研究課題/領域番号 |
21K04582
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分25020:安全工学関連
|
研究機関 | 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群) |
研究代表者 |
久保 正男 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), 電気情報学群, 准教授 (30292048)
|
研究分担者 |
岩永 佐織 海上保安大学校(国際海洋政策研究センター), 国際海洋政策研究センター, 教授 (00559239)
佐藤 浩 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), 電気情報学群, 准教授 (30295737)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
キーワード | Opinion Sharing Model / 主観的論理 / blockchain / マルチエージェント / 災害救助 / 合意形成 / 自律分散 / best-of-n問題 / シミュレーション / ブロックチェーン / ファクトチェック / 仮想通貨 |
研究開始時の研究の概要 |
本研究の概要は,災害現場のように極端に信頼できる要素が不足している環境を劣オーソリティ環境と呼びこの環境下で機械群だけで確実に作業を行える情報基盤を、仮想貨幣技術等を群ロボットの群知能技術に取り入れることによって実現をねらう研究である.まず初めにロボットの行動や現場を,誤作動を起こすかもしれないロボットでも記録可能な方法を開発し,次にロボット群が合理的な案を着想し実行できる基盤の実現をねらう.3年目以降では,災害救助事案を想定した,被災者の発見,救助と搬送,災害の解消のタスクからなるコンピュータシミュレーションを実施して,最終年度で提案手法の動作特性を明らかにする.
|
研究実績の概要 |
劣オーソリティ環境の為の分散知能情報基盤による災害救助活動の機械化と題して,絶対的な評価者が不在の共同災害救助活動を成功に導くセキュリティ技術の開発を行っている.今年は2年度で,コア技術の構築に力点を置いて研究を行った. 主にオンサイトの部分と従来研究の分析の2つの方向で研究を進めた. オンサイトの部分では,ドローンが自らの観測結果と他のドローンからの観測結果を集計する際に,Opinion Sharing Model(OSM)とA General Trust Frameworkを用いて環境の動的変化と信頼性を考慮した判断について研究を行った.災害の状態を"アリ","ナシ","不明"の3つとした上で,信用や信頼の定量化方法として自身と同じ考えが続けば局所的に信頼があると定義し,これを用いた観測モデルTBO-OSMを提案した.昨年度開発したシミュレータはドローンの移動や観測地点選択など飛行に関わる設定が不便であったので,災害現場が唯一の簡易環境を新たに用意して,その傾向を分析した. 従来研究の調査については,災害時を扱ったSNSは本プロジェクトで扱う災害現場のSNSのヒントになる箇所があり,特にユーザによる新たな情報が報告される頻度や正しい情報が広まる速度,また誤った情報が訂正される特性などが関係する.そこで, 従来研究を追試して分析をおこなった.従来研究されている公共財ゲームによるソーシャルメディアのモデル化を拡張してシミュレーションを行い、災害時の情報を自発的に報告・確認するようになるためのコストや報酬について検討した。 また,信頼性システムの概念検証として,主観的論理 (Subjective Logic) とブロックチェーンの仕組みを利用した集団の信頼モデルの実装を行った.具体的には,個体同士が信頼できない環境において集団的な探索を行う群の中で正しい情報を提供する個体の重要度が上昇するという結果が得られた.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
予定していた主観論理を扱うプログラムの動作不十分が判明し,また今年度の研究の評価に使用したシミュレータの互換性などの理由から,今年度の研究結果を,昨年度開発したシミュレータで検証を行えなかった.そのために,限定的で比較的条件の良好な設定下での実験しか行えず,比較的単純なケースの検証にとどまってしまった. またファクトチェックに関する研究が深層学習を活用していることがわかり,これについての追加の技術習得や研究が必要になった.
|
今後の研究の推進方策 |
災害現場固有の特徴を反映したSNSを想定して項目を絞って網羅的な分析をおこなう.
|