強化学習に基づく自己位置推定のための地図および環境の最適化

• Project/Area Number: 24K15136
• 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: Tokyo Metropolitan Industrial Technology Research Institute
• Principal Investigator: 吉村 僚太 地方独立行政法人東京都立産業技術研究センター, 技術支援本部地域技術支援部城南支所, 副主任研究員 (30744940)
• Co-Investigator(Kenkyū-buntansha): 丸田 一郎 京都大学, 工学研究科, 准教授 (20625511) ; 藤本 健治 京都大学, 工学研究科, 教授 (10293903)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2024: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
• Keywords: 自己位置推定 / 強化学習 / 自律移動 / 環境地図 / 環境レイアウト

Outline of Research at the Start

環境の地図を活用した自己位置推定が盛んに研究されているが、廊下のような目印となる物体が少ない環境では失敗しやすい。これを解決するため、本研究では地図および環境を自己位置推定精度という評価指標で最適化することを考える。地図最適化は目印とすべき物体を地図上で抽出して重み付けすることであり、地図データの修正のみで推定精度を改善できる。環境最適化は環境の最適なレイアウトを求めることである。環境にある目印を有効活用可能にする地図最適化に対し、環境最適化は目印を新たに作り出すものであり、同時に最適化することで相互補完できる。