2019 Fiscal Year Annual Research Report
階層的目標志向行動を学習・生成する神経ダイナミクスモデル
| Project/Area Number |
16H05878
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
有江 浩明 早稲田大学, 次世代ロボット研究機構, その他(招聘研究員) (20424814)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 認知発達ロボティクス / 深層学習 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究課題では，階層的目標志向行動の学習及びその適応的な生成に関する神経メカニズムをロボット構成論的アプローチから理解することを目指している．前年度までの研究では，行動開始前に行う静的なプランニングを扱ってきた．本年度は，ロボットが行動生成中に行う動的なプランニングについて検討を行った．
具体的には，前年度までに構築した視覚運動情報の予測学習を行うことが可能な階層的深層生成モデルに対して，勾配法に基づく動的なプランニングのメカニズムを付与した．本モデルは，目標画像を低次元の目標特徴量に圧縮し，その特徴量に基づき視覚運動情報の予測生成を学習する．またそれと同時に，低次元の目標特徴量を元の次元の目標画像へ再構成することも学習する．学習後は，予測された運動情報に基づきロボットは行動を生成し，また，予測された視覚情報と実際の視覚情報を比較することで予測誤差を算出する．この予測誤差を目標特徴量に逆伝播し，勾配法を用いた最適化計算によって特徴量を修正する．これによって，予測とは異なる状況が生じた場合も現実に即した目標特徴量の推定が可能になる．また，修正された目標特徴量を目標画像として再構成し可視化することも可能である．
本手法の検証をおこなうために，人間とロボットによる協調作業タスクを設定した．ブロック組み立ての完成状態に関する目標画像を複数用意し，それぞれに対して決められた順序でロボットがブロックをつかみ，人間に渡し，それを組み立てるという作業を，目標が達成されるまで繰り返した．その際に得られた視覚運動情報と目標画像を用いてモデルの学習を行った．学習後のモデルを用いた行動生成実験では，人がロボットと初めに共有した目標を途中で別の目標へ変えた場合も，予測誤差を用いた勾配法に基づく動的なプランニングによって，ロボットの適応的な行動生成が実現可能であることを確認した．
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
