| 研究課題/領域番号 |
14580426
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 会津大学 |
|---|
研究代表者 |
趙 強福 会津大学, コンピュータ理工学部, 教授 (90260421)
|
|---|
| 研究分担者 |
劉 勇 会津大学, コンピュータ理工学部, 助教授 (60325967)
|
|---|
| 研究期間 (年度) |
2002 – 2003
|
| 研究課題ステータス |
完了 (2003年度)
|
| 配分額 *注記 |
2,100千円 (直接経費: 2,100千円)
2003年度: 1,000千円 (直接経費: 1,000千円)
2002年度: 1,100千円 (直接経費: 1,100千円)
|
|---|
| キーワード | 移動型ロボット / ニューラルネット / 進化学習 / 決定木 / ニューラルネットツリー / ルール抽出 / ルールの理解 / ルールの再利用 / 判別木 / 実時間学習 |
|---|
| 研究概要 |
2年間において、主に以下の研究について検討した:
1.ニューラルネットコントローラの学習と理解:自律型ロボットを設計するに際して、個々の状況をすべてロボットに教えることはできないので、進化学習か強化学習が有効だと思われる。本研究では進化学習を採用した。対象になっているものはミニロボットKheperaである。目的は、
(1)進化学習によって、与えられた環境の中で障害物を回避し、なるべく長く走れる、或は、指定したゴール(光源)までいけるニューラルネットコントローラを設計する;
(2)ニューラルコントローラからルールを抽出する;
(3)ルールを解析し、有用と思われるものを次のロボットの進化学習に再利用し、その進化を加速する。
これまでの研究では、(1)と(2)についてある程度成功し、その結果を国際会議で発表した。(3)についてはまだ検討中である。問題点としては、抽出したルールが複雑しすぎて、理解できないことである。現在は、簡単なルールを抽出するためにいくつかの方法を提案し、考察している。
2.理解しやすいコントローラのモデリング:通常のニューラルネットを使うと、学習済みのものを解釈するための計算量は入力数に関してNP完全問題である。本研究では、ニューラルネットツリー(NNTree)を提案した。NNTreeは決定木の一種で、各中間ノードはエックスパートニューラルネット(ENN)で構成されている。各ENNにいくつか有用な特徴だけを利用すれば、決定能力を落とさずに、NNTreeを多項式時間で解釈できる。このようなNNTreeを設計するために、多目的計画法を基にした遺伝的アルゴリズムを採用した。実験結果からわかることは、(1)設計したNNTreeの解釈は簡単となった;(2)システムの性能はあまり低下しなかった;しかし、(3)設計自身は更に難しくとなった。したがって、現状では、NNTreeを自律型ロボットの制御にはまだ使えない。
|
