| 研究課題/領域番号 |
12750215
|
|---|
| 研究種目 |
奨励研究(A)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
知能機械学・機械システム
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
KARL Macdorman (MACDORMAN Karl F.) 阪大, 基礎工学研究科, 講師 (10294167)
|
|---|
| 研究期間 (年度) |
2000 – 2001
|
| 研究課題ステータス |
完了 (2001年度)
|
| 配分額 *注記 |
1,900千円 (直接経費: 1,900千円)
2001年度: 500千円 (直接経費: 500千円)
2000年度: 1,400千円 (直接経費: 1,400千円)
|
|---|
| キーワード | シンボル / 環境認識 / ウェーブレット変換 / ベイジアン識別モデル / 行動学習 / パーティションネットワーク / 感覚運動系 / 内部状態 |
|---|
| 研究概要 |
センサ・モータ情報からシンボル表現に至る情報処理過程をシンボル創発の観点から見直し、その具体化について検討した。まず環境認識の機能については、アプリオリな知識を用いず経験を通して視覚的なカテゴリーを発展させるメカニズムを提案した。冗長な画像情報から不変的な特徴量を抽出するためにウェーブレット変換を利用した多重解像度処理を行った後、ベイジアン識別モデルによって特徴量に基づくカテゴリー化を行う方法である。実験では、全く事前知識を与えずとも次第にカテゴリーが増え、あるいは一定時間更新されない物体は削除されることにより、データベースが増減することを確認した。また行動の獲得に関しては、ロボットの行動によって生じる視覚情報の変化にはロボットの身体性が含まれているという観点から、オプティカルフローとモータコマンド間のマップを学習する方法について検討した。その中で、マップの非線形性に応じたユニット数の自動選択機能を実現するためにパーティションネットワークと呼ぶアルゴリズムを開発した。これは、近傍点探索法を加味した階層型ニューラルネットワークであり、入力空間を複数の部分空間に区切ることで予測精度を改善し収束スピードを向上させることができる。
以上の機能を利用し、シンボルの例としてwhatとwhereを取り上げ、その創発を試みた。すなわち、(1)物体のウェーブレットによる特徴量をベイジアン識別モデルで統計的に処理し、物体の識別を行う(2)学習した感覚運動系のマップを用いて環境中を移動し、物体にアクセスする(3)接触したときの内部状態の変化によって物体を評価するという一連の過程を実現した。
|
