スパイキングニューラルネットワークのサロゲートモデルベース深層強化学習手法の確立

• Project/Area Number: 25K07685
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 20020:Robotics and intelligent system-related
• Research Institution: Chiba Institute of Technology
• Principal Investigator: 三木 大輔 千葉工業大学, 情報変革科学部, 助教 (70757343)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
• Keywords: 深層強化学習 / スパイキングニューラルネットワーク / ソフトロボット

Outline of Research at the Start

本研究では，ソフトロボットのようなモデル化が難しく，ロボットが選択した行動が遅延して状態に反映されるような実機ロボットの行動制御モデルを迅速に学習するための新たな深層強化学習（DRL）アルゴリズムを確立する．これまでに伸縮性と柔軟性に優れた素材を使用したソフトロボットの制御のためのSpiking Neural Network（SNN）およびそのDRLアルゴリズムを提案し，さらに実機のソフトロボットを用いてその有効性を示したが，その学習に長時間を要することが課題であったため，本研究ではSNNによるモデルベースDRLの実現およびそのためのダイナミクスモデルを確立する．