研究課題/領域番号 |
20K19880
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分61040:ソフトコンピューティング関連
|
研究機関 | 北海道大学 |
研究代表者 |
野口 渉 北海道大学, 情報科学研究院, 博士研究員 (60868082)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | 空間認知 / 深層学習 / 身体イメージ / 内部モデル / 模倣 / 予測学習 / 自己 / 他者 / ミラーニューロン |
研究開始時の研究の概要 |
本研究では,模倣のために必要な自己と他者の身体動作の対応付けをコードするミラーニューロンと,ミラーニューロンを利用して模倣能力を獲得する深層学習モデルを構築することで,ミラーニューロンと模倣能力の獲得メカニズムを明らかにする. とくに,深層学習を用いて実際の生物に近い複雑な情報の認識が可能なモデルを構築し,生物と同等な経験からミラーニューロン・模倣能力の獲得するという点でモデルの妥当性を示す.
|
研究実績の概要 |
本年度は,自己と他者の身体の対応づけを実現するための身体の内部モデル(身体イメージ)を獲得する深層学習モデルの構築を進めた.まず,身体の空間的な形状を表現するための基盤となる空間座標の表現を,感覚運動の経験を通して獲得する深層学習モデルを構築した.構築したモデルは,ロボットがさまざまな姿勢で環境中の物体に触れることで環境中の物体を観測し,その後同じ環境中で各姿勢に対応して得られる触覚を再構築する学習を行う.この再構築学習を通したモデルの空間認識獲得能力は,ロボットが2次元の環境平面に配置される物体を手の先のセンサーで触る環境下でのシミュレーションにより具体的に確かめられた.すなわち,モデルが内部に環境平面の空間座標および物体の表現を獲得し,また,ロボット姿勢の固有感覚を内部空間座標にマッピングすることで身体姿勢と触覚入力との対応を構築するように学習することが示された.
また,本年度末には,同様な再構築学習を視覚について行うことによって空間座標の表現とともにロボットの自己身体の形状の表現する身体イメージを獲得する結果を得ている.現状では空間座標および身体イメージは3次元の立体的な表現ではなく2次元の表現として得られているという点はあるものの,ロボットの存在する環境の空間座標系の上に表現される身体イメージは,同じ環境空間に存在する他者との共有な身体イメージとして利用可能なものであると考えられる.よって,最終年度である次年度において,本研究課題の目的である,自己と他者で共有な身体イメージにより自己と他者の身体対応づけを行う深層学習モデルの構築を進めることが可能となった.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は,一人称的視覚や運動感覚のような感覚情報のみの学習から空間座標の表現および身体イメージを獲得するモデルを構築するという,初年度の研究を通して生じた課題が達成されており,順調に進展していると判断される.
|
今後の研究の推進方策 |
最終年度である次年度では,本研究課題の目的である自己と他者の身体動作の対応づけと模倣を可能とする深層学習モデルを構築する.本年度に構築した空間座標の表現と身体イメージを獲得するモデルについて,獲得した自己の身体イメージを内部空間中で他者の身体に投影する形で自己と他者の身体イメージの共有を可能にするモデルへと拡張を行う.また,自己と他者で共有な身体イメージを介して,他者の動作を自己に置き換えることによる動作模倣を実現するモデルの構築も行う.また,それらの成果と知見を学会および論文誌に発表する.
|