2014 Fiscal Year Research-status Report
行為経験に基づいた概念の形成とその組み合わせ操作を行う認知メカニズム
| Project/Area Number |
26870649
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
有江 浩明 早稲田大学, 理工学術院, 助教 (20424814)
|
|---|
| Project Period (FY) |
2014-04-01 – 2016-03-31
|
| Keywords | 記号設置問題 / ニューラルネットワーク / 認知発達ロボティクス |
|---|
| Outline of Annual Research Achievements |
自らの行為経験から概念を形成し、それらを組み合わせることによって新たなパターンを生成することは、人の持つ高次な認知的能力の一つである。本研究課題では、適切な組み合わせ操作を行うためには、概念が実世界に対応づけられている必要があるという仮説に基づき、経験によって得られた感覚運動情報から、組み合わせ操作可能な概念を形成する過程を、構成論的アプローチにより理解することを目的としている。これを実現するために、平成２５年度の研究計画には、(A)ロボット実験プラットホームの整備と(B)概念の創発的学習モデルの開発を挙げていた。各項目における研究実績を以下にまとめる。
(A)ロボットによる物体操作課題を設定し、これを行うためのロボットプラットホームの開発を行った。具体的には、小型ヒューマノイドロボットから各種センサ情報を取得し学習器へ渡すプロセス、および学習器からの出力を用いてロボットの運動を制御するプロセスを実装し、実験環境を構築した。
(B)概念の創発的学習モデルとしてSCTRNNと呼ばれる人工神経回路モデルを用いる枠組みを構築した。また、予備的な実験において、人工神経回路モデルの内部に、組み合わせ的操作を表象する構造が獲得される可能性が示唆された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成２５年度の研究計画、(A)ロボット実験プラットホームの整備と(B)概念の創発的学習モデルの開発に関して、以下のように進捗を評価する。
(A)小型ヒューマノイドロボットを用いた物体操作課題を設定した。具体的には対象物の色が３色、ロボットのとる行為が２種類として、計６パターンの組み合わせが含まれる課題とした。また、この課題を行うために必要となる色情報を取得するため、ロボットの頭部に搭載されたカメラから画像を取得し、特徴量を計算するプログラムの実装を行った。また、学習器として用いる人工神経回路モデルにこの特徴量を入力し、学習器から得られた出力をロボット制御器に渡すプログラムの実装も行った。以上のように、実験プラットホームの整備は順調に進んでいると考えられる。
(B)上記の物体操作課題を実行した際に得られる感覚運動情報を学習させ、SCTRNNと呼ばれる人工神経回路モデルが、組み合わせ的な構造を学習できることを確認した。さらに詳しく解析を行ったところ、組み合わせ的な構造が人工神経回路モデルの内部状態に幾何学的に埋め込まれることを明らかにした。従って、当初計画していた２５年度の目標は達成されていると考えられる。
|
| Strategy for Future Research Activity |
今後は当初計画に従い、２５年度に実現した概念の組み合わせ学習を行う人工神経回路モデルを用いて、対象物と操作の種類を増やし、汎化学習の能力に関する検討を行う。特に、未学習の組み合わせを実行しようとした際に、すでに獲得されている概念を組み合わせることで、実世界で適切な行為を生成しうるのかという課題を扱う計画である。また、実ロボットを用いることで、実験者による実験環境への物理的な介入が容 易になるので、様々な未経験状況でのロボットの汎化能力を観察する。
|
| Causes of Carryover |
当初計画では全身型のヒューマノイドロボットを購入する予定であったが、ロボット実験タスクの検討を進める中で、上半身型のヒューマノイドロボットの方が適当であることが明らかとなり、購入するロボットを変更した。これにより次年度使用額が生じた。
|
| Expenditure Plan for Carryover Budget |
予備的な実験で、人工神経回路モデルの学習計算に長い時間がかかることが明らかとなった。この問題を改善するため、２７年度に購入予定であっる学習計算用サーバーを増強するために使用する計画である。
|
