnise, and Amit Zoran. 2016. Digital gastronomy: Methods & recipes for hybrid cooking. In Proceedings of the 29th Annual Symposium on User Interface Software and Technology. ACM, New York, NY, USA. https://doi.org/10.1145/2984511.2984528

[44] Herbert Mucha and Horst Deckmann. 2022. Gummy Bears – Colorful, Temperamental and Demanding in Their Dynamic-Mechanical Properties. https://analyzing-testing.netzsch.com/en/application-literature/gummy-bears-colorful-temperamental-and-demanding-in-their-dynamic-mechanical-properties. Accessed: 2025-3-24.

[45] Hiromi Nakamura and Homei Miyashita. 2011. Augmented gustation using electricity. In Proceedings of the 2nd Augmented Human International Conference. ACM, New York, NY, USA. https://doi.org/10.1145/1959826.1959860

[46] Kizashi Nakano, Daichi Horita, Naoya Isoyama, Hideaki Uchiyama, and Kiyoshi Kiyokawa. 2022. Ukemochi: A Video See-through Food Overlay System for Eating Experience in the Metaverse. In Extended Abstracts of the 2022 CHI Conference on Human Factors in Computing Systems (New Orleans, LA, USA) (CHI EA ’22). Association for Computing Machinery, New York, NY, USA, Article 380, 8 pages. https://doi.org/10.1145/3491101.3519779

[47] Takuji Narumi, Takashi Kajinami, Tomohiro Tanikawa, and Michitaka Hirose. 2010. Meta Cookie. In ACM SIGGRAPH 2010 Emerging Technologies (Los Angeles, California) (SIGGRAPH ’10). Association for Computing Machinery, New York, NY, USA, Article 18, 1 pages. https://doi.org/10.1145/1836821.1836839

[48] Arinobu Niijima and Takefumi Ogawa. 2016. Study on control method of virtual food texture by electrical muscle stimulation. In Proceedings of the 29th Annual Symposium on User Interface Software and Technology. ACM, New York, NY, USA. https://doi.org/10.1145/2984751.2984768

[49] Yumi Nishihara and Yasuaki Kakehi. 2021. Magashi: Fabrication of Shape- Changing Edible Structures by Extrusion-Based Printing and Baking. In Creativity and Cognition (Virtual Event, Italy) (C&C ’21). Association for Computing Machinery, New York, NY, USA, Article 44, 1 pages. https://doi.org/10.1145/3450741.3465388

[50] Katsuyoshi Nishinari and Yapeng Fang. 2018. Perception and measurement of food texture: Solid foods. J. Texture Stud. 49, 2 (April 2018), 160–201. https://doi.org/10.1111/jtxs.12327

[51] Katsuyoshi Nishinari, Marie-Agnes Peyron, Nan Yang, Zhiming Gao, Ke Zhang, Yapeng Fang, Meng Zhao, Xiaolin Yao, Bing Hu, Lingyu Han, Stanisław Mleko, Marta Tomczyńska-Mleko, Takao Nagano, Yoko Nitta, Yin Zhang, Narpinder Singh, Aaron Goh Suk Meng, Rungnaphar Pongsawatmanit, Chaiwut Gamonpilas, Hatsue Moritaka, Kaoru Kohyama, Miki Yoshimura, Madoka Hirashima, Makoto Takemasa, Kazumi Tsutsui, and Lei Su. 2024. The role of texture in the palatability and food oral processing. Food Hydrocoll. 147, 109095 (1 Feb. 2024), 109095. https://doi.org/10.1016/j.foodhyd.2023.109095

[52] Hitomi Nishizaki, Takatoshi Iida, Yohei Tanaka, Yoshinari Morimoto, Megumi Hayashi, Lou Mikuzuki, Yuki Yao, and Yuichi Tatsuno. 2022. Effect of masticatory training using confectioneries on oral function in elderly patients - A randomized controlled trial. J. Dent. Sci. 17, 4 (1 Oct. 2022), 1480–1486. https://doi.org/10.1016/j.jds.2022.04.030

[53] Masahiro Nishizawa, Wanting Jiang, and Katsunori Okajima. 2016. Projective-AR system for customizing the appearance and taste of food. In Proceedings of the 2016 workshop on Multimodal Virtual and Augmented Reality. ACM, New York, NY, USA. https://doi.org/10.1145/3001959.3001966

[54] Miyu Nomura and Hiromasa Oku. 2020. Edible lens made of agar. Opt. Rev. 27, 1 (Feb. 2020), 9–13. https://doi.org/10.1007/s10043-019-00557-9

[55] Soojin Park, Don-Kyu Kim, Hyoungsu Park, Dasom Yoon, and Sevjid Byambaa. 2022. Improvement of chewing and swallowing risks in community-dwelling older adults using texture-modified food. Nutr. Res. Pract. 16, 3 (June 2022), 354–365. https://doi.org/10.4162/nrp.2022.16.3.354

[56] M A Peyron, C Lassauzay, and A Woda. 2002. Effects of increased hardness on jaw movement and muscle activity during chewing of visco-elastic model foods. Exp. Brain Res. 142, 1 (2002), 41–51. https://doi.org/10.1007/s00221-001-0916-5

[57] Nimesha Ranasinghe and Ellen Yi-Luen Do. 2017. Digital Lollipop: Studying electrical stimulation on the human tongue to simulate taste sensations. ACM Trans. Multimed. Comput. Commun. Appl. 13, 1 (28 Feb. 2017), 1–22. https://doi.org/10.1145/2996462

[58] Nimesha Ranasinghe, Thi Ngoc Tram Nguyen, Yan Liangkun, Lien-Ya Lin, David Tolley, and Ellen Yi-Luen Do. 2017. Vocktail: A virtual cocktail for pairing digital taste, smell, and color sensations. In Proceedings of the 25th ACM international conference on Multimedia. ACM, New York, NY, USA. https://doi.org/10.1145/3123266.3123440

[59] Katherine W Song, Szu Ting Tung, Alexis Kim, and Eric Paulos. 2024. Füpop: “real food” flavor delivery via focused ultrasound. In Proceedings of the CHI Conference on Human Factors in Computing Systems, Vol. 9. ACM, New York, NY, USA, 1–14. https://doi.org/10.1145/3613904.3642709

[60] Catriona M Steele, Woroud Abdulrahman Alsanei, Sona Ayanikalath, Carly E A Barbon, Jianshe Chen, Julie A Y Cichero, Kim Coutts, Roberto O Dantas, Janice Duivestein, Lidia Giosa, Ben Hanson, Peter Lam, Caroline Lecko, Chelsea Leigh, Ahmed Nagy, Ashwini M Namasivayam, Weslania V Nascimento, Inge Odendaal, Christina H Smith, and Helen Wang. 2015. The influence of food texture and liquid consistency modification on swallowing physiology and function: a systematic review. Dysphagia 30, 1 (Feb. 2015), 2–26. https://doi.org/10.1007/s00455-014-9578-x

[61] Jason R Stokes, Michael W Boehm, and Stefan K Baier. 2013. Oral processing, texture and mouthfeel: From rheology to tribology and beyond. Curr. Opin. Colloid Interface Sci. 18, 4 (1 2013), 349–359. https://doi.org/10.1016/j.cocis.2013.04.010

[62] Qingjie Sun, Yan Xing, Chao Qiu, and Liu Xiong. 2014. The pasting and gel textural properties of corn starch in glucose, fructose and maltose syrup. PLoS One 9, 4 (22 April 2014), e95862. https://doi.org/10.1371/journal.pone.0095862

[63] Rita Székelyhidi, Zsolt Giczi, Roberta Pallag, Erika Lakatos, and Beatrix Sik. 2024. Physicochemical and textural properties of gummy candies prepared with fruit vinegar. Applied Food Research 4, 2 (1 Dec. 2024), 100473. https://doi.org/10.1016/j.afres.2024.100473

[64] Ye Tao, Youngwook Do, Humphrey Yang, Yi-Chin Lee, Guanyun Wang, Catherine Mondoa, Jianxun Cui, Wen Wang, and Lining Yao. 2019. Morphlour: Personalized Flour-Based Morphing Food Induced by Dehydration or Hydration Method. In Proceedings of the 32nd Annual ACM Symposium on User Interface Software and Technology (New Orleans, LA, USA) (UIST ’19). Association for Computing Machinery, New York, NY, USA, 329–340. https://doi.org/10.1145/3332165.3347949

[65] Suzan Tireki, Gulum Sumnu, and Serpil Sahin. 2021. Correlation between physical and sensorial properties of gummy confections with different formulations during storage. J. Food Sci. Technol. 58, 9 (2 Sept. 2021), 3397–3408. https://doi.org/10.1007/s13197-020-04923-3

[66] Cesar Torres, Tim Campbell, Neil Kumar, and Eric Paulos. 2015. HapticPrint: Designing Feel Aesthetics for Digital Fabrication. In Proceedings of the 28th Annual ACM Symposium on User Interface Software & Technology (Charlotte, NC, USA) (UIST ’15). Association for Computing Machinery, New York, NY, USA, 583–591. https://doi.org/10.1145/2807442.2807492

[67] Tom Valkeneers, Danny Leen, Daniel Ashbrook, and Raf Ramakers. 2019. Stack- Mold: Rapid Prototyping of Functional Multi-Material Objects with Selective Levels of Surface Details. In Proceedings of the 32nd Annual ACM Symposium on User Interface Software and Technology (New Orleans, LA, USA) (UIST ’19). Association for Computing Machinery, New York, NY, USA, 687–699. https://doi.org/10.1145/3332165.3347915

[68] Elzelinde van Doleweerd, Ferran Altarriba Bertran, and Miguel Bruns. 2022. Incorporating shape-changing food materials into everyday culinary practices: Guidelines informed by participatory sessions with chefs involving edible pHresponsive origami structures. In Sixteenth International Conference on Tangible, Embedded, and Embodied Interaction (TEI ’22). ACM, New York, NY, USA, 9:1–9:14. https://doi.org/10.1145/3490149.3501315

[69] Wen Wang, Lining Yao, Teng Zhang, Chin-Yi Cheng, Daniel Levine, and Hiroshi Ishii. 2017. Transformative Appetite: Shape-Changing Food Transforms from 2D to 3D by Water Interaction through Cooking (CHI ’17). Association for Computing Machinery, New York, NY, USA, 6123–6132. https://doi.org/10.1145/3025453.3026019

[70] Takumi Yamamoto, Takashi Amesaka, Anusha Withana, and Yuta Sugiura. 2025. ShadoCookies: Creating user viewpoint-dependent information displays on edible cookies. Comput. Graph. 127, 104158 (1 April 2025), 104158. https://doi.org/10.1016/j.cag.2024.104158

[71] Takegi Yoshimoto, Yoshiki Minato, and Homei Miyashita. 2024. Edible Lens Array: Dishes with lens-shaped jellies that change their appearance depending on the viewpoint. In Adjunct Proceedings of the 37th Annual ACM Symposium on User Interface Software and Technology (Pittsburgh, PA, USA) (UIST Adjunct ’24). Association for Computing Machinery, New York, NY, USA, Article 45, 3 pages. https://doi.org/10.1145/3672539.3686745

[72] MASSIMILIANO ZAMPINI and CHARLES SPENCE. 2004. THE ROLE OF AUDITORY CUES IN MODULATING THE PERCEIVED CRISPNESS AND STALENESS OF POTATO CHIPS. Journal of Sensory Studies 19, 5 (2004), 347–363. https://doi.org/10.1111/j.1745-459x.2004.080403.x arXiv:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1745-459x.2004.080403.x

[73] Sicong Zhu, Irene Vazquez Ruiz de Azua, Sientje Feijen, Atze Jan van der Goot, Maarten Schutyser, and Markus Stieger. 2021. How macroscopic structure of 3D printed protein bars filled with chocolate influences instrumental and sensory texture. Lebenson. Wiss. Technol. 151, 112155 (1 Nov. 2021), 112155. https://doi.org/10.1016/j.lwt.2021.112155

[74] Amit Zoran and Dror Cohen. 2018. Digital Konditorei: Programmable Taste Structures Using a Modular Mold. Association for Computing Machinery, New York, NY, USA, 1–9.

EateryTag：デジタル食品加工による目立たない食用タグの検討

Wed, 16 Sep 2026 00:00:00 +0000

概要

Human-Food Interaction（HFI）はデジタル技術によって食体験を拡張する方法を探究します。食品タグは食事とデジタル情報を結び付けます。しかし食品の表面や側面に光学タグを付けると外観を損なう場合があります。味の感じ方や食体験にも影響します。そこで本研究では食品内部にタグを埋め込む手法を提案します。外観と感覚的な品質を保ちながら情報を付加することを目指します。

まず食品3Dプリンタを用いたタグ作製法を開発しました。タグの埋込みから読取りまでの処理を構築しました。読取りやすさと隠しやすさに加えて食体験を評価しました。さらに通常の調理環境で利用しやすくするために型成形とスタンプによる作製法を開発しました。家庭で料理をする3名とのワークショップから初心者にも導入しやすいことが示されました。食品へのタグの埋込みによって料理の特性を損なわずにデジタル情報を食体験に組み込める可能性を示します。HFI研究と実用化に向けた新たな方向を提示します。

1．はじめに

HFIは先進的なデジタル技術によって食に関する体験を拡張する学際領域です。食品科学・ヒューマンコンピュータインタラクション・デジタルファブリケーションを横断します。生産から調理や消費を経て廃棄に至る食品のライフサイクル全体を扱います。特に食べる段階では新たな体験を生む可能性が注目されています。

食体験とデジタル情報を結ぶために食品タグが幅広く研究されています（Gayler et al., 2022; Leem et al., 2020; Ahmed et al., 2018）。食品にRFIDチップやセンサを取り付ける方法があります（Fujiwara et al., 2018; Xie et al., 2013）。包装に印刷する方法もあります（Jung et al., 2017; Spielberg et al., 2016）。これらは利用者の妨げになりにくい形で機械による読取りを可能にします。

デジタルガストロノミーとも呼ばれるデジタル食品加工では調理工程の拡張が進んでいます（Zoran, 2019; Schoning et al., 2012）。食品内部の構造を操作すると目立たない食用の付加機能を作れます。例えばプリント時の内部充填パターンを変えると外形を保ったまま内容量を変えられます（Yamamoto et al., 2025; Lin et al., 2020）。外観への影響を抑える構造的な方法は食べられる情報タグにも有望です。

本研究では食品内部に情報を埋め込んで直接識別できるEateryTagを提案します。まず食品3Dプリントによるタグの埋込みと読取りを一貫して行う処理を示します。利用者が入力した情報やタグの寸法に基づいてインタフェースが内容と埋込み形状を決定します。内部の充填率と構造に応じて二つの方法を切り替えます。充填率が高く空隙が小さい場合は複数の食品材料でタグを作ります。充填率が低い場合は充填量と空隙を調整して作ります。内部構造や材料を変えることで外観を変えずにタグを埋め込めます（図1）。読取りやすさ・隠しやすさ・食体験を評価しました。

さらに型成形とスタンプによる埋込み方法を開発しました。対応できる食品材料が広がります。食品3Dプリンタを置きにくい調理環境にも導入しやすくなります。型成形ではセル状の型に通常の材料と着色した材料を詰めてタグを作ります。対象の食品に入れた後に別の層で覆います。スタンプでは食用インクで表面にタグを転写してから同様に隠します。専門的な加工装置を使う工程を一般的な調理道具と手作業に置き換えられます。家庭で料理をする3名との小規模なワークショップで使いやすさと作製したタグの品質を評価しました。専門訓練を受けていない参加者でも両手法を利用できました。

埋め込んだタグによる表面のコントラストを弱めるために複数の色の組合せも予備的に調べました。既発表システムからの拡張は2.5節で説明します。

2．関連研究

2.1．データ保存用タグと識別用タグ

タグには文章・リンク・時刻・固有識別子などを記録します。通常は文字列として扱います。情報そのものを保存する場合も似た外観の物体を区別する場合も一定量の情報を符号化します。QRコードなどの二次元コードは平面を効率的に使えるため一次元バーコードより多くのデータを保存できます。識別だけが目的なら短いIDや区別できる見た目の特徴で足ります（Getschmann and Echtler, 2021; Maia et al., 2019）。

本研究では食品の内部充填構造に二進データを埋め込みます。内部には十分な体積がある場合が多いためURLや時刻などの内容と識別コードの両方を扱えます。

2.2．HFIにおけるタグ付け

食品とのインタラクションでは以前からタグや識別が使われています。包装にバーコードやQRコードを付ける方法が一般的です。商品IDなどを保存できるためスーパーマーケットなどで広く使われています。包装工程にも導入しやすい方法です。ただし安全上の理由から食品に直接付けられないタグは開封時に食品と切り離されます。

近年は食品と一緒に食べられるタグや印や構造が研究されています。食用色素・表面形状・材料特性などを利用します。表面を使う方法では情報の埋込みによって外観を変えます。QKiesは食用インクで食品表面にQRコードを印刷します（Juchem Food Ingredients GmbH, 2011）。MetaCookieは焼印で視覚マーカを付けてARに利用します（Narumi et al., 2010）。Yamamoto et al.（2025）は斜めの穴を表面に作って特定の方向からだけ見える模様を示しました。Edible Retroreflectorは寒天の反射特性によってカメラで食品を追跡します（Uji et al., 2017）。

食品の導電性などを用いる方法もあります。Edible ElectronicsやEdiSensorは食用の導電路を使って追跡やデータ伝送を行います（Sharova et al., 2021; Punpongsanon and Ishizuka, 2021）。Muffidgetsは導電性の食材を使ったタンジブルな操作を検討しています（Heller, 2021）。Ishii et al.（2020）は電気分解で表面の色を変えます。視覚的なデータを食品に符号化できる可能性があります。

これらの方法では表面に特徴を付ける必要がある場合があります。特定の食材や外部装置を要する場合もあります。通常の観察条件では見えず機械には読めるタグを食品内部に埋め込む研究は限られています。本研究では3Dプリント時の内部充填構造に情報を埋め込みます。肉眼では見えないタグをカメラで読み取ります。原文では通常の照明で読取り可能と述べています。具体的な背面照明の条件は3.5節で示します。幅広い食用材料への対応によって日常の調理場面での利用を目指します。

2.3．デジタルファブリケーションにおける目立たない情報の埋込み

食用以外のタグでも物体の形状を利用して目立ちにくく識別する研究があります。プリント時に自然に生じる特徴を使う方法があります（Dogan et al., 2020）。方向性のある照明や反射の異方性によって特定の条件でだけ見える形状を作る方法もあります（Peng et al., 2020; Ma et al., 2023）。表面の質感になじむ模様も提案されています（Getschmann and Echtler, 2021）。これらは外観を保てます。しかし焼成や冷却や取扱いで表面の特徴が変わる食品には適用しにくい場合があります。

内部構造を使う研究では空隙・赤外線吸収材料・蛍光材料・温度応答性の樹脂などを用います（Li et al., 2017; Kubo et al., 2020; Dogan et al., 2022, 2023; Jiang et al., 2023）。表面の下にあるタグを赤外線カメラや光散乱を用いた装置で検出します。本研究はこれらの原理を食品加工に展開します。

食品用の材料は機能性と造形精度の両面で制約があります。生地などは調理中に変形・乾燥・膨張します。加工中も加工後も正確な形状の維持が難しくなります。本研究では二つの方法を提案します。一つは通常の生地の内部に空隙を作る方法です。もう一つは通常の生地と着色した生地の差を利用する方法です。見た目を損ないにくい食用タグを通常のカメラで読み取れます。

2.4．デジタル食品加工

個別化された食品設計はデジタル食品加工の発展によって進んでいます。道具の複雑さと利用者の関与からデジタル制御による加工と手作業を補助する加工に大別できます。

デジタル制御では成形・堆積・変形などの工程を高精度に自動化します。食品3Dプリンタやロボットアームによってチョコレート・アイシング・生地などを積層します（Khot et al., 2017; Lin et al., 2020; Miyatake et al., 2022; Ishii, 2024; Wang et al., 2017; Nishihara and Kakehi, 2021; Miyatake et al., 2021, 2020）。CO₂レーザによる局所的な加熱や彫刻もあります（Fukuchi et al., 2012; Henze et al., 2015）。CNC加工機で食品を削る方法もあります（Mizrahi et al., 2016; Yamamoto et al., 2025）。

手作業を補助する加工は導入しやすく材料選択の自由度も高い方法です。シリコーン型や食品用スタンプなどを使って形状や表面模様を作ります（Zoran and Cohen, 2018; Lee et al., 2017, 2019; Tao et al., 2019）。準備に手作業は必要ですが専門装置への依存を減らせます。作製した型やスタンプは繰り返し使えます。多様な材料や環境でも一定の結果を得られます。既存研究ではモジュール式の食感や視覚的・対話的な模様や新たな料理の外観を検討しています。完全自動化より導入の負担が小さくなります。

これらの加工法は構造や外観の調整に加えて食用タグの埋込みにも利用できます。本研究では食品3Dプリント・型成形・スタンプの三つの方法を開発しました。デジタル制御と手作業の両方に対応します。幅広い調理環境や準備方法に適応できます。

2.5．既発表システムからの拡張

先行研究では初期システムをinteriqrとして発表しました（Miyatake et al., 2022; Punpongsanon et al., 2022）。3Dプリントの内部充填構造に情報を埋め込む考え方を示しました。空隙と複数材料を使う二つの処理を実装しました。読取りやすさと食体験も評価しました（Miyatake et al., 2022）。その後に複数の利用例を示しました（Punpongsanon et al., 2022）。

本論文では型成形とスタンプを追加します。三つの方法をEateryTagとして統合します。食品3Dプリントには粘度や粒子径を厳密に調整したペースト状材料が必要です。新しい二つの方法はこの制約に対応します。幅広い材料と調理環境に適用できることを示します。通常の調理環境への適合性をワークショップで評価しました。

図1．EateryTagは3Dプリント時の内部充填構造に情報を埋め込みます。タグは外から見えません。食品の設計から造形と調理を経て情報の読取りと応用につなぐ処理を示します。

3．3Dプリントによる方法

食品の内部充填構造に情報を埋め込んで後から読み取る枠組みを示します（図2）。外形と体積を変えずに充填量を計算して内部構造を生成します。充填率が100%の場合は同じ味の異なる材料を切り替えてタグを作ります（3.4.2節）。同じ外観で材料量を減らす場合などは内部の空隙を使います。内部構造に応じたプリント経路を計算して押出機の制御用G-codeを生成します（3.4.1節）。

作製した食品を背面から照らして撮影します。画像処理で内部構造に対応する特徴を抽出して情報を読み取ります（3.5節）。

図2．aではタグ情報と食品の3Dモデルと充填情報を入力します。bでは独自のスライサがタグとG-codeを生成します。cで食品をプリントして調理します。同時に生成した符号化情報のファイルをdの認識に使います。eでは食品情報の表示や食品をトークンとして使う応用につなげます。

3.1．対象食品の選択

原理的にはノズルから押し出せる粘度と粒度を持つ食品に適用できます。造形後に形状を保持できることも条件となります。本研究ではクッキー生地を用います。食品3Dプリントや食品とのインタラクションの既存研究でも使われています（Lin et al., 2020; Narumi et al., 2010; Yamamoto et al., 2024）。共通の材料を用いることで既存の枠組みと結果を結び付けやすくなります。プリント後の形状や構造も制御しやすい材料です。他の材料でも予備実験を行いました（5節）。

3.2．作業の流れ

タグ付け用インタフェースと認識アプリケーションから構成します。造形前に各食品へ固有のQRコードを割り当てます。造形後に認識アプリケーションで読み取ります。同じ考え方は4節の型成形とスタンプにも適用できます。

3.2.1．タグ付け用インタフェース

図3のインタフェースに埋め込む情報と充填率を入力します。充填率は例えば5〜100%から選びます。以下では充填率60%のクッキーに消費期限を埋め込む例を説明します。

タグ生成用の充填構造を計算します。 希望する充填率を60%に設定します。ソフトウェアが指定量の材料でタグを作れる経路を計算します。材料量が内部体積の約半分なので空隙を使います。スライス条件によって内部構造を配置します。
情報を入力します。 文章や画像やURLを指定できます。この例では食べる前に期限を確認できるよう消費期限を入力します。
食品をプリントします。 パラメータを設定してGenerateボタンを押します。G-codeとタグ情報を持つXMLファイルを生成します。G-codeをプリンタに送ってタグ入りの食品を作製します。

図3．インタフェースに埋め込むデータと食品3Dモデルを入力します。充填量や任意のタグ寸法も指定します。Generateボタンを押すとモデル内部にタグを配置してG-codeを出力します。

3.2.2．タグの認識

背面照明とカメラを固定した装置を用います。利用者は下から照らされる台に食品を置きます。システムが上から撮影して画像処理を行います。読み取った情報を画面に表示します。この例ではクッキーの消費期限を提示します。

3.3．材料の準備

材料の粘度は造形後の構造に影響します。入力した3Dモデルと内部形状を保てるように配合を調べました。小麦粉・砂糖・卵・ショートニングの比率を経験的に調整しました。シリンジ式プリンタ（Nordson EFD Automated Dispensing System）では1.0:0.4:0.5:0.1が最も適していました（図4c）。一部の表面は崩れますが全体の形状を保てます。対策は3.6.2節で述べます。

混合後は冷蔵庫で1時間休ませます。Nordson Optimum Syringe 20CCに詰めてプリンタへ取り付けます。プリント前に粘度計（TGK TVB-10M）で測定して配合の安定性を確認しました。

図4．小麦粉・砂糖・卵・ショートニングの配合を比較しました。aの1.0:0.2:0.5:0.1とbの1.0:0.8:0.5:0.1では軟らかすぎて形状を保てません。cの1.0:0.4:0.5:0.1では形状が安定します。一部の表面は内部構造の影響で崩れます。

3.4．タグの生成

充填率が70%未満では食品内部の空隙を用います。70%を超える場合は色の異なる材料を用います。食品の3Dモデルから通常のスライサと同様に経路を作ります。QRコードやARマーカの画像からタグ用の経路も別に作ります。食品の上面と下面の経路にタグ用の経路を組み合わせます。最後に指定した材料量に合うよう内部構造を調整します。

例として13×13モジュールのマイクロQRコードを用います。およそ英字6文字か数字10桁を記録できます（Densowave, 2019）。保存する情報量に応じてモジュール数を増やせます。

3.4.1．充填構造と空隙の利用

充填率が70%未満の場合は材料がある部分を二進数の0に対応させます。空隙を1に対応させます。まず通常の直線状充填に必要な材料量を計算します。次にタグの作製に必要な量を求めます。

例えば5 cm×5 cm×0.8 cmのクッキーを充填率100%で作るために生地10 gが必要だとします。外殻に2 gを使う場合に内部充填率を70%とすると内部に使う生地は（10 g−2 g）×70%=5.6 gです。この量に合うよう内部構造の寸法を調整します。最後にタグと外殻を統合してG-codeを生成します。

3.4.2．複数材料の利用

充填率が70%を超えるとタグに十分な空隙を確保しにくくなります。この場合は異なる材料で内部をプリントします。カメラから区別できて通常の材料で隠せる材料を選びます（3.6節）。第二の材料を1に対応させます。通常の材料を0に対応させます。本研究では黒い食用色素を混ぜた生地を使います。同じ味を保ちながらタグを作れます。着色した材料を用いても外から目立ちません（図5a）。

図5．aでは通常の観察条件のクッキーを示します。bでは背面から照らします。cの画像処理からdの二値画像を得ます。eでは一般的なQRリーダで認識します。fでは読み取った情報を示します。

3.5．タグの読取り

クッキーの下から照明を当てます。上に置いたカメラ（Ximea MQ013CG-ON）で撮影します（図6）。白色光などの可視光に加えて赤外線や空間的に符号化した照明も使えます。光の強度と色を制御しやすいようにプロジェクタ（RICOH PJ WXC1110）を使います。赤外線にはAdvanced Illuminationの880 nmバックライトを用います。

グレースケール画像にCLAHEを適用してコントラストを高めます。ガウシアンぼかしでノイズを減らします（図5c）。適応的なガウシアン閾値処理で二値化してタグの形を抽出します（図5d）。QRコードには市販の読取りソフトウェア（DENSO WAVE QRQRなど）を利用できます。ArUcoマーカの認識にはArUcoライブラリも用いました。図5eと図5fにQRの読取りとArUcoによる3D位置追跡の例を示します。

図6．プロジェクタで下からクッキーを照らします。カメラで上から撮影します。

3.6．実験

食用タグの読取りやすさを評価しました。手法の実現可能性と拡張性も調べました。

3.6.1．タグの読取りやすさ

背面照明の条件と光の波長を変えて調べました。

透過スペクトルを測定します。 光はクッキーを通過してカメラに届きます。空隙は材料が詰まった部分より光を通します。食品中の透過率は波長にも依存します。適切な波長を選ぶと読取りやすくなります。

分光放射計（TOPCON SR LEDW）で空隙・通常の生地・黒い生地の透過スペクトルを測定しました。市松模様の左半分に黒い生地を配置しました。右半分には空隙を作りました（図7a）。内部層の高さは1.5 mmです。上下に被覆層を設けて背面から照らしました。正面から分光放射計で測定しました。被覆層の厚さについて原文本文には2 mmと記載されています。一方で原文の図7キャプションには1.5 mmと記載されています。

図7．aでは黒い生地と空隙を市松模様に配置した実験試料を示します。bでは上下を覆って焼成した状態を示します。原図のキャプションでは被覆層を1.5 mmと記載しています。

550〜780 nmでは空隙がある部分が通常の生地や黒い生地より明るく見えました（図8）。特に680 nmの赤色光で三つの領域のコントラストが増しました。カメラとの距離を15〜30 cmに変えて撮影しました。空隙によるタグは21 cmまで読めました。黒い生地によるタグは24 cmまで読めました。

図8．通常のクッキー生地・黒い生地・空隙の透過スペクトルを示します。

880 nmの赤外線も試しました。空隙で作ったタグを赤外線バックライトで照らしました。可視光を遮るHWB800フィルタをXimea MQ013CG-ONに取り付けました。同じ画像処理でタグを認識できました（図9）。黒い生地は赤外線を吸収するため十分に透過しませんでした。今後はタンパク質・グルコース・スクロース・水などの吸収特性を検討します（Almeida et al., 2006）。内部材料の選択によって赤外線用タグを作れる可能性があります。

図9．赤外線で背面から照らした結果を示します。aは肉眼での見え方です。bは赤外線カメラの画像です。cは認識用に画像処理した結果です。

透過光と散乱光を分離します。 撮影画像には直接透過した光と散乱した光が含まれます。散乱光は内部構造の像をぼかして読取りを妨げます。特に空隙のないタグで影響します。高周波照明を用いる分離手法（Nayar et al., 2006）で透過光を取り出して読取りやすさを測定しました。

白色照明を市松模様の投影に置き換えます（図10）。模様の位相を変えながら複数枚を撮影します。各画素の最大値L_maxと最小値L_minを求めます。透過光L_tと散乱光L_sを次式で分離します。cは画像中の画素です。

L_t[c] = L_max[c] − L_min[c]　（1）

L_s[c] = 2L_min[c]　（2）

図10．左に透過光と散乱光を分離するための装置を示します。右に投影する市松模様を示します。

図11に結果を示します。前の実験と同様に距離を変えて撮影しました。散乱光を除くとタグが読みやすくなりました。空隙によるタグの読取り距離は21 cmから23 cmに伸びました。黒い生地によるタグでは24 cmから29 cmになりました。複数材料と1 mmの空隙を組み合わせた場合は35 cmから読み取れました。

図11．異なる充填方法について白色光と赤色光での画像と分離後の透過光と散乱光を比較します。空隙と複数材料と両者の組合せを示します。

3.6.2．タグの隠しやすさ

空隙を使う方法では焼成中に空気が膨張します。表面が持ち上がるとタグの形が見えます（図12a）。空隙の上に生地をプリントすると垂れ下がりによっても形が現れます。

メッシュ状の天板で造形して底面に小さな穴を設けると空気の膨張を抑えられます（図12b）。ただし一部では隆起や沈下が残ります。そこで空隙の上に幅0.6 mmの生地をプリントして支持します。すべての空隙に支持を設ける方法と大きな空隙だけを支持する方法と支持のない方法を比較しました。16 mm²を超える空隙だけを支持すると隆起と沈下を抑えながら読取りやすさを保てました（図12d）。全面的な支持は造形に時間がかかります。小さな穴だけではタグの形が現れます。

図12．aの通常のプリントとbの底面に小孔を設ける方法とcの全面支持とdの選択的な支持を比較します。内部構造と焼成後の外観と画像処理結果を示します。

3.6.3．タグの最小寸法

タグは食品全体ではなく一部にも埋め込めます。このため作製できる寸法を調べました。15 cmの距離で100%読み取れる標準条件は1モジュールが4 mm角でした。13×13モジュールのマイクロQRコードでは52×52 mmです。6×6モジュールのArUcoでは24×24 mmです。

1モジュールを3 mm角と2 mm角にも縮小しました。マイクロQRはそれぞれ39×39 mmと26×26 mmになります。ArUcoは18×18 mmと12×12 mmになります。3 mm角では4 mm角と同じ距離から読めました。2 mm角では8 cmまで近づける必要がありました。また造形中に外殻とうまく接合せず作製が難しくなりました。0.6 mmノズルでは1モジュールを少なくとも3 mm角にすると作製と読取りを両立できました。

厚さも変えて調べました。2〜7 mmの範囲で作製できました。ただし7 mmでは読取りが不安定でした。2 mmでは造形が不安定でした。5 mmを標準とすると両方の問題を避けられました。

3.6.4．安全性と食体験

安全にタグを食べながら食体験を楽しめることを目標とします。造形工程では食品専用の使い捨てシリンジを用います。オイルフリーのエアコンプレッサ（California Air Tools 10020C）も用います。造形中の細菌や異物の混入を減らすためです。作製実験は所属大学の規則に従いました。

食体験の予備評価には大学から募集した21〜35歳の9名が参加しました。空隙を使ったクッキーと複数材料を使ったクッキーを食べてもらいました。充填率100%のクッキーを基準としました。外観が似ているため参加者には内部構造の条件が分かりませんでした。

口当たりの評価項目は乾燥感・硬さ・滑らかさ・しなやかさ・甘さです（Mouritsen et al., 2017）。7段階リッカート尺度で評価しました。所属大学の倫理審査委員会の承認を受けました。全体として三つのクッキーの食体験は似ていました（図13）。充填率100%と空隙と複数材料の順に乾燥感の平均は5.5と5.4と5.1でした。滑らかさは3.1と2.8と3.3でした。しなやかさは3.3と3.2と3.25でした。甘さは4.3と4.0と4.1でした。一方で硬さには差がありました。充填率100%では6.5でした。空隙では4.35でした。複数材料では6.1でした。内部構造の違いが影響しています。

図13．二つのタグ埋込み方法と充填率100%のクッキーについて食体験の評価を比較します。

4．型成形とスタンプによる方法

食品3Dプリンタはタグを精密に作れます。しかし対応材料が限られます。家庭の台所にも普及していません。そこで通常の調理法に着想を得た型成形とスタンプを開発しました。食品3Dプリンタを必要とせず一般的な調理技能で利用できます。ノズルからの押出に依存しないため対応材料が広がります（図14）。家庭で料理をする参加者のワークショップで作製を試して誤り率を調べました。

図14．型成形とスタンプの概要を示します。aとbは3Dプリントした道具です。cとdは埋込み工程です。eとfは通常時と背面照明時の見え方です。gは画像処理で取り出したタグです。

4.1．作業の流れ

認識には3Dプリントの方法と同じ装置を使えます。

4.1.1．型成形

型に材料を詰める成形は食品産業や日常の調理で広く使われます。HFIでも計算によって食感を制御するために使われています（Lee et al., 2019, 2017; Zoran and Cohen, 2018）。

3Dプリントした型で食品内部にタグを埋め込みます。型はセル状の穴がある基部と各穴に合う突起を持つ押出部から構成します。通常の3Dプリンタで作製できます。3.4.1節と3.4.2節の方法に対応します。例えば複数材料の場合は0のセルに通常の生地を入れます。1のセルには黒い生地などを入れます。押出部でタグ構造を位置決めして食品に移します。最後に上層で覆います（図14上段）。

流し込める材料や押し込める材料を使用できます。このため硬い材料や粒子の大きい材料にも対応できます。一方で材料量の精密な制御が難しく充填率を自動調整できません。一つのタグには空隙か複数材料のどちらかを使います。両者を組み合わせることはできません。

4.1.2．スタンプ

食品表面に食用インクで模様を描く方法は日常の調理でも使われます。アイシングクッキーへの細かな模様の転写などがあります（Kaminski, 2019）。

これに着想を得て食品の内側になる面へ情報を転写します。セルの配置を示すガイドを持つスタンプを3Dプリントします。1に対応するセルに黒い食用インクを塗ります。対象の面に押し当てて転写します。最後に上層で覆って隠します（図14下段）。

インクを転写できる材料であれば硬さや粒子径によらず利用できます。3Dプリントに不向きな食品にも適用できます。一方で内部構造を操作しないため充填率は制御できません。

4.2．評価

4.2.1．タグの検出

型成形とスタンプで情報を埋め込んだ試料を作りました。通常の3Dプリンタ（Ultimaker S3）でプラスチック製の型とスタンプを作製しました。各セルは3.6 mmです。一辺に13セルを設けました。道具全体の寸法は55.2 mmです。

小麦粉・砂糖・卵黄・バターを1.0:0.5:0.2:0.5で混ぜました。この生地は硬いため経験的に食品3Dプリンタには不向きです。厚さ5 mmに延ばしてタグを埋め込みました。別の生地を厚さ1 mmで重ねて隠しました。オーブンで20分焼きました。

照明のない状態ではタグは肉眼で見えませんでした。背面から照らすと現れました（図14eとf）。上にカメラを置いて下から照らしました。ガウシアンぼかし・CLAHE・二値化を適用しました。市販のQRQRで読み取れることを確認しました（図14g）。

4.2.2．タグの隠しやすさ

厚さ1 mmの上層で通常照明下のタグを隠せました。上層が薄すぎると照らさなくてもわずかに見えました。そこでタグと照明の色の組合せを調べました。通常時の表面コントラストを抑えながら照明時の読取りを保つためです。クッキーでは赤いタグと緑色の照明を組み合わせると両立できました（図15）。

図15．aでは赤い食用インクで埋め込んだタグを示します。通常時には見えません。bの赤色照明でも見えません。cの緑色照明で現れます。

4.3．小規模ワークショップ：埋込みと読取りの安定性

技術に詳しくない作り手でも情報入りの食品を作れるかを評価しました。埋め込んだ情報を安定して読み取れるかも調べました。

4.3.1．実施方法

家庭で料理をする3名が参加しました。型成形とスタンプのそれぞれでクッキーを3個ずつ作ってもらいました。最初に作製手順を実演しました。その後は各自のペースで作業しました。条件をそろえるために進行役が材料と生地を準備しました。焼成と冷却も担当しました。

4.2.1節の手順で通常の生地と黒い生地を準備しました。対象タグにはArUcoマーカを用いました（図16a）。

図16．aは埋め込むタグです。bは焼成後も構造が保たれた成功例を背面照明で示します。cは変形や混合によって認識できなくなったと考えられる失敗例です。

4.3.2．読取り結果

図17に作業風景を示します。表1に読取り結果を示します。3.5節の画像処理によって約67%のタグを認識できました。参加者Aは両手法の全試料で成功しました。成功例では焼成後も構造が保たれていました（図16b）。

参加者BとCでは初期の試行で失敗が見られました。模様が変形したり不明瞭になったりしました（図16c）。Bの試料では成形時の意図しない変形によってセルがゆがんだりぼけたりしたと考えられます。Cの最初の試料では通常の生地と着色した生地が混ざりすぎて認識できませんでした。

1〜2個を作ると参加者は自信が増して結果が改善したと報告しました。最後の試料は全員が読取りに成功しました。参加者は3名に限られます。しかし初期試行後に一貫した改善が見られたことから最小限の説明で基本技能を習得できる可能性があります。今後は参加者数を増やして検討します。

図17．ワークショップ中の作業風景を示します。

表1．ワークショップの読取り結果を示します。

方法	参加者	試料1	試料2	試料3
型成形	A	成功	成功	成功
型成形	B	失敗	失敗	成功
型成形	C	失敗	成功	成功
スタンプ	A	成功	成功	成功
スタンプ	B	失敗	失敗	成功
スタンプ	C	失敗	成功	成功

5．考察と制約

クッキー以外の材料への適用

主にクッキー生地を用いました。ひき肉など押出可能な材料にも適用できます（図18）。押出できない材料には3Dプリントだけでは対応できません。型成形とスタンプによって対応範囲を広げました。ただし型に詰められることやインクを転写できることが依然として必要です。今後はレーザ加工で模様を切り出したり表面を焦がしたりする方法も検討します（Narumi et al., 2010; Fukuchi et al., 2012; Blutinger et al., 2021）。さらに幅広い食品へ情報を埋め込める可能性があります。

図18．タグを埋め込んだ肉を示します。aはプリント中の様子です。bは背面照明時の画像です。cは画像処理結果です。

情報容量

食品3Dプリントでは大きなタグにすると造形時間が延びます。その間に材料特性が変わって外殻が崩れるため情報量に制約があります。型成形とスタンプは積層しないため速く作れます。より大きなタグにも対応できる可能性があります。

現状の最小モジュールは3 mm角です。バージョン1のQRコードは21×21モジュールなので少なくとも63 mm角が必要です。主な要因は材料の光透過特性であり三つの作製方法に共通します。小型化にはタグと周囲の透過スペクトルの差が大きい材料が必要です。例えば透明なゼリーに紫外線で蛍光を発するキニーネを埋め込む方法が考えられます。透明材料は光を通しやすいため小型化に役立つ可能性があります。

背面照明の見え方

可視光と不可視光の両方に対応します。現状では空隙を持つタグで最も良好に機能します。複数材料の場合は通常は可視光を要します。このため動作中にタグが利用者にもわずかに見えます。今後は赤外線などで透過率の差が得られる材料の組合せを検討します。照明と撮影を高速に同期させると知覚しにくい短時間だけタグを露出できる可能性もあります（Miyatake et al., 2023）。文章や二進パターンなど自然に見える情報の埋込みも考えられます。

6．結論

3Dプリント・型成形・スタンプによって食品内部に食用タグを埋め込む方法を提案しました。3Dプリントでの情報埋込みの処理を示しました。型成形とスタンプを加えて対応材料を広げました。検出可能性・隠しやすさ・材料の適用範囲・読取りの安定性を評価しました。幅広い食品に適用できることと市販ツールで読み取れることを示しました。食品への情報埋込みを改善するための制約と今後の課題も述べました。

謝辞

本研究はJSPS科研費（23K11198・22H01447・JP20H05958）の支援を一部受けました。JSTさきがけ（JPMJPR19J2）とJST ACT-X（JPMJAX24CQ・JPMJAX20AK）の支援も受けました。

参考文献

書誌情報は原文の言語で掲載しています。

Ahmed, I., Lin, H., Zou, L., Li, Z., Brody, A. L., Qazi, I. M., et al. (2018). An overview of smart packaging technologies for monitoring safety and quality of meat and meat products. Packaging Technology and Science 31, 449–471. doi:10.1002/pts.2380

Almeida, M., Torrance, K., and Datta, A. (2006). Measurement of optical properties of foods in near- and mid-infrared radiation. International Journal of Food Properties 9, 651–664. doi:10.1080/10942910600853667

Blutinger, J. D., Tsai, A., Storvick, E., Seymour, G., Liu, E., Samarelli, N., et al. (2021). Precision cooking for printed foods via multiwavelength lasers. Npj Sci. Food 5, 24

[Dataset] Densowave (2019). Micro qr code. https://www.qrcode.com/en/codes/microqr. html

Dogan, M. D., Faruqi, F., Churchill, A. D., Friedman, K., Cheng, L., Subramanian, S., et al. (2020). G-id: Identifying 3d prints using slicing parameters. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), 1–13

Dogan, M. D., Garcia-Martin, R., Haertel, P. W., O’Keefe, J. J., Taka, A., Aurora, A., et al. (2023). BrightMarker: 3D printed fluorescent markers for object tracking. In Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: ACM), no. Article 55 in UIST ’23, 1–13

Dogan, M. D., Taka, A., Zhu, Y., Kumar, A., Gupta, A., and Mueller, S. (2022). Infraredtags: Embedding invisible ar markers and barcodes using low-cost, infrared-based 3d printing and imaging tools. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), 1–13

Fujiwara, M., Moriya, K., Sasaki, W., Fujimoto, M., Arakawa, Y., and Yasumoto, K. (2018). A smart fridge for efficient foodstuff management with weight sensor and voice interface. In Proceedings of the 47th International Conference on Parallel Processing Companion (New York, NY, USA: Association for Computing Machinery), ICPP ’18. doi:10.1145/3229710.3229727

Fukuchi, K., Jo, K., Tomiyama, A., and Takao, S. (2012). Laser cooking: A novel culinary technique for dry heating using a laser cutter and vision technology. In Proceedings of the ACM Multimedia 2012 Workshop on Multimedia for Cooking and Eating Activities (New York, NY, USA: Association for Computing Machinery), CEA ’12, 55–58. doi:10.1145/2390776.2390788

Gayler, T., Sas, C., and Kalnikaitundefined, V. (2022). Exploring the design space for human-food- technology interaction: An approach from the lens of eating experiences. ACM Trans. Comput.-Hum. Interact. 29. doi:10.1145/3484439

Getschmann, C. and Echtler, F. (2021). Seedmarkers: Embeddable markers for physical objects. In Proceedings of the Fifteenth International Conference on Tangible, Embedded, and Embodied Interaction (New York, NY, USA: Association for Computing Machinery), TEI ’21. doi:10.1145/3430524.3440645

Heller, F. (2021). Muffidgets: Detecting and identifying edible pastry tangibles on capacitive touchscreens. In Proceedings of the Fifteenth International Conference on Tangible, Embedded, and Embodied Interaction (New York, NY, USA: Association for Computing Machinery), TEI ’21. doi:10.1145/3430524.3442449

Henze, N., Olsson, T., Schneegass, S., Shirazi, A. S., and Väänänen-Vainio-Mattila, K. (2015). Augmenting food with information. In Proceedings of the 14th International Conference on Mobile and Ubiquitous Multimedia (New York, NY, USA: ACM). doi:10.1145/2836041.2836068

Ishii, A. (2024). Food printing with electrolysis bubbles for texture control. In Extended Abstracts of the CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), CHI EA ’24. doi:10.1145/3613905.3650917

Ishii, A., Ikematsu, K., and Siio, I. (2020). Electrolysis ion display on wet surfaces. In Adjunct Publication of the 33rd Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: Association for Computing Machinery), UIST ’20 Adjunct, 19–21. doi:10.1145/3379350.3416172

Jiang, W., Wang, C., Sarsenbayeva, Z., Irlitti, A., Wei, J., Knibbe, J., et al. (2023). InfoPrint: Embedding interactive information in 3D prints using low-cost readily-available printers and materials. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 7, 1–29

[Dataset] Juchem Food Ingredients GmbH (2011). Qkies. https://qkies.de/

Jung, G., Zarzycki, A., and Lee, J.-H. (2017). Mom’s tray: Real-time dietary monitoring system. In SIGGRAPH Asia 2017 Mobile Graphics & Interactive Applications (New York, NY, USA: Association for Computing Machinery), SA ’17. doi:10.1145/3132787.3139196

[Dataset] Kaminski, L. (2019). This is the easiest way to decorate royal icing cookies. https: //www.tasteofhome.com/article/stamp-decoration-royal-icing-cookies/. Accessed: 2024-12-27

Khot, R. A., Aggarwal, D., Pennings, R., Hjorth, L., and Mueller, F. F. (2017). Edipulse: Investigating a playful approach to self-monitoring through 3d printed chocolate treats. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), CHI ’17, 6593–6607. doi:10.1145/3025453.3025980

Kubo, Y., Eguchi, K., and Aoki, R. (2020). 3d-printed object identification method using inner structure patterns configured by slicer software. In Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), CHI EA ’20, 1–7. doi:10.1145/3334480.3382847

Lee, B., Hong, J., Surh, J., and Saakes, D. (2017). Ori-mandu: Korean dumpling into whatever shape you want. In Proceedings of the 2017 Conference on Designing Interactive Systems (New York, NY, USA: Association for Computing Machinery), DIS ’17, 929–941. doi:10.1145/3064663.3064790

Lee, Y., Yim, J. B., Kang, D., Yi, H., and Saakes, D. (2019). Designing internal structure of chocolate and its effect on food texture. In Companion Publication of the 2019 on Designing Interactive Systems Conference 2019 Companion (New York, NY, USA: Association for Computing Machinery), DIS ’19 Companion, 231–235. doi:10.1145/3301019.3323896

Leem, J. W., Kim, M. S., Choi, S. H., Kim, S.-R., Kim, S.-W., Song, Y. M., et al. (2020). Edible unclonable functions. Nature Communications 11, 328. doi:10.1038/s41467-019-14066-5

Li, D., Nair, A. S., Nayar, S. K., and Zheng, C. (2017). Aircode: Unobtrusive physical tags for digital fabrication. In Proceedings of the 30th Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: Association for Computing Machinery), UIST ’17, 449–460. doi:10.1145/3126594.3126635

Lin, Y.-J., Punpongsanon, P., Wen, X., Iwai, D., Sato, K., Obrist, M., et al. (2020). Foodfab: Creating food perception illusions using food 3d printing. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: Association for Computing Machinery), CHI ’20, 1–13. doi:10.1145/3313831.3376421

Ma, Z., Zhou, H., and Zhang, W. (2023). AnisoTag: 3D printed tag on 2D surface via reflection anisotropy. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (New York, NY, USA: ACM), vol. 14 of CHI ’23, 1–15

Maia, H. T., Li, D., Yang, Y., and Zheng, C. (2019). Layercode: Optical barcodes for 3d printed shapes. ACM Trans. Graph. 38. doi:10.1145/3306346.3322960

Miyatake, M., Narumi, K., Sekiya, Y., and Kawahara, Y. (2021). Flower Jelly Printer: Slit Injection Printing for Parametrically Designed Flower Jelly (New York, NY, USA: Association for Computing Machinery)

Miyatake, M., Watanabe, A., and Kawahara, Y. (2020). Interactive cake decoration with whipped cream. In Proceedings of the 12th Workshop on Multimedia for Cooking and Eating Activities (New York, NY, USA: ACM). doi:10.1145/3379175.3391711

Miyatake, Y., Hiraki, T., Iwai, D., and Sato, K. (2023). HaptoMapping: Visuo-haptic augmented reality by embedding user-imperceptible tactile display control signals in a projected image. IEEE Trans. Vis. Comput. Graph. 29, 2005–2019. doi:10.1109/TVCG.2021.3136214

Miyatake, Y., Punpongsanon, P., Iwai, D., and Sato, K. (2022). interiqr: Unobtrusive edible tags using food 3D printing. In Proceedings of the 35th Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: ACM), 1–11. doi:10.1145/3526113.3545669

Mizrahi, M., Golan, A., Mizrahi, A. B., Gruber, R., Lachnise, A. Z., and Zoran, A. (2016). Digital gastronomy: Methods & recipes for hybrid cooking. In Proceedings of the 29th Annual Symposium on User Interface Software and Technology (New York, NY, USA: ACM). doi:10.1145/2984511.2984528

Mouritsen, O., Styrbæk, K., and Johansen, M. (2017). Mouthfeel: How Texture Makes Taste. Arts and Traditions of the Table: Perspectives on Culinary History (Columbia University Press)

Narumi, T., Kajinami, T., Tanikawa, T., and Hirose, M. (2010). Meta cookie. In ACM SIGGRAPH 2010 Emerging Technologies (New York, NY, USA: Association for Computing Machinery), SIGGRAPH ’10. doi:10.1145/1836821.1836839

Nayar, S. K., Krishnan, G., Grossberg, M. D., and Raskar, R. (2006). Fast separation of direct and global components of a scene using high frequency illumination. ACM Trans. Graph. 25, 935–944. doi:10.1145/1141911.1141977

Nishihara, Y. and Kakehi, Y. (2021). Magashi: Fabrication of shape-changing edible structures by extrusion- based printing and baking. In Creativity and Cognition (New York, NY, USA: Association for Computing Machinery), C&C ’21. doi:10.1145/3450741.3465388

Peng, H., Liu, P., Lu, L., Sharf, A., Liu, L., Lischinski, D., et al. (2020). Fabricable unobtrusive 3d-qr-codes with directional light. Computer Graphics Forum 39, 15–27. doi:https://doi.org/10.1111/cgf.14065

Punpongsanon, P. and Ishizuka, H. (2021). Edisensor: Facilitating food electricity for eating habits analysis. In 2021 IEEE 3rd Global Conference on Life Sciences and Technologies (LifeTech). 104–105. doi:10.1109/LifeTech52111.2021.9391948

Punpongsanon, P., Miyatake, Y., Iwai, D., and Sato, K. (2022). Demonstration of interiqr: Unobtrusive edible tags using food 3D printing. In Adjunct Proceedings of the 35th Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: ACM), no. Article 108 in UIST ’22 Adjunct, 1–3

Schoning, J., Rogers, Y., and Kruger, A. (2012). Digitally enhanced food. IEEE Pervasive Computing 11, 4–6. doi:10.1109/MPRV.2012.40

Sharova, A. S., Melloni, F., Lanzani, G., Bettinger, C. J., and Caironi, M. (2021). Edible electronics: The vision and the challenge. Advanced Materials Technologies 6, 2000757. doi:10.1002/admt.202000757

Spielberg, A., Sample, A., Hudson, S. E., Mankoff, J., and McCann, J. (2016). Rapid: A framework for fabricating low-latency interactive objects with rfid tags (New York, NY, USA: Association for Computing Machinery), CHI ’16, 5897–5908. doi:10.1145/2858036.2858243

Tao, Y., Do, Y., Yang, H., Lee, Y.-C., Wang, G., Mondoa, C., et al. (2019). Morphlour: Personalized flour-based morphing food induced by dehydration or hydration method. In Proceedings of the 32nd Annual ACM Symposium on User Interface Software and Technology (New York, NY, USA: Association for Computing Machinery), UIST ’19, 329–340. doi:10.1145/3332165.3347949

Uji, T., Zhang, Y., and Oku, H. (2017). Edible retroreflector. In Proceedings of the 23rd ACM Symposium on Virtual Reality Software and Technology (New York, NY, USA: Association for Computing Machinery), VRST ’17. doi:10.1145/3139131.3139148

Wang, W., Yao, L., Zhang, T., Cheng, C.-Y., Levine, D., and Ishii, H. (2017). Transformative appetite: Shape-changing food transforms from 2d to 3d by water interaction through cooking (New York, NY, USA: Association for Computing Machinery), CHI ’17, 6123–6132. doi:10.1145/3025453.3026019

Xie, L., Yin, Y., Lu, X., Sheng, B., and Lu, S. (2013). Ifridge: An intelligent fridge for food management based on rfid technology. In Proceedings of the 2013 ACM Conference on Pervasive and Ubiquitous Computing Adjunct Publication (New York, NY, USA: Association for Computing Machinery), UbiComp ’13 Adjunct, 291–294. doi:10.1145/2494091.2494181

Yamamoto, T., Amesaka, T., Withana, A., and Sugiura, Y. (2025). ShadoCookies: Creating user viewpoint- dependent information displays on edible cookies. Comput. Graph. 127, 104158. doi:10.1016/j.cag.2024.104158

Yamamoto, T., Fernando, B., Amesaka, T., Withana, A., and Sugiura, Y. (2024). Creating viewpoint- dependent display on edible cookies. In Proceedings of the Augmented Humans International Conference 2024 (New York, NY, USA: ACM), 286–289

Zoran, A. (2019). Cooking with computers: The vision of digital gastronomy [point of view]. Proceedings of the IEEE 107, 1467–1473. doi:10.1109/JPROC.2019.2925262

Zoran, A. and Cohen, D. (2018). Digital Konditorei: Programmable Taste Structures Using a Modular Mold (New York, NY, USA: Association for Computing Machinery). 1–9

HaptoMapping：投影画像に知覚できない触覚制御信号を埋め込む視触覚拡張現実

Wed, 16 Sep 2026 00:00:00 +0000

概要

HaptoMappingという投影型の視触覚拡張現実（Visuo-Haptic Augmented Reality：VHAR）システムを提案します。視覚情報と触覚情報を独立に生成します。実物の表面で両感覚を整合させて提示します。画素単位の可視光通信を用いて投影画像に制御信号を埋め込みます。この信号を利用者は知覚できません。この信号で装着型の触覚ディスプレイを制御します。

試作機は高速プロジェクタと指装着型・スタイラス型・腕装着型の触覚デバイスから構成します。指装着型とスタイラス型は指先に振動を提示します。腕装着型は並べたアクチュエータと手の映像の投影を同期させて前腕を撫でる感覚を提示します。原文の概要では視覚に対する触覚の最大遅延を93.4 msと報告しています。遅延知覚の実験では指装着型・スタイラス型・腕装着型の許容閾値をそれぞれ100 msと159 msと500 msとしました。

腕装着型の別の実験では基板間隔が20 mmでも連続感と快適さを保てました。触覚のみの提示に比べて手の映像を加えると80 mm/sと150 mm/sで両者が改善したと原文は述べています。最後に日常場面での四つの応用を示します。遅延や位置ずれへの懸念を減らして幅広いVHARを設計する方法を提示します。

1．はじめに

触覚は表面の素材特性を捉えたり人同士で感情を伝えたりするために重要です。表面を触ると粗さや硬さなどを区別できます。撫でる・握る・軽く叩くといった社会的接触で愛情や喜びや悲しみなどを伝えられます［1］。これらの触覚を提示することはARの現実感と没入感を高めます［2］。視覚情報と触覚情報を組み合わせるVHARが研究されています［3–7］。

テクスチャ提示では据置型触覚デバイスと視覚ディスプレイを組み合わせて仮想画像に触覚を与えます［3, 4, 8, 9］。ただしディスプレイが視野を覆います。触覚機能を平面ディスプレイに組み込む方法なら視野を覆わず時空間的な整合を保てます［10, 11］。一方で作業面が平面に限られます。

投影光で制御する装着型触覚ディスプレイは非平面にも触覚を提示できます［12, 13］。外部追跡を必要としないため視触覚の時空間的な整合を高められます。しかし既存手法では明るい部分でだけ振動するなど視覚と触覚が強く結び付いています。設計者が個別に内容を決められません。高い整合性と独立した設計を両立するテクスチャ用VHARはありませんでした。社会的接触のデバイスも従来は触覚の提示に集中していました［14–16］。

HaptoMappingは画素単位可視光通信（Pixel-level Visible Light Communication：PVLC）［17］を使います。高速な二値画像投影によって自然な画像表示と各画素へのデータ埋込みを両立します。触覚デバイスが光センサで信号を受けて振動を提示します。投影光から直接受信するため遅延を短くできます。投影に適した面なら形状を選びません。個別のヘッドマウントディスプレイが不要で複数人が同じ視覚表示を共有できます。スピーカなどを追加して制御信号を増やせば他の感覚にも拡張できます。

試作機にはPVLC投影系と3種類の触覚デバイスを用いました。原文の導入では静止画時に最大24 bitで動画時に最大8 bitの信号を埋め込めると述べています。3.2.1節の静止画仕様では最大32 bitと記載されています。指装着型とスタイラス型は単一アクチュエータで単純な手掛かりや複雑な質感を提示します。腕装着型は複数のアクチュエータと同期した手の投影で撫でる感覚を作ります。

最大遅延を測定しました。さらに視触覚の知覚を調べる実験基盤として利用しました。3種類のデバイスで視触覚の時間的なずれを許容できるかを調べました。腕装着型では撫でる感覚の連続感と快適さも評価しました。視覚情報の効果と最適な構成を調べて日常場面の応用例を示しました。

本論文では次の点を示します。

既存の指装着型に加えてテクスチャ用のスタイラス型と社会的接触用の腕装着型を開発しました。
静止画に加えて動画を投影できるようPVLC投影系を拡張しました。
各デバイスの遅延知覚を評価しました。腕装着型では撫でる感覚の連続感と快適さも調べました。
質感設計支援・視触聴覚地図・対話的な図鑑・遠隔接触の四つの応用を開発しました。

先行発表［18, 19］からの変更を2.4節で説明します。

2．関連研究

テクスチャと社会的接触のための触覚デバイスを概観します。VHARとPVLCの原理を説明します。撫でる感覚への視覚情報の効果と遅延知覚も扱います。

2.1．VHARの触覚デバイス

初期の方法ではPHANToMなどの据置型触覚ディスプレイを使います［20］。ハーフミラー［3, 8］やヘッドマウントディスプレイ［4, 9］と組み合わせて仮想画像に触覚を提示します。視野が覆われることと操作可能な範囲が狭いことが主な制約です。

平面ディスプレイへ触覚機能を統合すると視野を覆わず視触覚の整合を保てます［10, 11］。同じ画面で複数人が体験できます。ただし平面での利用に限られます。

指装着型［21］やスタイラス［22, 23］やアームバンド［24, 25］は広い作業範囲で使えます。仮想物体［26, 27］や実物を拡張した操作面［28, 29］にも対応します。ただし外部追跡に依存すると知覚できる時空間的な誤差が生じます。

投影光で装着型デバイスを制御する方法もあります。HALUX［12］は照度で振動を切り替えます。光が当たると振動します。しかし投影は制御専用で観察者向けの視覚内容は表示しません。SenseableRays［13］は構造化光を圧電アクチュエータの振動へ変換します。受光信号を増幅して直接駆動します。追跡が不要なため小型化と遅延削減が可能です。一方で投影と振動を直接対応させるため視覚と触覚を独立には設計できません。

本研究ではPVLCで画像表示と制御を行います。独立した設計と整合した提示を両立します。

2.1.1．PVLC

PVLCは高速投影の時間的な点滅を変調する無線通信です［17］。各画素に人には知覚できないデジタル信号を埋め込みます（図1）。

DLPプロジェクタは微小鏡の配列（DMD）の傾きを制御します。入射光を黒色吸収体か投影レンズへ反射します。各鏡が1画素に対応します。DMDの状態を高速に切り替えて二値画像を投影します。人は速い点滅の輝度を時間的に積分して知覚します［30］。目的の輝度になるよう二値画像を連続表示します。

積分輝度は鏡の切替順序に依存しません。この性質を使って画像を見せながら受光位置ごとに異なる二進符号を送れます。まずデータを表す点滅画像を投影します。次にその輝度の影響を補償する画像を投影します。50 Hzを超える周期で実行すると人には目的の画像が見えます。その下のデバイスには画素ごとの信号が届きます。群ロボットの制御などにも使われています［31］。同じ画素に画像と情報を持たせるため原理的に両者の位置ずれがありません。その対応を合わせる幾何校正も不要です。

図1．PVLCでは同期・データ・画像の三つの区間の二値画像を高速投影します。データ区間の点滅をフォトダイオードで復号します。人は点滅を積分して知覚するため画像区間で輝度を補償すると自然な画像に見えます。

2.2．撫でる感覚を伝える社会的接触デバイス

媒介された社会的接触は通信を介して感情を伴う触れ合いを再現します。抱擁・握手・くすぐり・撫でる動作が研究されています［32–36］。撫でる動作は一般的で有効な接触です［37］。皮膚上を横に動く刺激で提示する方法があります［36, 38］。ただし実際の移動距離に制約があります。近年は前腕に複数のアクチュエータを離して並べて長い移動感を作る方法が注目されています。

Culbertson et al.［14］は前腕上のボイスコイルで順に圧力を加えました。駆動時間を長くして各コイル間の遅延を短くすると連続感と快適さが高まりました。Nunez et al.［15］は回転モータで皮膚を横にずらしました。接触間隔が広くても両者を保てました。Israr et al.［16］は一直線の振動ボイスコイルを使いました。比較的低い周波数と振幅で快適さが増しました。

これらは触覚だけを評価しています。視覚との組合せで軟らかさ［39］や形状［40］や抵抗力［41］や物体の存在感［42］が変わることは知られています。そこで同期した視覚情報が撫でる感覚の連続感と快適さへ与える影響を調べます。

2.3．視覚に対する触覚遅延の知覚

VHARの設計では視触覚を整合させるために遅延知覚の閾値が必要です。Miyasato et al.［43］は視触覚遠隔会議で約100 msの閾値を示しました。Silva et al.［44］はゲームで約100 msと報告しました。

これらは視覚と触覚を空間的に重ねない仮想現実系の評価です。重畳したVHARでの整合性の指針はありませんでした。本研究では試作機で両刺激を空間的に重ねて時間遅延を評価します。

2.4．既発表システムからの拡張

先行発表［18］では指装着型とPVLCの基本概念を示しました。静止画投影で26 bitの固定信号を埋め込みました。遅延と指装着型での遅延知覚を調べました。続く発表［19］では三つの応用を示しました。

本論文ではテクスチャ用のスタイラス型と社会的接触用の腕装着型を追加します。PVLCの動画モードと可変データ長を実装します。構成変更時の最大遅延を測ります。新しいデバイスの遅延知覚と腕装着型の連続感と快適さを評価します。遠隔接触の応用によって個人用の視触覚系から対人通信へ拡張します。

3．HaptoMapping

3.1．原理

視覚と触覚を独立に生成して平面に限らず実物上で両者を整合させて提示します（図2）。PVLCで画素ごとの点滅に制御信号を埋め込みます。触覚デバイスが直接受信するため時間的な整合を保てます。画素単位の制御信号をフォトダイオードで受けるため空間的な整合も保てます。

3.1.1．投影系

高速DLPプロジェクタと投影面から構成します。各PVLCフレームを同期区間・データ区間・画像区間に分けます。

同期区間は一様な白と黒の二値画像で信号開始を知らせます。データ区間で振動パターンIDやオン・オフを送信します。プロジェクタのx座標とy座標や遅延値なども送れます。画像区間は観察者向けのフルカラー画像を表します。前の二区間による輝度の変化を補償します。結果として利用者には目標画像が見えます。デバイスには制御信号が届きます。

同期区間の時間はT_sync=t_sync×N_syncです。データ区間はT_data=t_data×N_dataです。tは各二値画像の投影時間でNは画像枚数です。画像区間の時間T_imageは目標更新周波数f_PVLCから決まります。

1/f_PVLC = T_sync + T_data + T_image　（1）

3.1.2．PVLCで制御する触覚デバイス

受信回路・マイクロコントローラ・音声モジュール・振動アクチュエータ・電池から構成します。振動波形はWAVEなどの音声形式で扱えます。音声モジュールを保存と再生の両方に使います。

フォトダイオードが投影光を受けます。増幅器と比較器で二値信号にします。マイクロコントローラが同期信号を検出して制御信号を読み取ります。単一周波数の振動は直接駆動します。複数周波数を含む質感の波形は音声モジュールを介して再生します。質感波形は事前にWAVEファイルとして保存します（図2）。

図2．左は前処理を示します。aでは視覚画像と制御信号マップからPVLC用の二値画像を作ります。bではIDを付けた振動波形を音声モジュールへ保存します。右では投影面に触れたデバイスが点滅を受信します。マイクロコントローラが復号して対応する振動を再生します。

遅延T_lateを制御信号のある領域にデバイスが入ってから振動が始まるまでと定義します［45］。

T_late = T_wait + T_recv + T_vib + τ　（2）

T_waitは次の同期開始までの待ち時間です。0から1フレーム時間まで変わります。T_recvは同期とデータの受信時間でT_sync+T_dataです。T_vibは駆動指令から振動開始までです。直接駆動では機械特性によって決まります。音声モジュールを使う場合はその処理時間も加わります。τはマイクロコントローラの処理時間です。他の時間より3桁小さいため本論文の計算では無視します。

3.2．実装

投影系と触覚デバイスを試作しました。投影画像と振動波形の前処理も実装しました。

3.2.1．投影系

Texas Instruments DLP LightCrafter 4500を使いました。PCから受けた二値画像を指定周期で表示します。開発キットのソフトウェアで時間を制御します。t_sync=t_data=0.235 msとしました。f_PVLC=50 Hzとしました。

同期区間には白黒を組み合わせた10枚を投影します。T_sync=2.35 msです。データは1 bitにつき1枚なのでT_data=0.235×N_data msです。画像区間には各色5 bitのRGB画像として15枚を用います。時間は式（1）から求めます。

同期用の黒画像は白画像を反転して作れます。同じ画像を繰り返し使えるため保存する同期画像は1枚で足ります。表1の同期枚数は保存する画像の数です。実際には10枚分を投影します。

動画モードでは1フレームにつき最大24枚をPCから送れます。同期用1枚と画像用15枚を除くとデータ用に8枚を使えます。視覚表現を変えられますが触覚データ長に制約があります。

静止画モードでは48枚まで事前保存できます。動作中に更新できませんがデータ用に最大32枚を使えます。手の速度に応じた触覚など豊富な信号を扱えます。用途に応じて二つのモードを使い分けます。

表1．各モードで用意する二値画像の枚数を示します。

モード	同期	データ	画像	合計
動画	1	1〜8	15	17〜24
静止画	1	1〜32	15	17〜48

3.2.2．触覚デバイス

3種類は共通の制御方式を使います（図3）。指装着型は爪を通じて指先へ振動を伝えます。スタイラス型は指腹へ振動を伝えます。腕装着型は前腕を撫でる感覚を作ります。

指装着型では受信回路とアクチュエータを指先に置きます。制御部・音声モジュール・電池を手首の120 cm³の箱に入れます。フォトダイオードを指先の前方に付けます。下部のクリップで固定します。爪の振動は指先へ伝わり指腹からの振動のように感じられます［46］。指腹で表面に直接触れられる構造です。

スタイラス型では長さ140 mmで最大径20 mmの筒に受信回路とアクチュエータを入れます。制御部などを120 cm³の箱に収めます。先端にフォトダイオードを置きます。握る位置の内側にアクチュエータを置いて本体を通じて振動を伝えます。ペン型のデータ駆動触覚レンダリング［47–51］にも適合します。記録済みの波形から各種の質感を合成できます。

腕装着型では一列に並べたアクチュエータを順に動かします。白いゴム板の投影面・6枚の基板・電池箱から構成します。各基板に受信回路・マイクロコントローラ・アクチュエータを載せます。個別に制御信号を受けます。バックルで前腕に固定します。

触覚の仮現運動［52］によって離れた刺激から連続した移動を感じさせます。従来の社会的接触デバイス［14–16, 53–55］は視覚情報を同期していませんでした。本機は投影する手に制御信号を埋め込みます。視覚の重畳によって連続感と快適さが高まると考えました。垂直画面の上半身映像から水平面へ腕の映像を延ばす遠隔通信［56, 57］への応用も想定します。

図3．Aは指装着型の外観と手首側と指先側です。Bはスタイラス型の外観と先端センサと内部部品です。Cは腕装着型の外観と裏面と各基板です。各基板に光センサ・制御部・アクチュエータを搭載します。

フォトダイオードには浜松ホトニクスS2506-02を使いました。指装着型とスタイラス型の制御部にはSTMicroelectronics Nucleo STM32F303K8を使いました。腕装着型にはNXP LPC1114FDH28/102を使いました。電源はLi-Po電池です。

振動には二つのリニア共振アクチュエータを使いました。Nidec Copal LD14-002は薄く小型です。約150 Hzに共振を持ち周波数が離れると出力が下がります。広帯域の複雑な波形には適しません。単一周波数の直接駆動に用います。ALPS ALPINE HAPTIC Reactorは大きく厚いものの50〜400 Hzで比較的一様な振幅応答を持ちます。DFRobot DFR0534音声モジュールと組み合わせて自然な質感などの複雑な波形を提示します。両者の応答は速いですが後者では音声処理の時間が加わります。

3.2.3．投影画像と振動波形の前処理

二つの入力画像から二値画像を作る変換器を実装しました（図2a）。一つは目標の見た目です。もう一つは各画素の制御信号マップです。まず定めた同期信号に対応する白黒10枚を生成します。次に各bitに対応するデータ画像を作ります。4 bitなら4枚です。各画像の画素値をマップから決めます。最後にRGB各5 bitの15枚を作ります。前二区間の積分輝度と目標輝度の差を求めて補償します。

静止画では最大48枚と各画像の投影時間を保存します。PC接続なしで50 Hz表示できます。動画では設定だけを保存します。OpenGLで作った各フレームを50 HzでHDMIから送ります。

単一周波数はマイクロコントローラで直接生成するため波形の事前準備が不要です。質感提示では音声モジュールへ波形を保存します。画像と振動モデルを持つHaTT［49］やLMTデータベース［58］を用いました。HaTTには100種類の画像とモデルがあります。画像を視覚表示に使います。振動モデルは複数の手の速度で記録した波形から作った自己回帰移動平均（ARMA）モデルです。速度ごとの波形を合成して保存します。IDから選べる参照表をマイクロコントローラに用意します。

4．最大遅延

遅延はアクチュエータとデータ長で変わります。知覚可能性を評価するために最大値を調べました。

式（2）の各項の最悪条件を求めます。同期開始直後にデバイスが入るとT_waitは1フレーム分の20 msになります。32 bitを埋め込むとT_recvは9.8 msになります。音声モジュールとHAPTIC Reactorを使うとT_vibが最大になります。

マイクロコントローラのタイマで指令から振動開始まで測りました。指先側に付けた加速度センサ（Kionix KXR94-2050）で振動開始を検出しました。100回測定しました。T_vibの平均は66.5 msで標準偏差は0.6 msでした。合計の最大遅延は96.3 msです（表2）。冒頭の概要の93.4 msとは一致しません。

表2．各時間とその合計による最大遅延を示します。

T_wait	T_recv	T_vib	T_{late max}
20 ms	9.8 ms	66.5 ms	96.3 ms

5．指装着型とスタイラス型の遅延知覚実験

利用者が視覚に対する触覚の遅れを感じるかを調べました。データ長などを増やした場合の許容範囲も調べました。先行研究の指装着型［18］に加えてスタイラス型を評価しました。大阪大学の倫理審査の承認（R3-2）を受けて全員の同意を得ました。

5.1．実験環境

投影系を組み込んだテーブルを使いました（図4）。表示面は0.77×0.48 mです。高さは0.92 mです。赤と緑の帯を交互に投影しました。応答の速いLD14-002を用いました。緑領域に入ると指定時間後に振動を開始します。赤では停止します。

26 bitを埋め込みました。x・y座標に21 bitを使います。オン・オフに1 bitを使います。遅延値に4 bitを使います。座標から手の速度を測ります。この構成で平均遅延は34.6 msでした［18］。マイクロコントローラの待ち時間を加えて34.6 ms以上の指定遅延を実現します。移動領域は182画素です。解像度が0.82 mm/画素なので約150 mmになります。

図4．スタイラス型の遅延知覚実験の様子を示します。赤から緑へ移動して振動の遅れを判断します。

5.2．参加者と方法

22〜25歳の10名が参加しました。男性9名と女性1名です。右利き9名と左利き1名です。7名は6節と7節と先行研究［18］にも参加しました。3名は新規参加者です。利き手でスタイラス中央を自然に握りました。

50〜270 msを20 ms刻みで12条件用意しました。赤から緑へ手を動かしました。先端が緑へ入ったのを見た時点に対して振動が遅れたかを答えました。別の垂直モニタに150 mm/sで動かす参考動画を示して速度をそろえました。12条件を10回繰り返して計120回評価しました。条件順は試行と参加者ごとに無作為化しました。指装着型でも同じ人数と手順を用いました［18］。

5.3．結果と考察

図5に遅れを感じた回答の割合を示します。青が指装着型［18］で緑がスタイラス型です。誤差棒は平均の標準誤差です。次のシグモイド関数を当てはめました。

y = 100 / {1 + exp[−k(x − x₀)]}　（3）

指装着型ではk=0.04とx₀=103を得ました。スタイラス型ではk=0.05とx₀=159でした。50%の確率で遅れを感じる時間を閾値としました。指装着型のT_fingerは約100 msです。スタイラス型のT_stylusは約160 msです。

図5．遅れを感じた回答の割合を示します。青は指装着型で緑はスタイラス型です。誤差棒は標準誤差です。曲線は各データに当てはめたシグモイド関数です。

最大遅延96.3 msは両閾値を下回ります。そのため多くの利用者が遅れを感じない範囲で提示できます。他のアクチュエータや長い信号を使う設計でも閾値を参考にできます。

最大遅延96.3 msのとき指装着型では43%が遅れに気付くと推定されます。スタイラス型では4.6%です。最大遅延は音声モジュールで質感波形を出す場合に生じるため複雑な質感にはスタイラス型が適しています。閾値は指装着型より約60 ms長くなりました。直接触る場合に比べてスタイラスを介すと遅延への感度が下がると考えます。

経験者7名と新規3名の感度をt検定で比較しました。有意差はありませんでした（p>.05）。実験間に数週間を設けました。正解を知らせず遅延を無作為に提示したことも影響すると考えます。これらの結果はVHARの設計指針となります。特にスタイラスでは時間誤差への許容が大きいことを示します。

6．腕装着型の遅延知覚実験

触覚の仮現運動で撫でる感覚を出す場合の遅延知覚を調べました。制御信号の増加などに備えて許容範囲も調べました。大阪大学の承認（R3-2）と全員の同意を得ました。

6.1．実験環境

右腕にデバイスを装着して肘掛けに置きました（図6）。左前方のタブレットで回答しました。複数アクチュエータの音が手掛かりにならないようSony WH-1000XM3を着用しました。天井のPVLCプロジェクタから手の映像を投影しました。動画モードで手首から肘へ動かして撫でているように見せました。

手の画像に遅延値を埋め込みました。手がフォトダイオードに到達すると指定時間を待ってLD14-002を150 Hzで駆動しました。手の動きに沿って離散的な刺激を順に出して仮現運動を生じさせます。手の映像の幅は90 mmで長さは190 mmです。成人男性の平均寸法［59］に合わせました。

図6．腕装着型の遅延知覚実験の様子を示します。投影された手の動きと振動の時間差を評価します。

6.2．参加者と方法

21〜25歳の男性10名が参加しました。右利き9名と左利き1名です。7名は他の実験と共通です。100〜1000 msを100 ms刻みで10条件用意しました。右腕を肘掛けに置いて左手で回答しました。投影した手に対して触覚が遅れたかを尋ねました。手の速度は150 mm/sです。無作為順の10条件を10セット実施しました。1名あたり計100回評価しました。

6.3．結果と考察

図7に回答割合を示します。誤差棒は標準誤差です。式（3）の当てはめでk=0.008とx₀=502を得ました。50%の知覚確率を閾値とするとT_armは約500 msでした。最大遅延96.3 msはこの値を下回ります。視触覚の時間的な整合を保てます。

図7．腕装着型で遅れを感じた回答の割合を示します。

指装着型とスタイラス型より閾値が大きくなりました。課題の違いが影響すると考えます。前の実験では色と線で振動開始位置を明示しました。腕の実験には同じ明確な位置指示がありません。数値を単純には比較できません。ただし能動的な表面探索と受動的な社会的接触という想定用途に基づく設計基準として使えます。

7．撫でる感覚の連続感と快適さの実験

腕装着型で撫でる感覚の連続感と快適さを高める条件を調べました。速度と接触間隔は既存研究でも重要です［14–16］。手の映像が見えるかどうかも条件として設定しました。映像と触覚の同期が与える効果を調べました。大阪大学の承認（R3-2）と全員の同意を得ました。

7.1．実験環境

図6とほぼ同じ装置を使いました。200 mmの投影面上で手を往復させました。振動式の撫でる提示は低周波で低振幅の方が快適になりやすいため［16］50 Hzに設定しました。LD14-002の共振は約150 Hzですが50 Hzでも知覚できる振動を確認しました。

7.2．参加者と方法

21〜25歳の男性10名が参加しました。右利き9名と左利き1名です。7名は他の実験と共通です。事前説明と同意確認を行いました。速度4水準・間隔3水準・可視性2水準を組み合わせた計24条件を用意しました。無作為順で2回ずつ評価しました。計48回です。

連続感を1（離散的）から7（連続的）の7段階で評価しました。快適さを−7（非常に不快）から0（中立）を経て7（非常に快適）の15段階で評価しました。8回ごとにヘッドホンを外して2分休憩できました。

速度は10と80と150と210 mm/sです。先行研究では軽い押圧の最適値が135 mm/sでした［14］。皮膚の横ずれでは連続感が77 mm/sで快適さが55 mm/sでした［15］。振動式での最適速度は未検討でした。

基板間隔を0と10と20 mmにしました（図8）。密にすると振動の間隔が短くなって連続感が増す可能性があります。疎にしても感覚を保てるなら同じ長さを少ない基板で覆えて低コストになります。

手が見える条件では通常どおり体験しました。見えない条件ではアイマスクを着用しました（図9）。

図8．左は基板間隔0 mmの最も密な配置です。右は20 mmの最も疎な配置です。

図9．aでは投影した手が見えます。bではアイマスクで視覚刺激を遮ります。

7.3．結果と考察

7.3.1．分散分析

従属変数を連続感と快適さとしました。独立変数を手の可視性・速度・基板間隔としました。三要因の反復測定分散分析を各従属変数に行いました。主効果や交互作用が有意な場合はBonferroni検定を行いました。Mauchly検定で球面性を調べました。違反がある場合はGreenhouse–Geisser補正を行いました。以下では補正したFとpにアスタリスクを付けます。統計量は原文の値を保持しています。

図10．左は連続感で右は快適さの平均と標準誤差です。各グラフ右側の白抜き記号は基板間隔ごとの平均です。アスタリスクはp<.05を示します。ダガーは.05<p<.1を示します。

7.3.2．連続感

平均が最大の条件は速度80 mm/sと間隔0 mmでした（図10左）。疎な配置でも連続感を保てるかを中立評点4との1標本t検定で調べました。0 mmでは手が見えるかによらず中立より有意に高くなりました（p<.05）。10 mmでは手が見える場合にだけ有意に高くなりました（p<.05）。20 mmでも見える場合に上昇傾向がありました（p<.1）。

可視性の主効果は有意でした（F(1,19)=4.94・p=.035・η²=.019）。間隔も有意でした（F*(1.58,30.1)=6.41・p*=.0078・η²=.031）。速度の主効果は有意ではありませんでした。可視性と速度の交互作用は有意でした（F*(2.25,42.71)=4.80・p*=.011・η²=.023）。可視性と間隔および速度と間隔の交互作用は有意ではありませんでした。

事後比較では150 mm/sで可視性による差がありました（F(1,19)=7.15・p=.015・η²=.075）。210 mm/sでも差がありました（F(1,19)=5.76・p=.027・η²=.060）。80 mm/sでは差の傾向がありました（F(1,19)=3.55・p=.074・η²=.027）。この最後の値は5%水準の有意差ではありません。

7.3.3．快適さ

平均が最大の条件は速度80 mm/sと間隔0 mmでした（図10右）。中立評点0との1標本t検定を行いました。手が見える場合にだけ0 mmと10 mmで有意に高くなりました（p<.05）。20 mmでは上昇傾向がありました（p<.1）。

可視性の主効果は有意でした（F(1,19)=11.22・p=.003・η²=.023）。速度と間隔の主効果は有意ではありませんでした。可視性と速度の交互作用は有意でした（F*(2.09,39.75)=4.54・p*=.0155・η²=.017）。他の二つの交互作用は有意ではありませんでした。

事後比較では80 mm/sで可視性の差がありました（F(1,19)=14.60・p=.001・η²=.074）。150 mm/sでも差がありました（F(1,19)=11.47・p=.003・η²=.074）。10 mm/sと210 mm/sでは有意差がありませんでした。

7.3.4．考察

手が見える条件の80 mm/sと0 mmで両評価が最も高くなりました。80 mm/sは快適な撫で速度の既報範囲内です［60］。原文では10 mmや20 mmの配置でも映像を同期すると連続感と快適さを維持したと解釈しています。ただし20 mmの検定はp<.1である点に注意が必要です。

疎な配置でも感覚を保てる可能性は低コスト化につながります。原文の考察では80 mm/sと150 mm/sで両評価が統計的に改善したと述べています。個別の検定値は7.3.2節と7.3.3節のとおりです。一般的な撫で速度で手の投影を重ねることが連続感の改善に役立つと結論付けています。

8．応用

四つの日常場面向けの応用を開発しました。初めの三つは指装着型またはスタイラス型と静止画モードを使います。最後は腕装着型と動画モードを使います。

8.1．質感設計支援

実物の表面の質感を設計します（図11）。質感画像へIDを埋め込みます。対応する波形を音声モジュールへ保存します。触れた位置に合う波形を選んで指へ提示します。3D曲面への厳密な位置合わせは行いませんでした。2Dホモグラフィでおおよその投影位置を調整しました。

両デバイスに対応します。特にペン型で収録したデータベース［49, 58］にはスタイラス型が適しています。HaTTなどを使う場合は各速度に合う波形も保存します。新製品の質感選びを想定します。投影画像と波形を変えるだけで別の候補を試せます。多数の実物サンプルを広げずに3D表面で質感を確認できます。

図11．aとbではハートとドーム上の複数の質感をスタイラス型と指装着型で触ります。c〜eでは星と顔と貝殻の形状上で質感を視覚と触覚で確認します。

8.2．複数感覚の対話的な地図

地図へ振動と音を加えます（図12）。商業施設の通路形状などを振動で伝えます。店舗名を音で伝えます。視覚障害のある利用者への支援にも可能性があります。手首にスピーカを追加しました。店の領域をなぞると振動して店の説明が流れます。視覚・音・触覚の内容を変更できます。

図12．装着デバイスが地図情報を振動と音で伝えます。追加したスピーカも同じマイクロコントローラで制御します。

8.3．対話的な図鑑

教育用途として動物図鑑を作りました（図13）。見た目に加えて様々な質感に触れられます。平面の本形式では動物の外観と触覚情報を別の場所に示します。多様な動物を扱えます。立体版では3Dプリントした動物に外観と触覚を重ねます。没入感を高められる可能性がありますが動物ごとの実物モデルが必要です。

各デバイスが独立して受信するため複数人が同時に体験できます。動物やその違いを学ぶための感覚的な手掛かりを増やせます。

図13．aは平面で動物の質感を提示する図鑑です。bは3Dプリントしたモデル上に提示する図鑑です。

8.4．遠隔通信で撫でる感覚を伝えるシステム

遠隔地の利用者が投影する手を操作します。受け手は腕装着型を着用してその手を見ます（図14）。手に触れられている感覚を提示します。映像が前腕を撫でると対応するアクチュエータが順に動きます。動きに合う撫で感覚を作ります。日常の遠隔通信への応用を想定します。隔離などで直接会えない人同士が間接的に触れ合う用途も考えられます。

図14．aでは遠隔地の利用者が手の映像を操作します。受け手はその映像を見ます。bでは腕装着型が手の動きに合う撫で感覚を提示します。

9．制約と今後の課題

三つの制約があります。第一に投影に適した実物が必要です。対象がない場合や投影に不向きな場合は応用が限られます。3Dプリンタで対象を作る方法があります。二面コーナーリフレクタアレイ（DCRA）による空中像にPVLCを適用する可能性もあります。実物のない空中像へ触覚を与えられるかもしれません。

第二に触覚デバイスの装着が必要です。軽量でも長時間では負担になり得ます。物体側へ埋め込む方法が考えられます。その場合はアクチュエータの配置と接触位置に応じた波形変更が課題です。超音波［61］や赤外線［42］による非接触提示も考えられます。ただし皮膚上のアクチュエータより刺激が弱いため強度の確保が必要です。どちらも手の精密な追跡と許容範囲までの遅延削減が重要です。

第三にHaTTなどを用いる場合は波形を事前生成する必要があります。既存手法にはオンライン合成が可能なものがあります［47, 48］。デジタル信号処理装置などによる計算能力の強化を検討します。ただし処理能力とデバイス寸法にはトレードオフがあります。必要な波形がデータベースにない場合は現状では手作業で準備します。画像からニューラルネットワークで触覚波形を生成する方法［62］によって負担を減らせる可能性があります。

10．結論

HaptoMappingを提案しました。視覚と触覚を独立に生成しながら時空間的な整合を保つシステムです。試作機と最大遅延を示しました。指装着型・スタイラス型・腕装着型で遅延知覚を評価しました。50%の知覚確率で定義した許容閾値はそれぞれ約100 msと159 msと500 msでした。

腕装着型では撫でる感覚の連続感と快適さも調べました。原文は20 mm間隔でも両者を保ったと結論付けています。80 mm/sと150 mm/sで映像による改善があったと述べています。各検定の値と留保は7節に示しています。得られた値は同様のシステム設計に役立ちます。四つの応用例で幅広い適用可能性を示しました。

謝辞

本研究はJST ACT-X（JPMJAX190O）とJSTさきがけ（JPMJPR19J2）とJSPS科研費（JP15H05925・JP20H05958）の支援を受けました。

参考文献

書誌情報は原文の言語で掲載しています。

[1] C. Jewitt, S. Price, K. Leder Mackley, N. Yiannoutsou, and D. Atkinson, Interdisciplinary Insights for Digital Touch Communication. New York, NY, Springer, 2020.

[2] U. Eck, F. Pankratz, C. Sandor, G. Klinker, and H. Laga, “Precise haptic device co-location for visuo-haptic augmented reality,” IEEE Transactions on Visualization and Computer Graphics (TVCG), vol. 21, no. 12, pp. 1427–1441, 2015.

[3] M. Inami, N. Kawakami, D. Sekiguchi, Y. Yanagida, T. Maeda, and S. Tachi, “Visuo-haptic display using head-mounted projector,” in Proc. IEEE Virtual Reality (VR). IEEE, 2000, pp. 233–240.

[4] C. Sandor, S. Uchiyama, and H. Yamamoto, “Visuo-haptic systems: Half-mirrors considered harmful,” in Proc. WHC ’07, 2007, pp. 292–297.

[5] C. Sandor, T. Kuroki, S. Uchiyama, and H. Yamamoto, “Exploring visuo-haptic mixed reality,” PRMU, Tokyo, Japan, Tech. Rep. 106, 2007.

[6] D. Wang, Y. Zhang, W. Zhou, H. Zhao, and Z. Chen, “Collocation accuracy of visuo-haptic system: metrics and calibration,” IEEE Transactions on Haptics (ToH), vol. 4, no. 4, pp. 321–326, 2011.

[7] F. Cosco, C. Garre, F. Bruno, M. Muzzupappa, and M. A. Otaduy, “Visuo-haptic mixed reality with unobstructed tool-hand integration,” IEEE Transactions on Visualization and Computer Graphics (TVCG), vol. 19, no. 1, pp. 159–172, 2013.

[8] D. Wang, Y. Zhang, and Y. Wang, “Analysis of registration accuracy for collocated haptic-visual display system,” in Proc. IEEE Haptics Symposium (HAPTICS), 2008, pp. 303–310.

[9] M. Harders, G. Bianchi, B. Knoerlein, and G. Székely, “Calibration, registration, and synchronization for high precision augmented reality haptics,” IEEE Transactions on Visualization and Computer Graphics (TVCG), vol. 15, no. 1, pp. 138–149, 2008.

[10] C. Basdogan, F. Giraud, V. Levesque, and S. Choi, “A Review of Surface Haptics: Enabling Tactile Effects on Touch Surfaces,” IEEE Transactions on Haptics (ToH), vol. 13, no. 3, pp. 450–470, 2020.

[11] A. Costes, F. Danieau, F. Argelaguet, P. Guillotel, and A. Lécuyer, “Towards Haptic Images: A Survey on Touchscreen-Based Surface Haptics,” IEEE Transactions on Haptics (ToH), vol. 13, no. 3, pp. 530– 541, 2020.

[12] H. Uematsu, D. Ogawa, R. Okazaki, T. Hachisu, and H. Kajimoto, “HALUX: Projection-based interactive skin for digital sports,” in Proc. ACM SIGGRAPH Emerging Technologies, 2016, pp. 10:1–10:2.

[13] J. Rekimoto, “SenseableRays: Opto-haptic substitution for touchenhanced interactive spaces,” in EA. the SIGCHI Conference on Human Factors in Computing Systems, 2009, pp. 2519–2528.

[14] H. Culbertson, C. M. Nunez, A. Israr, F. Lau, F. Abnousi, and A. M. Okamura, “A social haptic device to create continuous lateral motion using sequential normal indentation,” in Proc. IEEE Haptics Symposium (HAPTICS), 2018, pp. 32–39.

[15] C. M. Nunez, S. R. Williams, A. M. Okamura, and H. Culbertson, “Understanding continuous and pleasant linear sensations on the forearm from a sequential discrete lateral skin-slip haptic device,” IEEE Transactions on Haptics (ToH), vol. 12, no. 4, pp. 414–427, 2019.

[16] A. Israr and F. Abnousi, “Towards pleasant touch: Vibrotactile grids for social touch interactions,” in EA. the SIGCHI Conference on Human Factors in Computing Systems, 2018, pp. 1–6.

[17] S. Kimura, R. Oguchi, H. Tanida, Y. Kakehi, K. Takahashi, and T. Naemura, “PVLC projector: Image projection with imperceptible pixel-level metadata,” in Proc. ACM SIGGRAPH Posters, 2008, p. 135:1.

[18] Y. Miyatake, T. Hiraki, T. Maeda, D. Iwai, and K. Sato, “Visuohaptic display by embedding imperceptible spatial haptic information into projected images,” in Proc. EuroHaptics, 2020, pp. 226– 234.

[19] ——, “HaptoMapping: Visuo-haptic AR system using projectionbased control of wearable haptic devices,” in SIGGRAPH Asia Emerging Technologies, 2020.

[20] D. Systems, ”Touch”[Sold as Phantom Omni at by SensAbleTechnologies], https://www.3dsystems.com/haptics-devices/touch (Accessed 08/11/2020).

[21] C. Pacchierotti, S. Sinclair, M. Solazzi, A. Frisoli, V. Hayward, and D. Prattichizzo, “Wearable Haptic Systems for the Fingertip and the Hand: Taxonomy, Review, and Perspectives,” IEEE Transactions on Haptics (ToH), vol. 10, no. 4, pp. 580–600, 2017.

[22] J. C. Lee, P. H. Dietz, D. Leigh, W. S. Yerazunis, and S. E. Hudson, “Haptic Pen: A Tactile Feedback Stylus for Touch Screens,” in Proc. ACM symposium on User Interface Software and Technology (UIST), 2004, pp. 291–294.

[23] K.-U. Kyung and J.-Y. Lee, “Ubi-Pen: A Haptic Interface with Texture and Vibrotactile Display,” IEEE Computer Graphics and Applications, vol. 29, no. 1, pp. 56–64, 2008.

[24] L. Rahal, J. Cha, and A. El Saddik, “Continuous tactile perception for vibrotactile displays,” in Proc. IEEE International Workshop on Robotic and Sensors Environments. IEEE, 2009, pp. 86–91.

[25] L. He, C. Xu, D. Xu, and R. Brill, “PneuHaptic: Delivering Haptic Cues with a Pneumatic Armband,” in Proc. ACM International Symposium on Wearable Computers, 2015, pp. 47–48.

[26] M. Maisto, C. Pacchierotti, F. Chinello, G. Salvietti, A. De Luca, and D. Prattichizzo, “Evaluation of Wearable Haptic Systems for the Fingers in Augmented Reality Applications,” IEEE Transactions on Haptics (ToH), vol. 10, no. 4, pp. 511–522, 2017.

[27] Y. Lee, S. Lee, and D. Lee, “Wearable Haptic Device for Stiffness Rendering of Virtual Objects in Augmented Reality,” Applied Sciences, vol. 11, no. 15, p. 6932, 2021.

[28] X. De Tinguy, C. Pacchierotti, M. Marchal, and A. Lécuyer, “Enhancing the Stiffness Perception of Tangible Objects in Mixed Reality Using Wearable Haptics,” in Proc. IEEE Conference on Virtual Reality and 3D User Interfaces (VR). IEEE, 2018, pp. 81– 90.

[29] O. Bau and I. Poupyrev, “REVEL: Tactile feedback technology for augmented reality,” ACM Transactions on Graphics, vol. 31, no. 4, pp. 89:1–89:11, 2012.

[30] H. F. Talbot, “XLIV. Experiments on light,” The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, vol. 5, no. 29, pp. 321–334, 1834.

[31] T. Hiraki, S. Fukushima, Y. Kawahara, and T. Naemura, “Phygital field: An integrated field with physical robots and digital images using projection-based localization and control method,” SICE Journal of Control, Measurement, and System Integration, vol. 11, no. 4, pp. 302–311, 2018.

[32] C. DiSalvo, F. Gemperle, J. Forlizzi, and E. Montgomery, “The hug: An exploration of robotic form for intimate communication,” in Proc. IEEE International Workshop on Robot and Human Interactive Communication (RO-MAN). IEEE, 2003, pp. 403–408.

[33] R. Wang, F. Quek, D. Tatar, K. S. Teh, and A. Cheok, “Keep in touch: Channel, expectation and experience,” in Proc. SIGCHI Conference on Human Factors in Computing Systems, 2012, pp. 139– 148.

[34] M. O. Alhalabi and S. Horiguchi, “Tele-handshake: A cooperative shared haptic virtual environment,” in Proc. Eurohaptics, 2001, pp. 60–64.

[35] M. Furukawa, H. Kajimoto, and S. Tachi, “KUSUGURI: A shared tactile interface for bidirectional tickling,” in Proc. Augmented Human International Conference, 2012, pp. 1–8.

[36] E. Eichhorn, R. Wettach, and E. Hornecker, “A stroking device for spatially separated couples,” in Proc. International Conference on Human Computer Interaction with Mobile Devices and Services, 2008, pp. 303–306.

[37] C. M. Nunez, B. N. Huerta, A. M. Okamura, and H. Culbertson, “Investigating social haptic illusions for tactile stroking (SHIFTS),” in Proc. IEEE Haptics Symposium (HAPTICS), 2020, pp. 629–636.

[38] E. Knoop and J. Rossiter, “The tickler: A compliant wearable tactile display for stroking and tickling,” in EA. the SIGCHI Conference on Human Factors in Computing Systems, 2015, pp. 1133–1138.

[39] P. Punpongsanon, D. Iwai, and K. Sato, “SoftAR: Visually manipulating haptic softness perception in spatial augmented reality,” IEEE Transactions on Visualization and Computer Graphics (TVCG), vol. 21, no. 11, pp. 1279–1288, 2015.

[40] T. Kanamori, D. Iwai, and K. Sato, “Pseudo-shape sensation by stereoscopic projection mapping,” IEEE Access, vol. 6, pp. 40 649– 40 655, 2018.

[41] S. Aoyama, D. Iwai, and K. Sato, “Altering resistive force perception by modulating velocity of dot pattern projected onto hand,” in Proc. Workshop on Multimodal Virtual and Augmented Reality, 2016, pp. 1–4.

[42] D. Iwai, M. Aoki, and K. Sato, “Non-contact thermo-visual augmentation by IR-RGB projection,” IEEE Transactions on Visualization and Computer Graphics (TVCG), vol. 25, no. 4, pp. 1707–1716, 2018.

[43] T. Miyasato, H. Noma, and F. Kishino, “Subjective evaluation of perception of delay time between visual information and tactile information,” The Journal of the Institute of Television Engineers of Japan, vol. 49, no. 10, pp. 1353–1356, 1995.

[44] J. M. Silva, M. Orozco, J. Cha, A. E. Saddik, and E. M. Petriu, “Human perception of haptic-to-video and haptic-to-audio skew in multimedia applications,” ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), vol. 9, no. 2, pp. 9:1–9:16, 2013.

[45] T. Hiraki, S. Fukushima, and T. Naemura, “Sensible shadow: Tactile feedback from your own shadow,” in Proc. Augmented Human International Conference, 2016, pp. 1–4.

[46] H. Ando, E. Kusachi, and J. Watanabe, “Nail-mounted tactile display for boundary/texture augmentation,” in Proc. International Conference on Advances in Computer Entertainment Technology, 2007, pp. 292–293.

[47] H. Culbertson, J. Unwin, and K. J. Kuchenbecker, “Modeling and rendering realistic textures from unconstrained tool-surface interactions,” IEEE Transactions on Haptics (ToH), vol. 7, no. 3, pp. 381–393, 2014.

[48] J. M. Romano and K. J. Kuchenbecker, “Creating realistic virtual textures from contact acceleration data,” IEEE Transactions on Haptics (ToH), vol. 5, no. 2, pp. 109–119, 2011.

[49] H. Culbertson, J. J. L. Delgado, and K. J. Kuchenbecker, “One hundred data-driven haptic texture models and open-source methods for rendering on 3D objects,” in Proc. IEEE Haptics Symposium (HAPTICS), 2014, pp. 319–325.

[50] S. Lu, Y. Chen, and H. Culbertson, “Towards multisensory perception: modeling and rendering sounds of tool-surface interactions,” IEEE Transactions on Haptics (ToH), vol. 13, no. 1, pp. 94–101, 2020.

[51] R. H. Osgouei, J. R. Kim, and S. Choi, “Data-driven texture modeling and rendering on electrovibration display,” IEEE Transactions on Haptics (ToH), 2019.

[52] A. Israr and I. Poupyrev, “Tactile brush: Drawing on skin with a tactile grid display,” in Proc. SIGCHI Conference on Human Factors in Computing Systems, 2011, pp. 2019–2028.

[53] W. Wu and H. Culbertson, “Wearable haptic pneumatic device for creating the illusion of lateral motion on the arm,” in Proc. IEEE World Haptics Conference (WHC), 2019, pp. 193–198.

[54] G. Huisman, A. D. Frederiks, B. Van Dijk, D. Hevlen, and B. Kröse, “The TaSST: Tactile sleeve for social touch,” in Proc. IEEE World Haptics Conference (WHC), 2013, pp. 211–216.

[55] S. Muthukumarana, D. S. Elvitigala, J. P. Forero Cortes, D. J. Matthies, and S. Nanayakkara, “Touch me Gently: Recreating the Perception of Touch using a Shape-Memory Alloy Matrix,” in Proc. SIGCHI Conference on Human Factors in Computing Systems, 2020, pp. 1–12.

[56] D. Iwai, R. Matsukage, S. Aoyama, T. Kikukawa, and K. Sato, “Geometrically consistent projection-based tabletop sharing for remote collaboration,” IEEE Access, vol. 6, pp. 6293–6302, 2017.

[57] N. Tanabe, Y. Sato, K. Morita, M. Inagaki, Y. Fujino, P. Punpongsanon, H. Matsukura, D. Iwai, and K. Sato, “fARFEEL: Providing haptic sensation of touched objects using visuo-haptic feedback,” in Proc. IEEE Conference on Virtual Reality and 3D User Interfaces (VR), 2019, pp. 1355–1356.

[58] M. Strese, J.-Y. Lee, C. Schuwerk, Q. Han, H.-G. Kim, and E. Steinbach, “A haptic texture database for tool-mediated texture recognition and classification,” in Proc. Haptic, Audio and Visual Environments and Games (HAVE), 2014, pp. 118–123.

[59] NASA, “Man-systems integration standards,” NASA-STD-3000, Tech. Rep. Volume I, Revision B, 1995.

[60] R. Ackerley, I. Carlsson, H. Wester, H. Olausson, and H. Backlund Wasling, “Touch perceptions across skin sites: Differences between sensitivity, direction discrimination and pleasantness,” Frontiers in Behavioral Neuroscience, vol. 8, p. 54, 2014.

[61] Y. Monnai, K. Hasegawa, M. Fujiwara, K. Yoshino, S. Inoue, and H. Shinoda, “HaptoMime: Mid-air haptic interaction with a floating virtual screen,” in Proc. ACM Symposium on User Interface Software and Technology (UIST), 2014, pp. 663–667.

[62] Y. Ban and Y. Ujitoko, “TactGAN: Vibrotactile designing driven by GAN-based automatic generation,” in ACM SIGGRAPH Asia Emerging Technologies, 2018, pp. 13:1–13:2.

著者紹介

以下はプレプリントに掲載された当時の紹介を訳しています。現在の所属や職位を示すものではありません。

Yamato Miyatakeは2020年に大阪大学で学士号を取得しました。原稿執筆時は大阪大学大学院基礎工学研究科の修士課程に在籍していました。研究分野は拡張現実と触覚とヒューマンコンピュータインタラクションです。

Takefumi Hirakiは東京大学で2014年に学士号を取得しました。2016年に修士号を取得しました。2019年に博士号を取得しました。同年にMicrosoft Research Chinaの客員研究員を務めました。執筆時は筑波大学図書館情報メディア系の助教でした。研究分野は拡張現実と触覚ディスプレイとソフトロボティクスとヒューマンコンピュータインタラクションです。ACM会員です。

Daisuke Iwaiは大阪大学で2003年に学士号を取得しました。2005年に修士号を取得しました。2007年に博士号を取得しました。2007〜2008年にバウハウス大学ワイマールの客員研究員を務めました。2011年にETHの客員准教授を務めました。執筆時は大阪大学大学院基礎工学研究科の准教授でした。研究分野は空間拡張現実とプロジェクタ・カメラ系です。

Kosuke Satoは大阪大学で1983年に学士号を取得しました。1985年に修士号を取得しました。1988年に博士号を取得しました。1988〜1990年にカーネギーメロン大学ロボティクス研究所の客員研究員を務めました。執筆時は大阪大学大学院基礎工学研究科の教授でした。研究分野は画像センシングと仮想現実とヒューマンインタフェースです。

TastePrint：液体調味料のエアブラシ噴霧で層ごとの味分布を設計する食品3Dプリンティングシステム

Wed, 16 Sep 2026 00:00:00 +0000

グラフィカルアブストラクト

複数の味を作る従来手法とTastePrintを比較しています。TastePrintは材料押出で形状を作ります。調味料の噴霧で味を加えます。

ハイライト

エアブラシを用いて層ごとに味を制御する食品3Dプリンティングシステムを開発しました。
GUIで食品内部の味分布を層ごとに設計できます。
噴霧分解能と付着量の実験で技術的な実現可能性を確認しました。小規模な官能実験では味の空間配置を知覚できることを示す初期的な結果を得ました。

要旨

食品3Dプリンティングで食品の形状や食感を個別に調整できます。一方で印刷可能な材料の種類には制約があります。そのため味は通常一様になります。そこで本論文ではTastePrintを提案します。エアブラシをプログラムで制御して造形中に液体調味料を噴霧します。これにより層ごとの空間的な味分布を作ります。

システムには二つの要素があります。一つは3Dモデルの読み込みと層への分割を行うGUIです。調味料のチャンネルと噴霧する位置・強度も指定できます。もう一つは複数の噴霧ノズルを備えた改造食品3Dプリンタです。評価では噴霧分解能と付着精度を測る技術実験を行いました。味の局在に関する小規模な官能弁別実験も実施しました。さらに家庭で調理する3名から設計改善に向けた探索的なフィードバックを得ました。

噴霧分解能モデルの決定係数はR² = 0.86でした。噴霧量モデルではR² = 0.99でした。ろ紙上での校正結果は食用マッシュポテト試料での測定結果とおおむね一致しました。官能弁別実験では40試行中27試行で中央集中型の調味パターンがより局所的な味として選ばれました。その割合は67.5%でした。これらの結果は調味料の配置と量をハードウェア上で再現性よく制御できることを示します。また造形後も味の空間配置が知覚上の意味を持ち得ることを示す初期的な証拠を得ました。

1. はじめに

付加製造すなわち3Dプリンティングは複雑な形状や個別の構造の製作を可能にしました。これにより製品設計の可能性が広がっています（Praveena et al., 2022; Bhatia and Sehgal, 2023）。食品3Dプリンティングはこの能力を調理に応用します。個人に合わせた食事に向けて食品の形状・大きさ・内部構造を精密に制御できます（Sun et al., 2018; Demei et al., 2022）。主要な方式には押出方式・バインダージェッティング方式・インクジェット方式があります。押出方式はノズルから食品ペーストを堆積させます（Liu et al., 2018; Hussain et al., 2022）。バインダージェッティング方式は粉末床に液体の結合剤を与えます（Vadodaria and Mills, 2020; Zhu et al., 2022）。インクジェット方式は食用材料の液滴を吐出します（Suzuki et al., 2019; Burkard et al., 2023）。特に押出方式が広く使われています。多様な食品インクに対応できるうえに複雑な3D形状を層ごとに形成できるためです（Voon et al., 2019）。

図1：TastePrintの概要を示します。GUIで3Dモデルを読み込んで層に分割します。各層に味分布を割り当てて専用G-codeを生成します。造形中に液体調味料を噴霧することで空間的な味分布を持つ食品を作ります。造形した食品はそのまま食べるか焼く・揚げるなどの後処理を施します。

形状の個別調整に関する研究は進んでいますが味の制御には制限があります。味は食品の品質を決める主要因です（Wang et al., 2022）。それでも現在の造形工程で作る食品は味が一様になる傾向があります。味の知覚には香り・食感・視覚的な手掛かりも関与します（Zampini and Spence, 2005; Vi et al., 2020; Weidner et al., 2023）。その中でも調味料の空間分布と濃度が主要な要因になります。従来の調理では段階的な調味や組み合わせによって多様性を生みます（Lee, 2022; Gustafsson, 2004）。食品科学では材料の配合比や呈味物質の添加によって印刷用インクに味を組み込んできました（Hussain et al., 2022; Cheng et al., 2022; Hakim et al., 2024; Domżalska and Jakubczyk, 2025）。しかし多くの場合は味が均一になります。これが3Dプリント食品の表現力と感覚的な多様性を制約します。そのため層ごとに味を変える方法や局所的に味を加える方法が必要です。これは個人に合わせた多感覚的な食体験を進めるうえで重要です（Mosca et al., 2010; Noort et al., 2010; Burkard et al., 2023; Fahmy et al., 2021）。

複数材料を用いる食品3Dプリンティングでもこの課題が検討されています（Liu et al., 2018; Fahmy et al., 2021; Fujiwara et al., 2025; Mendoza-Bautista et al., 2025; Pan et al., 2025）。複数ヘッドのプリンタは異なる呈味物質を含む食品インクを配置します。これにより味の異なる領域を作れます。Fahmy et al.（2021）は甘いインクと塩味のインクを使う2ヘッドの装置で味の空間的な変化を実現しました。Fujiwara et al.（2025）は4本のスクリューを持つノズルで4チャンネルの味制御を示しました。ただし二つの主要な制約があります。第一に味の複雑さがヘッドとインク容器の数に制限されます。第二に味ごとのインクの準備に多くの作業が必要です。材料の廃棄が増えてレシピ設計の柔軟性も低下します。これらの制約が普及を妨げています。より柔軟に拡張できる動的な味制御に向けて押出後に調味する方法が求められます。

TastePrintは造形中に液体調味料を動的に噴霧して味を空間的に個別調整します。形状の形成と味の調整を分離するため単一の基材から複雑で拡張可能な味パターンを作れます。プログラム可能な味の調整を積層造形の工程へ組み込みます（Brooks et al., 2023; Miyashita, 2021, 2022）。

試作システムは噴霧機構付きの押出型食品3Dプリンタと専用G-codeを生成するGUIで構成します。一つの造形物の各層と各位置に味の種類と強度を割り当てます。噴霧分解能と付着質量の技術実験に加えて味パターンの小規模な官能弁別実験を行います。GUIについても設計改善に向けた探索的なフィードバックを収集します。本論文では層ごとに味の空間分布を設計する手法を検証します。主な目的はこの工程の技術的な実現可能性を示すことです。

2. 材料と方法

2.1. TastePrintのシステム概要

システムは噴霧機構付きの押出型食品3DプリンタとGUIで構成しました。GUIで層ごとの味を設計してG-codeを生成します。以下では全体の工程とハードウェア構成を説明します。インタフェースと同期した造形手順も示します。

2.1.1. TastePrintの工程

図1に示す造形工程は次のとおりです。

目的とする食品形状の3DモデルをSTLやOBJなどの標準形式で用意します。
GUIにモデルを読み込んで層に分割します。各層に味分布を割り当てます。
入力に基づいてノズルの位置と噴霧する時間・強度を自動計算します。
押出命令と噴霧命令を統合したG-codeを書き出します。
造形中にシリンジから基材となる食品インクを押し出します。指定位置には食塩水などの液体調味料を噴霧します。
造形後に食品を取り出します。そのまま食べるか必要に応じて焼く・揚げるなどの後処理を行います。

2.1.2. 食品3Dプリンタの改造

市販のFDM方式3DプリンタであるEnder 3（Creality製・中国）を食品造形用に改造しました（図2）。熱可塑性樹脂用の押出機をシリンジ式の押出ユニットに交換しました。容量は30 mLでノズル径は1.6 mmです。ノズルの横に調味用のエアブラシホルダーを設置しました。ファームウェアもMarlinを基にした専用版へ変更しました。この版はシリンジの制御とエアブラシを動作させる拡張G-codeに対応します。OctoPrintを実行するRaspberry Pi 4と通信して押出と噴霧を同期します。食品に接触する部品と衛生管理の手順は2.3節に示します。

図2：噴霧機構付き食品3Dプリンタを示します。（a）空気による噴霧と押出を統合した構成図です。直流電源で駆動する電磁弁を専用G-codeとOctoPrintで制御します。エアコンプレッサーからの圧縮空気を電磁弁で切り替えてプリンタと同期します。（b）実機の押出機・噴霧ユニット・電磁弁・エアコンプレッサー・直流電源・制御モジュールを示します。

図3：プリンタヘッドの設計を示します。（a）一つの材料押出機と六つの噴霧ホルダーで構成します。（b）製作したヘッドを食品3Dプリンタに取り付けています。

機器の情報は Raspberry Pi 4と OctoPrintを参照してください。

2.1.3. エアブラシ機構

ヘッドの横に取り付けたエアブラシで造形中の液体調味料の位置を制御します（図3）。試作機には独立制御できる6本のエアブラシを放射状に配置しました。機種はAirbrush Works製AW-102で公称ノズル径は0.2 mmです。各エアブラシをCKD製の小型電磁弁FFBM-2106Aに接続しました。Ausuc製エアコンプレッサーとCKD製レギュレーターRB500から空気を供給します。電磁弁にはCUSTOM製DPS-3005から24 Vの直流電源を与えます。Raspberry Pi 4のGPIOで切り替えます。

噴霧時間とタイミングをソフトウェアでプログラムできます。これにより味の強度を細かく調整します。専用G-codeで電磁弁の作動を制御します。押出経路や層の切り替えに合わせて噴霧します。形状の形成と調味料の付着を位置に合わせて行います。

2.1.4. グラフィカルユーザインタフェース

GUIをPython 3.11とPyQt5（Qt 5.15）で実装しました（図4）。層ごとの空間的な味分布を対話的に設計します。STLまたはOBJの食品3Dモデルを読み込んだ後に積層高さとノズル径などを指定します。必要に応じて内部の充填パターンも設定できます。システムが設定に従ってモデルを層に分割します。その後に各層の調味料チャンネルと噴霧位置や強度を指定します。一つの食品に複数の調味料と濃度水準を組み合わせられます。次の三つのモードを用意しました。

自由選択モード： 各層の噴霧位置と強度を手動で指定します。
パターン選択モード： 密な配置などの既定の空間テンプレートでパターンをすばやく作ります。
総量指定モード： モデル全体に含める各味の総量を指定します。形状と利用者の制約に従って噴霧量を各層へ自動配分します。

これらのモードで異なる利用目的に対応します。料理人は細部の直接制御を選べます。日常的な利用者は自動配分を使えます。最後に押出と噴霧を統合した専用G-codeを書き出します。食品のデジタルモデルとハードウェア制御をつなぐことで設計した味分布を再現する造形ファイルを得られます。

図4：噴霧位置を編集するインタフェースを示します。左側でモデルの読み込みと出力を設定します。積層高さや噴霧条件も指定します。中央に3Dモデルと選択した層の断面を表示します。クリックで味の位置を登録します。登録位置は断面上の色付きマーカーと右側の一覧に表示します。

2.1.5. 調味料の噴霧を伴う食品3Dプリンティング

変更したG-codeに従って層ごとに造形します（図5）。最初にその層の形状に沿って基材を押し出します。層の造形が終わるとヘッドを指定した噴霧位置へ移動します。選択した調味料チャンネルを指定時間だけ作動させます。一つの層の複数位置で異なる調味料を噴霧できます。

専用G-codeで押出と噴霧を同期します。これにより各層に合わせて調味します。完成までこの処理を繰り返します。得られた食品には制御された空間的な味分布があります。そのまま食べることも焼く・揚げるなどの後処理も可能です。

図5：TastePrintの造形手順を示します。材料押出と調味料噴霧を層ごとに繰り返します。

2.2. 実験材料

食品の基材。 押出型造形に適した流動特性を持つマッシュポテトを選びました。市販の乾燥マッシュポテト（Nichiga製・日本）と湯を使いました。湯：乾燥フレークの重量比を4：1として均一になるまで混ぜました。この混合物は安定して押し出せるうえに滑らかな層を形成しました。Nordson製の30 mL使い捨てシリンジに詰めて造形しました。本研究では再現性を確保するためにマッシュポテトを用いました。

液体調味料。 最大6本のうち5本のエアブラシを使用しました。甘味・塩味・酸味・苦味・うま味の基本五味に対応します。残る1本は将来の拡張用としました。調味成分にはそれぞれショ糖・塩化ナトリウム・クエン酸・カフェイン・グルタミン酸ナトリウムを使いました。予備実験で各調味液の濃度を選びました。基材上で味を知覚できることと味の強度のバランスを基準としました。用途に合わせて濃度を変更できます。

霧化を改善して液だれを防ぐために各溶液へ0.5 wt%のキサンタンガムを加えました。検証した条件では液だれがなく噴霧跡も再現しました。この観察から全チャンネルで均一で安定した噴霧が得られたと判断しました。噴霧分布の可視化と定量分析だけを目的として食用色素も加えました。

2.3. 衛生管理の手順

衛生的な造形と官能実験に向けて標準化した手順を用いました。再使用する食品接触面を毎回洗剤で洗ってすすぎました。その後に70%エタノールで拭きました。食品接触への適合性がない部品は食品から隔離しました。エアブラシのタンクと調味料の配管も実験の間にエタノールで洗浄しました。残留物の除去と微生物増殖の抑制を目的としました。

シリンジと押出ノズルは使い捨てとし造形ごとに廃棄しました。交差汚染を防ぐために調味料ごとに専用容器と配管を用意しました。同日中に再使用するときは滅菌水とエタノールで順に洗浄して自然乾燥させました。準備と造形の全工程で手袋とマスクを着用しました。異なる配合を扱う間に手袋を交換しました。

調製した食品材料を10°C未満で保管するか室温で2時間以内に使用しました。残った材料は廃棄しました。これらの手順で衛生的な運用と造形・試食実験の再現性を確保しました。微生物リスクと交差汚染を低減する手順です。

2.4. 評価

二つの技術実験と二つの参加者実験を実施しました。技術実験では噴霧分解能と1回当たりの噴霧量を測定しました。さらに味の局在に関する小規模な官能弁別実験を行いました。設計から造形までを体験した利用者から設計改善に向けた探索的なフィードバックも得ました。技術実験で噴霧機構の精度と制御性を定量化しました。参加者実験では味パターンの知覚と非専門家による層ごとの味設計の理解を予備的に観察しました。

2.4.1. 噴霧分解能

ノズルから対象面までの距離と噴霧時間が付着の空間精度に与える影響を測定しました。

実験構成。 プリンタ台に固定したろ紙へ着色した調味液を噴霧しました。画像に基づいて噴霧跡を再現性よく校正するためです。周囲に20 mmのArUcoマーカーを配置しました。画素と実寸の換算とカメラ姿勢の推定に用いました。

条件。 距離は20・30・40 mmとしました。噴霧時間は20・40・60 msとしました。配管圧力を0.10 MPaに固定し各条件を3回繰り返しました。合計27回です。一定の照明下で上方のカメラから撮影しました。

画像処理と指標。 推定したホモグラフィ行列で画像を補正しました。赤色チャンネルに大津の二値化を適用して噴霧領域を分離しました。24 × 24 mmの関心領域で最大の連結成分を取り出しました。その面積から噴霧跡の等価円直径を求めました。

モデルの当てはめ。 次式の線形回帰モデルを当てはめました。

噴霧直径（mm）= β₀ + β₁√距離（mm）+ β₂√噴霧時間（ms）　（1）

β₀は切片です。β₁とβ₂は距離と時間の項の係数です。予備実験で観察した非線形の広がりを平方根項で扱いました。原文の係数説明には「squared」とありますが式と直後の説明に合わせて平方根で表記しています。

食品基材への適用確認。 ろ紙で得た校正の傾向が食品でも成り立つかを調べました。代表的な噴霧条件をマッシュポテト試料で繰り返しました。主実験と同じ配合と造形設定で直径30 mm・高さ4.8 mmの円形試料を作りました。距離を20または30 mmとし噴霧時間を20または60 msとしました。圧力は0.10 MPaで各条件を3回繰り返しました。着色した調味液を各試料の中央へ1回噴霧しました。一定の照明と校正マーカーを使い直後と5分後に上から撮影しました。ろ紙と同じ補正・分割処理で着色領域の等価円直径を求めました。5分間の直径増加を短時間の横方向の広がりとしました。

2.4.2. 1回当たりの噴霧量

1回の作動で付着する調味料の量と噴霧時間の関係を測定しました。

実験構成と手順。 Fincy Palmoo製のデジタル微量秤をプリンタ台に置きました。分解能は0.001 gです。距離20 mmと圧力0.10 MPaに固定して秤へ直接噴霧しました。噴霧時間は10・20・40・60・80 msとしました。各条件を3回繰り返しました。合計15回です。

分析。 各作動後に表示が安定してから質量の変化を記録しました。噴霧時間と付着質量の関係を次式で表しました。

噴霧量（mg）= α₀ + α₁ × 噴霧時間（ms）　（2）

α₀は切片です。α₁は噴霧時間の係数です。回帰係数と決定係数で線形性を評価しました。

2.4.3. 官能弁別実験

局所的に集中させた調味と広く分散させた調味を知覚的に区別できるかを小規模な実験で調べました。統制した試食条件下で造形試料の味の局在を初期評価しました。

図6：官能弁別実験の調味パターンを示します。左が中央集中型で右が分散型です。各条件の模式図と可視化用の着色試料を示しています。実際の官能実験では無色の調味液を使いました。試料を見た目で区別できないようにしました。

参加者と刺激。 女性2名と男性8名の計10名が参加しました。各試行で同じ形状と公称の調味料総量を持つ2個のマッシュポテト試料を用意しました。中央集中条件では塩味の調味料を中央に集めました。分散条件では試料全体へ広く配置しました。基材と調味料チャンネルは共通です。無色の溶液を使ったため外観では区別できません。図6には意図した分布を示す模式図と着色試料を掲載しました。

手順。 参加者内計画による二肢強制選択法を用いました。各参加者が4試行を行いました。各試行で中央集中試料と分散試料を左右ランダムに提示しました。味をより局所的に感じる試料を選んでもらいました。疲労を抑えて感度を維持するため試食の間に水で口をすすぐよう指示しました。所属機関の倫理審査委員会の承認を得ました（R6-E-51）。全参加者からインフォームドコンセントを取得しました。

分析。 中央集中試料が選ばれた試行の割合を求めました。二肢強制選択課題の偶然水準である50%と比較しました。

2.4.4. 設計改善に向けた探索的なユーザフィードバック

初めて使う人がTastePrintをどう理解して使うかを調べました。食品3Dプリンティングの経験がない家庭調理者3名が参加しました。女性1名と男性2名です。GUIで空間的に異なる味を持つ食品を設計して造形しました。約30分のセッションを1回行った後に半構造化インタビューを実施しました。質問項目は使いやすさ・層ごとの味設計の分かりやすさ・想定用途としました。

3. 結果と考察

噴霧の安定性と付着精度の結果を報告します。予備的な知覚弁別と探索的なフィードバックも示します。結果と解釈を併記することで今回のデータが支持する層ごとの味制御の範囲を明らかにします。

3.1. 液体調味料

0.5 wt%のキサンタンガムを含む全ての調味水溶液を安定して噴霧できました。各溶液30試行で詰まりや不安定な噴霧は生じませんでした。添加により噴霧が安定して均一に霧化しました。キサンタンガムを加えない溶液では待機時に液だれが生じました。噴霧パターンも不規則でした。

現在の装置ではエアブラシのノズルを機械的に開いたままにしています。噴霧時間は上流側の電磁弁で制御しています。この構成が液だれの原因と考えられます。低粘度液体ほど待機中に先端から垂れやすくなります。キサンタンガムで粘度を上げることは液だれの抑制と噴霧の安定化に有効でした。この上流弁構成では材料の配合も制御設計の一部です。噴霧の安定性が流体の粘度とノズル状態の管理の両方に依存するためです。

3.2. 積層高さが噴霧に与える影響

公称積層高さ1.6 mmでマッシュポテトを滑らかに押し出せました。この工程では積層高さに比例して噴霧時間を調整できます。これにより単位高さ当たりの公称調味量を保てます。異なる垂直分解能に対する調整をGUIで自動化できます。

3.3. 噴霧分解能

図7に噴霧直径と距離および噴霧時間の関係を示します。距離と時間の増加に伴って直径が増加しました。これは流体力学的な予想と一致します。回帰モデルの決定係数はR² = 0.86でした。良好な予測精度が得られました。繰り返し測定の標準偏差の平均は0.79 mmでした。再現性が確認できました。係数はβ₀ = −3.525・β₁ = 1.450・β₂ = 0.918でした。距離と噴霧時間を調整することで必要な空間分解能を設定できます。これは細かな味配置を設計するための重要な条件です。

図7：噴霧分解能実験の結果を示します。横軸にノズルから表面までの距離を取っています。噴霧時間20・40・60 msごとに直径を示します。点は個別の測定値です。実線は各時間の回帰モデルです。帯は推定平均の95%信頼区間です。

食品への適用確認では噴霧直後のマッシュポテトの着色直径が対応するろ紙の値とおおむね一致しました（図8）。距離30 mm・時間20 msの条件では明確なずれがありました。ろ紙は初期校正に役立ちますが最終調整では対象食品での測定が有用です。噴霧後5分間でマッシュポテトの着色直径は平均約4%増加しました。食品上での横方向の広がりは小さい範囲にとどまりました。初期直径に対して増加が小さいため検証した短時間では空間的な局在がほぼ保たれました。

図8：代表条件で測ったろ紙とマッシュポテトの着色直径を比較します。黒はろ紙です。青はマッシュポテトの噴霧直後で赤は5分後です。大きなマーカーと誤差棒は平均±標準偏差を示します。薄い点は個別の繰り返し測定です。

3.4. 1回当たりの噴霧量

付着質量は噴霧時間に対して線形に増加しました。決定係数はR² = 0.99でした。標準偏差の平均は0.2 mgでした（図9）。係数はα₀ = −0.206・α₁ = 0.082でした。GUIで指定する時間と実際の調味量を直接対応させられます。これによりハードウェア上で調味料の量を精密に制御できます。噴霧時間から付着量を直接推定する基盤になります。

図9：1回当たりの噴霧量を示します。点は測定した質量です。実線は線形回帰モデルで帯は95%信頼区間です。

3.5. 調味の制御性

分解能と付着量の測定結果に基づいて調味料の位置と公称の投与量を個別に指定できます。これらを装置の動作に対応付けられます。付着質量を噴霧時間と溶液濃度から推定できるためです。造形中の調味パターンを形状と量の両面から指定する実用的な基盤になります。今後の食品基材と知覚に関する検証を支える技術的な結果です。

3.6. 官能弁別実験

40試行中27試行で中央集中試料がより局所的な味として選ばれました。割合は67.5%でした。参加者別の反応は一様ではありませんでした。中央集中試料を一貫して選ぶ人がいた一方で4試行に明確な傾向がない人もいました。検証条件では中央集中型の調味が空間的に局所的な味として知覚される傾向が示されました。ただし全参加者に同じ効果が現れたわけではありません。味の空間配置が意味のある設計変数になり得ることを示す初期的な結果です。

3.7. 探索的な使いやすさのフィードバック

3名全員が設計と造形の課題を完了しました。空間的に異なる味配置を持つ食品を作れました。平均課題時間は約15分でした。インタビューでは初心者にもGUIを理解できたことが示唆されました。層ごとの断面表示が食品内部の味の配置を考える助けになりました。参加者は個人向けの食事や美的な食品設計と味の組み合わせを試す用途を挙げました。

改善案として味のチャンネル数の追加が求められました。より現実的な食品表示と造形前の最終味分布のプレビューも挙がりました。今後のソフトウェア改善の優先事項になります。今回の探索的な結果は初期段階の利用者向けインタラクション設計を支えます。参加者は案内付きの味設計課題を完了して具体的な改善点を述べられました。

3.8. 限界

TastePrintで層ごとの味調整の実現可能性を示しましたが複数の限界があります。

工程とチャンネル数の制約。 現在は各層の造形後に順次調味します。そのため押出だけの工程より造形時間が増えます。試作機は6チャンネルに対応し各チャンネルに一つの調味液を割り当てます。この数が味の組み合わせの複雑さを制限します。

材料・流動特性・噴霧安定性。 検証対象は一つのマッシュポテト配合です。吸収と表面の性質が噴霧に適しています。肉系の食品インクなど空隙の少ない材料では付着性が下がる可能性があります。横方向への広がりが増す可能性もあります。キサンタンガムは今回の配合で噴霧を安定させました。しかし粘度そのものや多様な配合に対する流動特性の動作範囲は定量化していません。現在の装置ではキサンタンガムを0.7 wt%にすると詰まりが生じました。動作範囲は配合の流動特性に加えてノズル径と作動条件にも依存します。待機時の液だれを防ぐには粘度調整が必要でした。広範な配合への対応も系統的には調べていません。

形状安定性と時間的な広がり。 噴霧分解能モデルはろ紙で校正しました。マッシュポテトの噴霧直後の値とはおおむね一致しました。それでも現在の装置に対する経験的な動作モデルとして解釈する必要があります。材料に依存しない一般法則ではありません。食品での確認では5分後に直径がわずかに増加しました。したがって長期保存中の味パターンの安定性を今回の結果だけから推定できません。

調味を層ごとに指定するため理論上は積層高さを小さくすると垂直方向の味制御が細かくなります。今回の造形では繰り返し噴霧した後も試料の全体形状が保たれました。例えば高さ5 mm・直径25 mmの円柱は20 msの噴霧を50回行っても形状を保ちました。検証条件で大きな崩れは見られませんでした。ただし薄い層ほど気流や液体で乱れる可能性があります。変形や破壊の閾値を直接定量化していません。積層高さは垂直方向の味分解能と造形性や形状安定性のバランスから選ぶ必要があります。

知覚と対象範囲の制約。 知覚に関する証拠は今回の小規模な弁別実験に限られます。今後は食品・濃度・食べる順序・参加者集団を変えて検証する必要があります。異なる条件でも味パターンを知覚できるかを調べます。付着質量をそのまま知覚強度とみなすこともできません。知覚には溶解・局所濃度・口腔内での混合・個人の感度が関与します。現在の対象は甘味・塩味・酸味・苦味・うま味の味覚刺激です。総合的な食品知覚に重要な香りや口から鼻へ抜ける香りは扱っていません。

4. 結論

液体調味料のエアブラシ噴霧をプログラムして層ごとの味を空間的に制御するTastePrintを提案しました。専用GUIと同期したハードウェア制御を統合しました。単一の基材から複雑な内部の味配置を作れます。

技術評価で高い空間精度と予測可能な付着量の制御を示しました。ろ紙による校正とマッシュポテト上の測定もおおむね一致しました。小規模な官能弁別実験では造形後の味の空間配置に知覚的な意味があることを示す初期的な結果を得ました。設計改善に向けた探索的なフィードバックでは案内付きの課題を完了できることが示されました。具体的な改善要望も得ました。これらの結果は形状造形と味調整を分離するデジタル食品設計の技術的実現可能性を支持します。

TastePrintは今回のマッシュポテト配合と噴霧工程の範囲で味と形状を計算的に共同設計する基盤になります。他の食品材料や官能評価条件での検証が必要です。複雑な3D味配置にも対応できるかを調べる必要があります。それが現在の試作機を超えて手法を拡張するための課題です。

謝辞

本研究はJST ACT-X（JPMJAX24CQ）とJSPS科研費（23K11198）の支援を受けました。

著者の貢献（CRediT）

Yamato Miyatakeは構想・方法論・ソフトウェア・ハードウェア統合・調査・形式的分析・可視化・初稿執筆を担当しました。Parinya Punpongsanonは監督・資金獲得・プロジェクト管理・原稿の確認と編集を担当しました。

原稿作成での生成AI利用に関する原文の声明

原著者は文章の明瞭さと一貫性を改善するためにChatGPTを使用しました。使用後に必要な確認と編集を行いました。公表論文の内容について原著者が全責任を負うと記しています。この声明は原著の執筆過程に関するものです。本ページの日本語版の作成方法は冒頭の注記に示しています。

参考文献

Bhatia, A., Sehgal, A.K., 2023. Additive manufacturing materials, methods and applications: A review. Mater. Today 81, 1060–1067. doi:10.1016/j.matpr.2021.04.379.

Brooks, J., Amin, N., Lopes, P., 2023. Taste retargeting via chemical taste modulators, in: Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology, ACM. pp. 1–15. doi:10.1145/3586183.3606818.

Burkard, J., Kohler, L., Berger, T., Logean, M., Mishra, K., Windhab, E.J., Denkel, C., 2023. Inkjet-based surface structuring: amplifying sweetness perception through additive manufacturing in foods. Npj Sci. Food 7, 42. doi:10.1038/s41538-023-00218-x.

Cheng, Y., Fu, Y., Ma, L., Yap, P.L., Losic, D., Wang, H., Zhang, Y., 2022. Rheology of edible food inks from 2D/3D/4D printing, and its role in future 5D/6D printing. Food Hydrocoll. 132, 107855. doi:10.1016/j.foodhyd.2022.107855.

Demei, K., Zhang, M., Phuhongsung, P., Mujumdar, A.S., 2022. 3D food printing: Controlling characteristics and improving technological effect during food processing. Food Res. Int. 156, 111120. doi:10.1016/j.foodres.2022.111120.

Domżalska, Z., Jakubczyk, E., 2025. Characteristics of food printing inks and their impact on selected product properties. Foods 14, 393. doi:10.3390/foods14030393.

Fahmy, A.R., Amann, L.S., Dunkel, A., Frank, O., Dawid, C., Hofmann, T., Becker, T., Jekle, M., 2021. Sensory design in food 3D printing – structuring, texture modulation, taste localization, and thermal stabilization. Innov. Food Sci. Emerg. Technol. 72, 102743. doi:10.1016/j.ifset.2021.102743.

Fujiwara, K., Suzuki, Y., Toba, K., Ogawa, J., Furukawa, H., Hashizume, M., Noji, T., Teratani, K., Ito, N., 2025. Multifunctional 3D food printer with quad-screw nozzle for four-color printing and dual ink mixing. J. Food Eng. 388, 112384. doi:10.1016/j.jfoodeng.2024.112384.

Gustafsson, I.B., 2004. Culinary arts and meal science – a new scientific research discipline. Food Serv. Technol. 4, 9–20. doi:10.1111/j.1471-5740.2003.00083.x.

Hakim, L., Deshmukh, R.K., Lee, Y.S., Gaikwad, K.K., 2024. Edible ink for food printing and packaging applications: a review. Sustain. Food Technol. 2, 876–892. doi:10.1039/d4fb00036f.

Hussain, S., Malakar, S., Arora, V.K., 2022. Extrusion-based 3D food printing: Technological approaches, ma- terial characteristics, printing stability, and post-processing. Food Eng. Rev. 14, 100–119. doi:10.1007/s12393-021-09293-w.

Lee, K.S., 2022. Culinary aesthetics: World-traveling with culinary arts. Ann. Tour. Res. 97, 103487. doi:10.1016/j.annals.2022.103487.

Liu, Z., Zhang, M., Yang, C.H., 2018. Dual extrusion 3D printing of mashed potatoes/strawberry juice gel. Lebenson. Wiss. Technol. 96, 589–596. doi:10.1016/j.lwt.2018.06.014.

Mendoza-Bautista, K.J., Flores-Jimenez, M.S., Vázquez Tejeda Serrano, L.D., Trujillo de Santiago, G., Alvarez, M.M., Molina, A., Alfaro-Ponce, M., Chairez, I., 2025. Collaborative heterogeneous mini-robotic 3D printer for manufacturing complex food structures with multiple inks and curved deposition surfaces. Micromachines (Basel) 16, 264. doi:10.3390/mi16030264.

Miyashita, H., 2021. TTTV (taste the TV): Taste presentation display for “licking the screen” using a rolling trans- parent sheet and a mixture of liquid sprays, in: The Adjunct Publication of the 34th Annual ACM Symposium on User Interface Software and Technology, ACM. pp. 37–40. doi:10.1145/3474349.3480223.

Miyashita, H., 2022. TTTV2 (transform the taste and visual appearance):tele-eat virtually with a seasoning home appliance that changes the taste and appearance of food or beverages, in: Proceedings of the 28th ACM Symposium on Virtual Reality Software and Technology, ACM. pp. 1–2. doi:10.1145/3562939.3565663.

Mosca, A.C., Velde, F.v.d., Bult, J.H.F., van Boekel, M.A.J.S., Stieger, M., 2010. Enhancement of sweetness intensity in gels by inhomogeneous distribution of sucrose. Food Qual. Prefer. 21, 837–842. doi:10.1016/j.foodqual.2010.04.010.

Noort, M.W.J., Bult, J.H.F., Stieger, M., Hamer, R.J., 2010. Saltiness enhancement in bread by inhomogeneous spatial distribution of sodium chloride. J. Cereal Sci. 52, 378–386. doi:10.1016/j.jcs.2010.06.018.

Pan, J., Chen, X., Liu, J., Wang, Z., Aziz, T., Alhomrani, M., Alsanie, W.F., Alamri, A.S., Cui, H., Lin, L., 2025. Scalability potential of a pneumatic extrusion-based 3D printing system for food products. Innov. Food Sci. Emerg. Technol. 106, 104257. doi:10.1016/j.ifset.2025.104257.

Praveena, Lokesh, Buradi, A., Santhosh, Praveena, Vignesh, 2022. A comprehensive review of emerging additive manufacturing (3D printing technology): Methods, materials, applications, challenges, trends and future potential. Mater. Today 52, 1309–1313. doi:10.1016/j.matpr.2021.11.059.

Sun, J., Zhou, W., Yan, L., Huang, D., Lin, L.Y., 2018. Extrusion-based food printing for digitalized food design and nutrition control. J. Food Eng. 220, 1–11. doi:10.1016/j.jfoodeng.2017.02.028.

Suzuki, Y., Takagishi, K., Umezu, S., 2019. Development of a high-precision viscous chocolate printer utilizing electrostatic inkjet printing. J. Food Process Eng. 42, e12934. doi:10.1111/jfpe.12934.

Vadodaria, S., Mills, T., 2020. Jetting-based 3D printing of edible materials. Food Hydrocoll. 106, 105857. doi:10.1016/j.foodhyd.2020.105857.

Vi, C.T., Marzo, A., Memoli, G., Maggioni, E., Ablart, D., Yeomans, M., Obrist, M., 2020. LeviSense: A platform for the multisensory integration in levitating food and insights into its effect on flavour perception. Int. J. Hum. Comput. Stud. 139, 102428. doi:10.1016/j.ijhcs.2020.102428.

Voon, S.L., An, J., Wong, G., Zhang, Y., Chua, C.K., 2019. 3D food printing: a categorised review of inks and their development. Virtual Phys. Prototyp. 14, 203–218. doi:10.1080/17452759.2019.1603508.

Wang, Y., Tuccillo, F., Lampi, A.M., Knaapila, A., Pulkkinen, M., Kariluoto, S., Coda, R., Edelmann, M., Jouppila, K., Sandell, M., Piironen, V., Katina, K., 2022. Flavor challenges in extruded plant-based meat alternatives: A review. Compr. Rev. Food Sci. Food Saf. 21, 2898–2929. doi:10.1111/1541-4337.12964.

Weidner, F., Maier, J.E., Broll, W., 2023. Eating, smelling, and seeing: Investigating multisensory integration and (in)congruent stimuli while eating in VR. IEEE Transactions on Visualization and Computer Graphics 29, 2423– 2433. doi:10.1109/tvcg.2023.3247099.

Zampini, M., Spence, C., 2005. Modifying the multisensory perception of a carbonated beverage using auditory cues. Food Qual. Prefer. 16, 632–641. doi:10.1016/j.foodqual.2004.11.004.

Zhu, S., Vazquez Ramos, P., Heckert, O.R., Stieger, M., van der Goot, A.J., Schutyser, M., 2022. Creating protein-rich snack foods using binder jet 3D printing. J. Food Eng. 332, 111124. doi:10.1016/j.jfoodeng.2022.111124.

水系・油系ゲルを用いた食べられる導電性材料の探索：Human-Food Interactionへの応用

Wed, 16 Sep 2026 00:00:00 +0000

図1．提案手法の概要を示します。左ではハイドロゲルとオレオゲルに導電性フィラーを加えます。中央では両者の配合比によって食感や水・油への親和性を調整します。右ではバイゲルを食品3Dプリントに用いて回路を埋め込みます。親油性によって油脂の多い食品にもなじみます。

概要

本研究では食べられる導電性バイゲルを検討します。油系のオレオゲルと水系のハイドロゲルを組み合わせて作製します。配合比を調整すると食感を変えられます。水分の多い料理から油脂の多い料理まで対応できる3Dプリント用ゲルになります。食べられる導電性フィラーを加えたゲルを押出式の食品3Dプリントに用います。実験では食感を調整できることを示しました。センシングに利用できる導電性も得られました。チョコレートなどの実際の食品への組込みも示しました。本研究は食品に合わせて特性を調整できる食用インタフェースの基盤を提示します。

1．はじめに

食べられる導電性材料によって食用センサの作製や食品への電子機能の組込みが可能になりつつあります。食品そのものを対話的なインタフェースとして利用できます。既存研究では金箔などの食べられる金属から導電路を作製しています［1, 3, 6］。これらの材料は導電性に優れています。しかし壊れやすく手作業を要します。3Dプリントなどの自動製造には適していません。

より柔軟な材料として活性炭を加えたゼラチン系ハイドロゲルなどが研究されています［4］。ハイドロゲルは軟らかく型成形や切断で加工できます。一方で押し出した形状を自立させる強度が不足します。このため食品3Dプリントへの適用が難しくなります。また親水性の材料をチョコレートなどの油脂を主体とする食品に隠すことも難しくなります。

本研究では多様な食品と自動製造に適合する食用導電性材料としてオレオゲルとバイゲルを提案します。オレオゲルは油とゲル化剤から作る半固体で油への親和性を持ちます。これをゼラチン系ハイドロゲルと組み合わせてバイゲルを作ります。油と水の比率を調整することで流動性のある状態から形状を保持する状態まで変えられます。水系と油系の両方の食品に対応できます。

これらのゲルに食べられる導電性フィラーを加えます。3Dプリントへの適性と食品に組み込めることを示します。組成を調整したゲルをプリントすることで多様な食品にセンシング要素を埋め込めます。対話的な食事や個別化された栄養管理などへの応用を目指します。

2．作製方法

幅広い食品に適合する食用導電性材料の作製を目指しました。プリントに利用できる材料として食品用の成分からオレオゲルとバイゲルを調製しました。油と水の比率で材料特性を調整しました。導電性フィラーの添加によって電気を通すようにしました。

材料の組成と混合

オリーブ油に蜜蝋を7 wt%加えたオレオゲルを用いました。ハイドロゲルには水にゼラチンを7 wt%加えたものを用いました。それぞれを80°Cで事前に混合しました。食感と加工性への影響を調べるためにオレオゲルとハイドロゲルの質量比を3:7と5:5と7:3に設定しました。この順にオレオゲルがハイドロゲル中に分散する構造・共連続構造・ハイドロゲルがオレオゲル中に分散する構造に対応します。ハンドブレンダーで5分間混合して均一にしました。

導電性フィラーの添加

導電性を与えるために活性炭を30 wt%加えました。食べられる導電性フィラーとして用いた活性炭の濃度はパーコレーション閾値を上回ります。さらに食用銀フレークを0.04 wt%加えました。粒子間の接続を改善して抵抗を下げるためです［2］。型成形やプリントの前にマグネチックスターラーで十分に分散させました。

3．実験

配合比による食感の変化

オレオゲルとハイドロゲルの比率によってバイゲルの食感を調整できます。質量比が3:7と5:5と7:3の導電性バイゲルを作製しました。弾性と剛性を定性的に評価しました。3:7では弾性の高い軟らかなゲルになりました。オレオゲルの割合が増すと硬めのペースト状になりました。図2aに外観を示します。図1にもこの傾向を示します。その後の3Dプリントには5:5の配合を用いました。

導電性の測定

前述の手順で調製したオレオゲルとバイゲルを市販のLCRメータ（Sanwa）で測定しました。すべての試料で20,000〜30,000 Ω·cmの値が得られました。原文ではこの値を「抵抗」と記載しています。タッチセンシングや簡単なLED点灯などの低消費電力用途に十分な導電性が得られたと報告しています。食用銀フレークを0.04 wt%加えると5,000〜10,000 Ω·cmに低下しました。食べられる配線や回路を用いた食品インタフェースへの可能性を示します。

図2．aは配合比を変えたバイゲルの外観です。bは3Dプリント用のバイゲルです。cはチョコレート板に描いた食べられる回路です。

4．応用

食品3Dプリントと油脂の多い食品への組込みという二つの場面で応用可能性を調べました。

4.1．食品3Dプリント

オレオゲルとハイドロゲルが5:5のバイゲルでは弾性と粘性のバランスが良好でした。押出式の食品3Dプリントに適していました（図2b）。押し出した後の形状を保ちつつ安定した押出に必要な流動性もありました。

ゲルをプリントすることで導電領域を組み込んだ食用部品を設計できます。食べられる回路や触れると反応する食品表面などが考えられます。センシング領域の位置も制御できます。計算に基づく設計と自動製造による対話的な食体験の可能性が広がります。

4.2．油脂を主体とする食品の食感との適合

配合を調整すると油脂を主体とする食品の食感に近づけられました（図2c）。特にオレオゲルの割合が高い配合ではチョコレートやチーズに似た滑らかさと口当たりが得られました。水を主体とするハイドロゲルとは知覚される食感が異なります。この類似性によって食体験を損なわずに対話的な要素を組み込める可能性があります。食用インタフェースの設計では重要な点です。適切な配合を選ぶことで機能面に加えて知覚や味覚の面でも実際の食品になじむ電子機能を作れます。

5．考察

提案した導電性ゲルを用いて通常の食品に機能要素を組み込めます。配合比を調整することで感覚的な魅力を保てます。3Dプリントを用いると外観を損なわずに回路構造を埋め込めます［5］。現段階では初期的な検討にとどまります。今後は利用者の受容性と設計ツールを検討する必要があります。味を放出する一口サイズの食品や触れると反応するデザートなどへの応用が考えられます。

謝辞

本研究はJST ACT-X（JPMJAX24CQ）およびJSPS科研費（23K11198）の支援を受けました。

参考文献

書誌情報は原文の言語で掲載しています。

[1] Jialin Deng, Yinyi Li, Hongyue Wang, Ziqi Fang, and Florian ‘floyd’ Mueller. 2025. Sonic delights: Exploring the design of food as an auditory-gustatory interface. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM, New York, NY, USA, 1–19. https://doi.org/10.1145/3706598.3713892

[2] Kenta Fukada, Takuro Tajima, and Katsuyoshi Hayashi. 2022. Thermally healable food-based conductive oleogel ink with added edible gold-leaf powder. ACS Appl. Electron. Mater. 4, 12 (27 Dec. 2022), 6087–6093. https://doi.org/10.1021/acsaelm.2c01209

[3] Kunihiro Kato, Kaori Ikematsu, Hiromi Nakamura, Hinako Suzaki, and Yuki Igarashi. 2024. FoodSkin: Fabricating Edible Gold Leaf Circuits on Food Surfaces. In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ’24). Association for Computing Machinery, New York, NY, USA, Article 358, 17 pages. https://doi.org/10.1145/3613904.3642372

[4] Marion Koelle, Madalina Nicolae, Aditya Shekhar Nittala, Marc Teyssier, and Jürgen Steimle. 2022. Prototyping soft devices with interactive bioplastics. In Proceedings of the 35th Annual ACM Symposium on User Interface Software and Technology (UIST ’22, Article 19). ACM, New York, NY, USA, 1–16. https://doi.org/10.1145/3526113.3545623

[5] Yamato Miyatake, Parinya Punpongsanon, Daisuke Iwai, and Kosuke Sato. 2022. interiqr: Unobtrusive Edible Tags using Food 3D Printing. In Proceedings of the 35th Annual ACM Symposium on User Interface Software and Technology (UIST ’22). Association for Computing Machinery, New York, NY, USA, Article 84, 11 pages. https://doi.org/10.1145/3526113.3545669

[6] Parinya Punpongsanon and Hiroki Ishizuka. 2021. EdiSensor: Facilitating Food Electricity for Eating Habits Analysis. In 2021 IEEE 3rd Global Conference on Life Sciences and Technologies (LifeTech). 104–105. https://doi.org/10.1109/LifeTech52111.2021.9391948

ChewTect: Designing Temporal Food Texture via Computational Molding

Sat, 13 Jun 2026 00:00:00 +0000

🎉 論文「TastePrint」が学術誌 Applied Food Research に採録されました

Sat, 06 Jun 2026 00:00:00 +0900

論文 「TastePrint: A 3D food printing system for layer-wise taste distribution via airbrushed liquid seasoning」 が学術誌 Applied Food Research に採録されました。

食品3Dプリントの過程で味の分布を層ごとに制御する手法を提案しています。液体調味料をエアブラシで吹きつけます。噴霧する位置と量を変えて一つの食品の中に異なる味の分布を作ります。

著者: 宮武大和・プンポンサノン・パリンヤ
論文: Applied Food Research（DOI: 10.1016/j.afres.2026.102242）
関連プロジェクト: TastePrint

DIS 2026 で Best Paper Honorable Mention を受賞しました

Tue, 19 May 2026 00:00:00 +0900

論文 ChewTect: Designing Temporal Food Texture via Computational Molding がACM Designing Interactive Systems Conference (DIS) 2026 にて Best Paper Honorable Mention を受賞しました。

同じ材料でも内部構造を変えることで食感を設計する研究です。詳しくはプロジェクトページをご覧ください。

ChewTect

Tue, 28 Apr 2026 00:00:00 +0000

内部構造を制御して咀嚼中の食感の変化を設計する研究です。希望する食感に基づいて型（モールド）の形状を計算します。

食品の内部構造は硬さや弾力などの食感に影響します。この関係を利用して最初のひと噛みとその後の咀嚼における食感を調整します。設計した型を用いて食品を成形します。

ACM UIST 2025 でポスター発表を行いました。ACM DIS 2026 では口頭発表とデモ発表を行いました。同会議で Best Paper Honorable Mention を受賞しました。

TastePrint

Tue, 28 Apr 2026 00:00:00 +0000

食品3Dプリントの過程で層ごとの味の分布を制御する手法です。液体調味料をエアブラシで霧状にして層間に吹きつけます。

噴霧する位置と量を層ごとに指定します。これにより一つの食品の中に味の濃淡や異なる配置を作れます。食べる位置に応じて味が変わる食品の設計を目指します。

学術誌 Applied Food Research（2026年）に掲載されました。

TastePrint: A 3D Food Printing System for Layer-wise Taste Distribution via Airbrushed Liquid Seasoning

Wed, 15 Apr 2026 00:00:00 +0000

論文が ACM DIS 2026 に採録されました

Mon, 06 Apr 2026 00:00:00 +0900

食感の設計に関する論文がACM Designing Interactive Systems Conference (DIS) 2026 に採録されました。関連プロジェクト: ChewTect

機能推定による自動パラメータ生成を用いた3Dモデル編集の検討

Thu, 12 Mar 2026 00:00:00 +0000

代替食品における食感と構造改変との関連性に関する研究

Thu, 12 Mar 2026 00:00:00 +0000

着色要因による食欲変化と味覚への影響 ―クッキー事例として―

Thu, 12 Mar 2026 00:00:00 +0000

内部構造を制御した食品の咀嚼音特性に基づく食事摂取量推定

Thu, 12 Mar 2026 00:00:00 +0000

UC バークレー Morphing Matter Lab で research visit を行いました

Tue, 14 Oct 2025 23:28:00 +0900

2025年10月13日から12月11日まで共同研究のためにカリフォルニア大学バークレー校の Morphing Matter Lab に滞在しました。

Morphing Matter Lab は Lining Yao 教授が率いる研究室です。形が変化する材料の仕組みと計算に基づく設計・製作手法を研究しています。滞在中は Human-Food Interaction に関するプロジェクトで研究室のメンバーと共同研究を行いました。

EateryTag: Investigating Unobtrusive Edible Tags using Digital Food Fabrication

Sat, 04 Oct 2025 00:00:00 +0000

🎉 日本学術振興会特別研究員（DC2）に採用されました

Thu, 02 Oct 2025 00:00:00 +0900

日本学術振興会（JSPS）の**特別研究員（DC2）**に採用されました。

特別研究員制度は若手研究者の育成を目的としています。博士後期課程の学生の研究活動と生活を支援する制度です。採用期間は2026年4月からの2年間です。

UIST 2025 で2件のポスター発表を行いました

Wed, 01 Oct 2025 23:28:00 +0900

ACM Symposium on User Interface Software and Technology (UIST) 2025 にて以下の2件のポスター発表を行いました。

An Exploratory Study on Edible Conductive Materials Using Water and Oil-based Gels for Human-Food Interaction

Wed, 01 Oct 2025 00:00:00 +0000

Towards Personalized Food Texture through Internal Structure with 3D Printed Silicone Molds

Wed, 01 Oct 2025 00:00:00 +0000

🎉 食品への情報埋め込みに関する論文が Frontiers in Nutrition に採録されました

Thu, 25 Sep 2025 00:00:00 +0900

論文 「EateryTag: investigating unobtrusive edible tags using digital food fabrication」 が学術誌 Frontiers in Nutrition に採録されました。

食品の外観や味を保ちながら内部に情報タグを埋め込む手法を研究しています。表面にラベルやコードを貼ると外観やおいしさの感じ方に影響します。そこでタグを食品内部に配置します。

3Dプリンタを用いる方法に加えて型成形やスタンプによる方法も開発しました。家庭の調理環境での利用を想定しています。家庭で調理する3名を対象にワークショップを行いました。初めて使う参加者にも扱いやすいことを示す結果が得られました。

著者: 宮武大和・プンポンサノン・パリンヤ
論文: Frontiers in Nutrition（DOI: 10.3389/fnut.2025.1641849）

食品の電気抵抗情報を用いた可食センサーに関する研究

Mon, 03 Mar 2025 00:00:00 +0000

An Exploratory Study on Fabricating of Unobtrusive Edible Tags

Fri, 06 Dec 2024 00:00:00 +0000

SIGGRAPH Asia 2024 でポスター発表を行いました

Sun, 01 Dec 2024 00:00:00 +0900

SIGGRAPH Asia 2024 にて食品への情報埋め込みに関するポスター発表を1件行いました。

JST ACT-X に採択されました

Tue, 01 Oct 2024 00:00:00 +0900

科学技術振興機構（JST）の研究プログラム ACT-X（数理・情報のフロンティア領域）に採択されました。研究代表者として2027年3月までの研究を進めています。

埼玉大学博士後期課程に進学しました

Tue, 01 Oct 2024 00:00:00 +0900

埼玉大学大学院理工学研究科の博士後期課程に進学しました。

HaptoMapping: Visuo-Haptic Augmented Reality by Embedding User-Imperceptible Tactile Display Control Signals in a Projected Image

Fri, 29 Dec 2023 00:00:00 +0000

HaptoMapping: Visuo-Haptic Augmented Reality by Embedding User-Imperceptible Tactile Display Control Signals in a Projected Image

Fri, 29 Dec 2023 00:00:00 +0000

Food DX Through Unobtrusive Edible Tags using Food 3D Printing

Thu, 27 Apr 2023 00:00:00 +0000

HaptoMapping

Thu, 27 Apr 2023 00:00:00 +0000

投影映像に知覚できない制御信号を埋め込む視触覚AR技術です。装着型の触覚デバイスが信号を読み取ります。これにより映像に対応する触覚刺激を提示します。

映像と触覚を独立に制御できます。実物体の表面に映像を重ねて表示しながら触り心地も変えられます。

IEEE VR 2022 で口頭発表を行いました。学術誌 IEEE TVCG にも掲載されています。SIGGRAPH Asia 2020 と EuroHaptics 2020 でも発表しています。

Demonstration of interiqr: Unobtrusive Edible Tags using Food 3D Printing

Thu, 27 Oct 2022 00:00:00 +0000

interiqr: Unobtrusive Edible Tags using Food 3D Printing

Thu, 27 Oct 2022 00:00:00 +0000

センサ内蔵スマートテーブルウェアの構築とロボットアームによるフィードバックの検討

Fri, 27 May 2022 00:00:00 +0000

interiqr

Wed, 27 Apr 2022 00:00:00 +0000

食品の外観を保ちながら内部に情報を埋め込む手法です。3Dプリント時に内部の空隙の配置を制御します。

食品の表面にラベルやコードを貼ると外観が変わります。おいしさの感じ方にも影響する可能性があります。そこで空隙の配置を符号として用いて食品内部に情報を記録します。読み取りには背面から光を当てて撮影した画像を用います。画像処理によって内部の符号を識別します。

産地・原材料・アレルギー情報などを食品自体に記録する用途を想定しています。

ACM UIST 2022 で口頭発表とデモ発表を行いました。海外メディア New Atlas にも取り上げられました。

interiqr tech prints edible, informational QR codes right into foods

Wed, 27 Apr 2022 00:00:00 +0000

https://newatlas.com/3d-printing/interiqr-3d-printed-qr-code-food

3Dプリント食品内部への情報埋め込み

Thu, 03 Mar 2022 00:00:00 +0000

SIGGRAPH Asia 2020 Emerging Technologies でデモ発表を行いました

Fri, 04 Dec 2020 23:28:00 +0900

SIGGRAPH Asia 2020 の Emerging Technologies にてHaptoMapping のデモ発表を行いました。

宮武大和・平木剛史・前田智祐・岩井大輔・佐藤宏介. “HaptoMapping: Visuo-Haptic AR System using Projection-based Control of Wearable Haptic Devices.”

EuroHaptics 2020 で口頭発表を行いました

Sun, 06 Sep 2020 23:15:15 +0900

EuroHaptics 2020 の口頭発表セッションで以下の論文を発表しました。

宮武大和・平木剛史・前田智祐・岩井大輔・佐藤宏介. “Visuo-Haptic Display by Embedding Imperceptible Spatial Haptic Information into Projected Images.” [PDF]

HaptoMapping: Visuo-Haptic AR System using Projection-based Control of Wearable Haptic Devices

Sun, 06 Sep 2020 00:00:00 +0000

Visuo-Haptic Display by Embedding Imperceptible Spatial Haptic Information into Projected Images

Sat, 05 Sep 2020 00:00:00 +0000

大阪大学大学院基礎工学研究科に進学しました

Wed, 01 Apr 2020 23:32:55 +0900

大阪大学基礎工学部を卒業しました

Mon, 30 Mar 2020 23:32:55 +0900

HaptoMapping: 映像への不可視な情報埋め込みによる視触覚重畳提示

Mon, 09 Mar 2020 00:00:00 +0000

インタラクション 2020 でデモ発表を行いました

Mon, 09 Mar 2020 00:00:00 +0900

インタラクション 2020 のインタラクティブセッション（デモ発表）で以下の論文を発表しました。

宮武大和・平木剛史・前田智祐・岩井大輔・佐藤宏介. 「HaptoMapping: 映像への不可視な情報埋め込みによる視触覚重畳提示」 [PDF]

Mon, 01 Jan 0001 00:00:00 +0000

Title: “Mediated Social Haptics ざっくりまとめ”

Tag: Haptics

工事中

(Mediated) Social Haptics とは？
Reciever deviceの研究
Toucher deviceの研究

Mon, 01 Jan 0001 00:00:00 +0000

News | Yamato Miyatake