| 研究領域 | 人工知能と脳科学の対照と融合 |
|---|
| 研究課題/領域番号 |
16H06565
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 京都大学 (2020-2021)
株式会社国際電気通信基礎技術研究所 (2016-2019) |
|---|
研究代表者 |
森本 淳 京都大学, 情報学研究科, 教授 (10505986)
|
|---|
| 研究期間 (年度) |
2016-06-30 – 2021-03-31
|
| キーワード | 強化学習 / モデル予測制御 / ヒューマノイドロボット / 非線形最適制御 |
|---|
| 研究成果の概要 |
脳に学んだ計算原理に基づいて自己や他者の動作データから身体や外界の内部モデルを構築するロボット学習アルゴリズムの開発をおこなった．脳の階層的な制御システムを参考に，上位階層において予測に基づく最適化をおこなうことにより多様な動作目的にあわせた制御器を導出することを可能としながら，中間の階層において観測した人の動作データからパターン生成器を構成，動作生成の探索範囲を誘導，下位階層においては短い制御周期での計算が可能な反射的な行動則を導入することを提案，ヒト型ロボットモデルにおいてその実装を達成した．
|
| 自由記述の分野 |
ロボティクス・機械学習
|
| 研究成果の学術的意義や社会的意義 |
人工知能を用いた画像や音声の認識に関しては飛躍的にその性能が向上している一方で，すばやい身のこなしや，器用な物体の操りなど，ロボットが備える動作生成のための人工知能についてはいまだ人間の方がはるかに高い能力を持つ．特にロボットなど実世界で大量データを取得することが現実的でない応用においては、人間のように限られたサンプル（経験）から学習し目的とする動作を生成する方法が求められている．本研究では, 脳の階層的な学習制御システムを参考に，上記を実現する方法論の開発を目指した．ロボットが実環境で学習し多様な運動を実時間で生成可能となれば，日常生活においてもロボットが人を支える存在となり得る．
|
