| Project/Area Number |
22K12212
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61050:Intelligent robotics-related
|
|---|
| Research Institution | Soka University (2024)
Ritsumeikan University (2022-2023) |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 生成モデル / 生活支援ロボット / 転移学習 / ベイズ推論 / 能動学習 / 基盤モデル / 記号創発ロボティクス / カテゴリゼーション / 知識転移 |
|---|
| Outline of Research at the Start |
家庭環境は，未知の物体や場所の知識で溢れている．生活支援ロボットがこれらの知識をユーザとの限られたインタラクションの中から獲得するには，ロボット個体が得た観測のみならず，複数ロボットが獲得した知識も活用しながら学習する事が望ましい．本研究では，複数ロボットが獲得した観測から物体や場所の一般的な知識を形成し，この知識を効果的に用いた環境適応を実現する知識転移システムの基盤を創成する．これにより，多様なユーザや環境とのインタラクションに根ざした一般常識の形成と一般常識を効果的に用いた環境適応を可能とする自律的な転移学習システムの設計論の道が開かれる．
|
| Outline of Final Research Achievements |
In this study, we developed a knowledge transfer system in which multiple life-support robots aggregate multimodal observational data obtained in their respective environments via a server platform to generalize and share spatial concepts and object knowledge. In addition to designing learning modules based on hierarchical Bayesian models, we incorporated foundation models such as CLIP and VLM to introduce prior knowledge through the integration of visual and linguistic information, thereby enhancing learning efficiency and prediction accuracy in novel environments. Furthermore, by integrating an active learning approach based on expected free energy, the system enables efficient collection of essential data for learning, achieving a balance between knowledge transfer and environmental adaptability.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は，複数のロボット間および基盤モデルとの間での知識転移を通じて，ロボットが環境の違いを超えて共通の概念を獲得・活用できる新たな計算論的枠組みを提案した点で学術的意義が大きい．階層ベイズ推論，生成モデル，能動学習，基盤モデル活用といった異分野の技術を統合し，知能ロボティクスと認知発達・機械学習の接点を切り拓いた．また，学習効率と適応力を向上させた本手法は，高齢者介護や生活支援などの実社会におけるロボットの活用範囲を広げ，持続可能な福祉社会の実現に寄与する．
|
