| 研究課題/領域番号 |
16H05878
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
有江 浩明 早稲田大学, 次世代ロボット研究機構, その他(招聘研究員) (20424814)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| キーワード | 認知発達ロボティクス / 深層学習 / ニューラルネットワーク |
|---|
| 研究実績の概要 |
本研究課題では，階層的目標志向行動の学習及びその適応的な生成に関する神経メカニズムをロボット構成論的アプローチから理解することを目指している．この目標に向けて，平成30年度は学習を行うロボットの感覚運動情報のうち特に，（1）視覚情報の取り扱いについて検討を行い，前年度に構築したモデルを拡張した．また，（2）学習による汎化性能の検証も行った．拡張したモデルを平成28年度に整備した実験用ロボットハードウェアに実装し，教示データの収集・収集したデータの学習・学習済みモデルの評価を行った．
（1）視野画像のモデルへの直接入力
前年度に構築したLong Short-Term Memoryユニットを有する再帰型神経回路モデル（Recurrent Neural Network: RNN）を拡張した．具体的には，Convolution層を階層的に積み重ねることで，高次元の視覚情報を運動情報と同程度の低次元の視覚特徴量に圧縮する仕組みを付与した．モデルはこの視覚特徴量を運動情報と共に予測学習し，視覚特徴量の予測結果を階層的に積み重ねたDeconvolution層により視覚情報の元次元まで展開することで，画像の予測学習が可能になった．これにより，ロボットが周囲の状況とモデルの予測結果をピクセルレベルで比較することが可能となった．
（2）汎化性能の検証
（1）で述べた方法をここでも用い，最終目標画像をConvolution層で低次元に圧縮し，圧縮された情報を目標表現（バイアス）としてモデルに与えた．これにより，複数の目標志向行動を最終目標画像と共に学習しておくことで，未経験の最終目標画像が与えられた場合も，過去の経験の組み合わせとして目標を理解し，新規な行動生成が可能となった．
|
| 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
平成30年度は学習する感覚運動情報のうち特に，視覚情報の取り扱いについて検討をする予定であった．具体的には，（1）画像を前処理することなくそのままモデルへの入力として使用できるように変更を加える予定であった．さらに，（2）最終目標をその状況の画像として与え，複数の最終目標を学習し汎化することで，未経験の最終目標も画像として与えることで実現可能であることを示す予定であった．現在までの進捗として，上記変更を実現し，実ロボットによる行動生成学習実験を行い，一定の成果を得ることができている．さらに，平成29年度に行った実験では2パターンの目標志向行動のみの学習であったのに対し，平成30年度に行った実験では20パターンまで増加させることができた．また，そのうちの数パターンを学習時に除き，未経験の目標であったとしても汎化性能によって新規な行動を生成し，実現可能であることを確認した．
これらはロボットが行動開始前に行う静的なプランニングによって実現されているが，行動生成中に行う動的なプランニングについてはまだ取り組めていないため今後の課題となる．
|
| 今後の研究の推進方策 |
今後は特に，未経験の状況に対する適応を実現するための，目標の動的な更新について検討する．具体的には，平成30年度に構築した視覚運動情報の予測学習を行うことが可能なモデルに対して，勾配法に基づく動的なプランニングのメカニズムを付与する．本モデルは，与えられた目標画像に基づき視覚運動情報に関する予測を生成する．予測された視覚情報と実際の視覚情報を比較することで予測誤差を算出することができる．この予測誤差を目標画像に伝播することで，予測とは異なる状況が生じた際に，現実に即した目標（画像）の推定が可能になると考えられる．
本手法の検証をおこなうために，人間とロボットによる協調作業タスクを設定する．ブロック組み立ての完成状態に関する目標画像を複数用意し，それぞれに対して決められた順序でロボットがブロックをつかみ，人間に渡し，それを組み立てるという作業を，作業目標を達成するまで繰り返す．その際に得られたカメラからの環境画像とロボットの関節角度を時系列教師データとして，学習を行う．学習後のモデルを用いた行動生成実験では，特に人間とロボットの目標が異なる場合を想定し，予測誤差を用いた勾配法に基づく動的なプランニングによるロボットの適応的な行動生成の実現について調べ，モデルの妥当性を検証する．
ロボット実験においては，これまでに使用してきた大型のロボットアームに加え，平成30年度に新たに購入した小型のロボットアームを併用する．上記手法の有用性を，小型ロボットアームを使用した小規模実験で確認した上で，大型ロボットアームを使用した大規模実験に拡張することで，研究の推進を目指す．
|
