| 研究課題/領域番号 |
23K24910
|
|---|
| 補助金の研究課題番号 |
22H03654 (2022-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2022-2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
吉野 幸一郎 国立研究開発法人理化学研究所, 情報統合本部, チームリーダー (70760148)
|
|---|
| 研究分担者 |
須藤 克仁 奈良女子大学, 生活環境科学系, 教授 (00396152)
横井 祥 東北大学, 情報科学研究科, 助教 (60888949)
中村 泰 国立研究開発法人理化学研究所, 情報統合本部, チームリーダー (70403334)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2025年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2024年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2022年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
|
|---|
| キーワード | 言語ロボティクス / 知識推論 / 言語モデル / 状況理解 / 自然言語処理 / 対話 / ロボット / 分散表現 / 動作生成 / ロボット対話 / 実世界接地 / 知能ロボティクス / 対話ロボット / 埋め込み表現 / 知識獲得 |
|---|
| 研究開始時の研究の概要 |
人間の生活空間という実世界で補助タスクを行うロボットに対し、テキストで記述された知識を用いた知識推論を導入することで、様々な常識推論を可能にする知能ロボットシステムの構築を行う。この中で、実世界でロボットが観測した事物に応じて、知識推論基盤を柔軟に更新し、ロボット自身が経験から知識推論を新しくすることができる枠組みについて研究する。ここで用いる知識推論基盤、埋め込み表現と知識推論機構において、実世界における時間的・空間的なコンテキストを取り込み、テキストに記述された内容だけでなく、実世界のコンテキストを幅広く用いることができる知識推論基盤の構築を目指す。
|
| 研究実績の概要 |
人間の生活空間という実世界で補助タスクを行うロボットに対し、テキストで記述された知識を用いた知識推論を導入することで、様々な常識推論を可能にする知能ロボットシステムの構築を行う。この中で、実世界でロボットが観測した事物に応じて、知識推論基盤を柔軟に更新し、ロボット自身が経験から知識推論を新しくすることができる枠組みについて研究する。この実現のため設定した、「ロボットが動作する実世界での観測の接地・推論と知識基盤の更新」、「実世界でのコンテキストを反映した埋め込み表現の学習」、「実世界を埋め込み表現で表現した新しい推論基盤の構築」の研究項目のうち、本年度は「ロボットが動作する実世界での観測の接地・推論と知識基盤の更新」に取り組んだ。
具体的には、Hello Robot Stretchを用いて、このロボットで可能な補助タスクにおける対話データ収集を行った。この対話データでは、ユーザの意図が曖昧に設定し、周囲の状況を利用して推論を利かせないと必要とされる補助行動を導けないような設定を行った。この対話データを単純な機械学習ベースの手法で分類したところその精度は22%程度であり、推論等を用いないと解くことが困難なデータセットが構築されたことが確認された。加えてデータ分析も行い、どのようなモダリティから得られるどのような事態がこうしたロボットの行動推定タスクに貢献するのか検討した。
また、上記のデータ上で知識推論・常識推論を行い、実世界の観測から適切な行動を論理的に導くための枠組み構築を行った。
|
| 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
「ロボットが動作する実世界での観測の接地・推論と知識基盤の更新」および「実世界でのコンテキストを反映した埋め込み表現の学習」に取り組み、学習データの構築や知識推論基盤の利用など、おおむね計画通り進んでいる。
|
| 今後の研究の推進方策 |
今後はここまでデータを元にシステム構築を行い、その運用を評価する。また、新しい知識推論基盤や埋め込み表現の学習についても議論する。
近年GPTのような大規模言語モデルの活用が議論されており、そうした枠組みを活用してどう知識推論と組み合わせるかについても検討する。
|
