2019 Fiscal Year Research-status Report
二個体間における協調の形成と崩壊の予測符号化に基づくロボット構成論的理解
| Project/Area Number |
19K20364
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
村田 真悟 国立情報学研究所, 情報学プリンシプル研究系, 助教 (80778168)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 予測符号化 / 予測誤差最小化 / 認知ロボティクス / ニューラルネットワーク / インタラクション |
|---|
| Outline of Annual Research Achievements |
本研究課題では，人間の他者との協調を支える認知情報処理機構の理解を目的とし，認知神経科学・機械学習・ロボティクスの観点を統合したロボット構成論的手法により取り組む．特に，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因によって生じる協調の形成とその崩壊に関する動的過程に着目する．
令和元年度は，脳の情報処理の仕組みとして提案されている予測符号化を階層的な再帰型神経回路モデル（Recurrent Neural Network: RNN）で具現化し，（i）の適応的側面や（ii）の計画的側面を扱うための，勾配法に基づく最適化手法（Adaptation and Planning by Gradient Decent: APGraDe）を提案した．具体的には，本手法では過去を振り返り，また，未来を想像することで，（1）実際の観測情報，（2）未来に観測を期待する情報，（3）それらに対する予測結果を算出し，反実仮想的な予測誤差を計算する．この予測誤差の合計値を最小化するように，RNNの上位表現の内部状態を勾配法によって修正することで，過去に関する予測誤差は適応に貢献し，未来に関する予測誤差は計画に貢献することが可能となる．提案する最適化手法であるAPGraDeをロボットに実装し，人とロボットの協調に関する学習実験を行なった．具体的には，ロボットは実験者と共に物体操作に関する協調作業を行うことを学習した．実験の結果，ロボットに対して未来に観測を期待する情報を与えることで，予期せぬ状況に対する適応と，自らの期待を実現するための計画の両者を同時に実現可能であることが確認された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では，二個体間におけるインタラクションにおいて，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因が協調の形成と崩壊をもたらすと考えている．令和元年度はこのように異なる外的・内的要因を統一的に扱うことが可能な勾配法に基づく最適化手法（Adaptation and Planning by Gradient Decent: APGraDe）を提案し，その実装を行った．本来行う予定であった実験はロボット同士のインタラクションであったが，不確定要素を低減するため，まずは人とロボットの簡易的なインタラクション実験を行い，その検証結果を得てから二台のロボットを用いた実験へと拡張することとした．令和元年度は人とロボットのインタラクション実験のための環境構築を行い，提案手法の有用性を確認することができた．また，本手法の提案及び実験による検証結果については既に査読付き国際会議において発表済みである．
以上より，現在までの進捗状況はおおむね順調に進展していると評価することができると考えられる．
|
| Strategy for Future Research Activity |
今後の研究では令和元年度に構築した計算フレームワークを利用して，二台ロボット間のインタラクション実験を実施していく．具体的には，令和元年度は外的要因のうち環境変化のみを扱っていたため，他者のふるまいも扱うことができるようにする．そのための方策として，ロボットが取得する画像情報をそのまま視覚情報として用いることを考える．具体的には，画像情報をConvolutuonal Neural Network（CNN）ベースのエンコーダを用いて視覚特徴量として低次元に圧縮し，その圧縮された情報とロボットの運動情報を合わせることでRNNへの入力とする．そしてRNNは視覚特徴量と運動情報を予測し，予測された視覚特徴量をCNNベースのデコーダによって元の画像情報の次元へと展開する．
以上のような実験を実施するため，ロボットを新たに購入し，GPU計算機も購入することで研究の加速を目指す．
なお，研究が順調に進展した際は二台ロボット間インタラクション実験で実施するタスクの複雑性を上げる予定である．
|
| Causes of Carryover |
研究計画当初は，既に保有するロボットと追加で購入するロボット二台を用いてインタラクション実験を行う予定であった．今年度はその前段階として，人とロボットのインタラクション実験のみを実施したため，ロボットを追加購入する必要がなくなり次年度使用額が生じた．
次年度はロボットとGPU計算機を購入予定である．
|
