| Project/Area Number |
22KJ0907
|
|---|
| Project/Area Number (Other) |
22J13620 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 61050:Intelligent robotics-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
吉田 尚人 東京大学, 情報理工学系研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 深層恒常性強化学習 / 深層強化学習 / 恒常性 / 行動創発 / 強化学習 / 深層学習 / ロボット / 機械学習 / ロボティクス / 自律エージェント / 内受容感覚 |
|---|
| Outline of Research at the Start |
ロボット等の人工のエージェントを、何らかの意味で生命的といえる特質をもつシステムとして構築し、それが自ら行動を生み出す。そのようなシステムを構築することは可能だろうか？本研究はこの問いに対して、動物が生存するための総合的な機能：恒常性からアプローチする。そして自身の身体内部の状態を外部環境との相互作用を通した制御を学習することで適応的な行動がボトムアップに生じるとする、計算神経科学に着想した行動生成手法を追求する。独居世帯の増加する我が国において、生命性をもつロボットの開発は重要な要件である。本研究はこれにより、生存を目的として統合された真に生命的なAIの基盤技術の構築をめざす。
|
| Outline of Annual Research Achievements |
最終年次にあたる本年度では，これまでに確立した手法の応用を展開し以下の3つの点で成果を得た．（１）ロボット内部の物理情報を内受容感覚として入力とすることで，実ロボットにおける恒常性に基づく行動創発を世界で初めて構成した．（２）栄養生物学における動物の長期的な採餌行動特性の定量化手法の1つである「栄養の幾何学的アプローチ（Geometric Framework for Nutrition, GFN）」に着目した．GFNにおいて知られている3種類の異なる長期的な行動特性が，深層恒常性強化学習を用いたシミュレーション実験を通してそれぞれエージェントの代謝ダイナミクスの差異のみによって表現可能であることを示した．（３）深層恒常性強化学習におけるより複雑な行動創発可能性を検証するため，オープンエンド性をもつ学習環境を構築し，行動最適化を実行した．その結果，エージェントは内受容感覚の恒常性に対して自明な採餌等のふるまいのほか，自身が安全となるシェルターの構築などの恒常性に対して非自明性の高いふるまいが観察された．深層恒常性強化学習に関する昨年度までの一連の基礎なシミュレーション研究については現在国際誌に投稿中であり，プレプリントで既に公開している他， 深層恒常性強化学習のためのネットワーク構造の提案についてはInternational Joint Conference on Neural Networks 2023で論文が採択され口頭発表している．また（3）に関してはThe 11th International Symposium on Adaptive Motion of Animals and Machines, 2023で採択され共同研究者とともに発表している．
|
