| 研究課題/領域番号 |
20K19901
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61050:知能ロボティクス関連
|
|---|
| 研究機関 | 沖縄科学技術大学院大学 |
|---|
研究代表者 |
QUEISSER Jeffrey 沖縄科学技術大学院大学, 認知脳ロボティクス研究ユニット, スタッフサイエンティスト (80869206)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | Generalization / Free Energy Minimization / Predictive Model / Robot / Learning / Planning / free-energy / sequence prediction / recurrent neural network / robot / working memory / multi-modal / planning / content agnostic / free energy / goal directed planning / Bio-inspired Learning / Working Memory / Self Organization / Robot Learning / Actuve Inference / Variable Binding |
|---|
| 研究開始時の研究の概要 |
This project explores working memories (WM) for AI systems.
By learning to manipulate a WM instead of learning to represent the content directly, it is expected that a system is able to apply its knowledge to new situations without relearning and can find abstract representations of the world.
|
| 研究成果の概要 |
本研究ではAIシステムへのワーキングメモリについて調査を行った
物体操作の内容の直接学習ではなく、視覚的ワーキングメモリで表現される内容から学習することで、未学習の状況における汎化性能の向上を達成した。
モデルは、目標指向型の計画が必要なブロックの積上タスクにおいて、ロボットが未知の物体を操作できることを示した。また、開発した「内容にとらわれない情報処理」の概念を、固有感覚と言語生成の文脈に拡張した。結果、導入したワーキングメモリモジュールが、明示的な制約なく学習したモデルの内部表現を階層的に整理できること、特定の記憶を結合し活用するモデルの作業成果が反復/計数タスクにおいて向上することを示した。
|
| 研究成果の学術的意義や社会的意義 |
This research increased sample efficiency and lowering the computational complexity for online robotic behavior generation, where “big-data” is not available and systems need efficient generalization from few observations.
Further, the models can be valuable for understanding brain (dis-)functions.
|
