2022 Fiscal Year Annual Research Report
Development of Intelligence Robots Development of Intelligent Robots Controlled by Chemical Reaction of Substances
| Project/Area Number |
21H03512
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Future University-Hakodate |
|---|
Principal Investigator |
櫻沢 繁 公立はこだて未来大学, システム情報科学部, 教授 (40325890)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
香取 勇一 公立はこだて未来大学, システム情報科学部, 教授 (20557607)
高木 清二 公立はこだて未来大学, システム情報科学部, 准教授 (80372259)
田中 吉太郎 公立はこだて未来大学, システム情報科学部, 准教授 (80783977)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Keywords | レザバー計算 / BZ反応 / BZゲル / 化学知能ロボット / ソフトマター |
|---|
| Outline of Annual Research Achievements |
本研究では、BZ反応によって自律的に膨潤・収縮する機能性高分子（BZゲル）を用いて、「知能」に必要となる「感覚・運動」機能および「判断・学習機能」を実装した化学知能ロボットを実現することを目的としている。
2022年度の実績のうち「感覚・運動」については、BZ ゲルの運動制御を明らかにするために数理モデリングを行った。BZ反応の空間パターンの時間変化を反応拡散系によってモデル化し、BZ反応の酸化・還元に対応して膨潤・収縮を繰り返すBZゲルの運動を弾性体の蠕動運動と見立て、1次元空間上の質点をバネで複数連結したマルチブロックモデルで定式化した。これによって、壁際で反応の進行波が反転し、進行方向が逆転する化学知能ロボットの数理モデルを構築した。これによって、自らの運動によって生ずる反応基質の濃度変化によって、環境の状況を知覚し運動を制御する化学知能ロボットの運動機構が明らかにされた。
「判断・学習」については、2021年度に数値シミュレーションによって明らかにされたBZレザバーのカオス的時系列推定能を、2022年度では実験系によって明らかにした。メンブレンフィルターにBZ反応の反応金属触媒を固定しアクリルアミドゲルでコーティングし、ガラスフィルター上で金属触媒以外の溶液に浸し反応場とした。そこに入力情報に比例した光エネルギーを与え、その出力として酸化型金属触媒の濃度の情報上部から10×10の格子点の輝度変化をビデオカメラで撮影しPCに取り込み、出力重みを乗じて線形和をとった値を予測値とした。この値と予測する時系列情報との差を以て、出力重みをリッジ回帰によって更新する操作を繰り返し行い、学習を行った。この学習が終了した後、出力値を入力にフィードバックすることで時系列予測を行った。その結果、sin波及びMackey Glass方程式の解の時系列予測が短時間ながら成功した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度の2021年度における最も重要な課題は、BZ反応を用いたレザバー計算の可能性を探る事であり、数値シミュレーションを用いた調査の結果、理論的に可能であることが示された。また、2022年度ではBZゲルのスイッチバックのシミュレーションと、BＺレザバーの実験系構築及び時系列予測に成功し、順調に進んでいることから、おおむね目標に沿っていると考えられる。
|
| Strategy for Future Research Activity |
2022年度において、「感覚・運動」のスイッチバックの機能については1次元空間についてはほぼ明らかにされた。一方で実際の実験系は2次元運動であり、これらを2次現に拡張し、継続してシミュレーションする。「判断・学習」については、BZレザバーについて、BZ反応の反応条件と学習効率との関係をシミュレーションで調べる。実験系では、BZレザバーによる学習・判断機能がより高度である事を示すために、タスクを高度なものにして、その能力の高さについて検証する。例えば音声認識など高度な時系列パターンの識別などの可能性を検討する。
|
