| Project/Area Number |
09750524
|
|---|
| Research Category |
Grant-in-Aid for Encouragement of Young Scientists (A)
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
計測・制御工学
|
|---|
| Research Institution | Chiba Institute of Technology |
|---|
Principal Investigator |
山口 智 千葉工業大学, 工学部, 講師 (30220263)
|
|---|
| Project Period (FY) |
1997 – 1998
|
| Project Status |
Completed (Fiscal Year 1998)
|
| Budget Amount *help |
¥2,100,000 (Direct Cost: ¥2,100,000)
Fiscal Year 1998: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 1997: ¥1,300,000 (Direct Cost: ¥1,300,000)
|
|---|
| Keywords | 自律移動ロボット / 逆モデリング / フィードバック誤差学習 / ニューラルネットワーク / 順モデル / Hierarchical Mixtures of Experts |
|---|
| Research Abstract |
本研究は、ニューラルネットワークによる逆モデリングのための学習アルゴリズムを用いることによって、自律移動ロボットの協調制御を行うとともに、ロボットの逆モデリングに適した学習アルゴリズムを考案することを目的としている。
自律移動ロボットが効果的に働くためには、ロボットが自分自身の持っているセンサなどを利用して周囲の環境を認識しながら作業を進める能力が要求される。つまりロボットは、自分自身が持つセンサからの入力からなすべき作業を決定することになる。しかも、作業の結果の良否を判断するために得られる量もセンサから得られる周囲の環境の化を反映した値である。ここで、ロボットのコントローラは、作業の結果望ましい変化をした環境を表すセンサの値を入力として、そのようなセンサの値を得るためにロボットが行うべき作業を実現する命令を出力とするものとなる。つまり、コントローラはロボッドの逆モデルとなる。
本研究では、ニューラルネットワークによる逆モデリングの手法の一つであるフィードバック誤差学習を利用して自律移動ロボットの協調制御のためのコントローラを作成した。逆モデリングの際には、フィードバックコントローラを利用するため、移動ロボットの目標出力は全て既知である必要があった。しかし、ロボットの置かれている環境の特性が未知であることを仮定しているため、全ての時点での目標出力は容易には得られない。そこで、逆モデリングの前にロボットの順モデルを作成することで、フィードバックコントローラの目標出力を推定した。さらに逆モデルのネットワークアーキテクチアとして、Hierarchical Mixtures of Expertsを用いることによって、未知の環境に対して、自らのとるべき行動を適切に選択するためのアルゴリズムを提案した。
|
