| Project/Area Number |
20KK0256
|
|---|
| Research Category |
Fund for the Promotion of Joint International Research (Fostering Joint International Research (A))
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 20020:Robotics and intelligent system-related
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2021 – 2023
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥11,700,000 (Direct Cost: ¥9,000,000、Indirect Cost: ¥2,700,000)
|
|---|
| Keywords | 運動学習 / 模倣学習 / 深層強化学習 / 同期現象 / 運動シナジー / CPG / 環境適応 / 運動制御 |
|---|
| Outline of Research at the Start |
本研究の基課題は、環境適応可能なリズミックな運動生成をどのような計算方法で実現できるかという環境協調運動制御メカニズムを解明するものである。環境情報が未知でも、人間が関節間の協調運動を学習アルゴリズムで発現することができる手法を開発している。四足歩行動作ではその運動学習法の有効性を示すことができたが、本国際共同研究ではさらに一歩進んで、一般的な身体モデルの同期現象の学習による生成モデルへと拡張し、多自由度の同期現象を統一的に理解する数理モデルを構築する。またヒトの運動学習特性を再現できるかどうかも検証する必要性があり、その実現に向け国際共同研究を行う。
|
| Outline of Final Research Achievements |
The main theme of this research, "Mechanism of Expression of Diverse Movements through Environment-Adaptive Learning Independent of Environment Models and Oscillator Models," aims to elucidate the mechanism of environment-coordinated motion control by investigating how environment-adaptive rhythmic motion generation can be achieved through what computational methods. This international collaborative research has yielded results contributing to a unified understanding of human environmental adaptation learning methods from three perspectives. With Professor d'Avella from Italy, achievements have been made in understanding and replicating the synergy structure of whole-body movement expression processes. With Professor Burdet from the UK, achievements have been made in enhancing motor learning efficiency through shared tactile information. With Professor Ijspeert from Switzerland, foundational technologies for developing AI capable of mimicking biological movements have been developed.
|
| Academic Significance and Societal Importance of the Research Achievements |
近年、深層強化学習や模倣学習をそれぞれ用いたロボット制御の応用研究が活発に行われ注目されています。深層強化学習を活用する場合には環境適応可能な運動が生成できるものの、広大な入力空間の探索に膨大な計算コストを要することが問題となります。一方、模倣学習を用いる場合には学習した運動に近い範囲に環境適応性が制限されるという問題が一般的に知られています。今回の提案手法は深層強化学習と模倣学習の両面の利点を生かすことができ、またその欠点を補いあうことができる新しい運動生成の手法となり、多自由度系で生体の自己組織的な振る舞いの生成をAIにより実装する技術につながります。
|
