| 研究課題/領域番号 |
17J00580
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
大澤 正彦 慶應義塾大学, 理工学研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2017-04-26 – 2020-03-31
|
| キーワード | 海馬 / 制限付きボルツマンマシン / 認知アーキテクチャ / 深層学習 / DALP / SHRBM / ILRBM / ABAM |
|---|
| 研究実績の概要 |
本研究は主にマウスやラットに代表されるげっ歯類と呼ばれる哺乳類を参考に，海馬という脳領域を中心的に位置付けた認知アーキテクチャの開発を目指している．作成したアーキテクチャの課題は抽象的なシミュレーションにおけるゲームタスクに止まらず，物理シミュレータや実ロボットを用いた実タスクへの応用までを目指している．
本年度の研究成果について特に進展があったものが3つある．
1つ目は以前から取り組んできた海馬を参考にしたRestricted Boltzmann Machine (RBM)のモデル拡張である．RBMは深層学習の構成要素として利用されるモデルであり，本研究課題において作成する認知アーキテクチャの中心的な構成要素である．本年度は特にRBMの隠れ素子数を自動的に決定する手法をさらに精緻化させることに成功し，日本神経回路学会から大会奨励賞を受賞した．
2つ目は前頭前野という脳領域を参考にして提案したAccumulator Based Arbitration Model (ABAM)という，複数モジュールを調停する手法である．ABAMは教師あり学習と強化学習の両方に対して有効性が示唆されており，最終目標である認知アーキテクチャにおいて重要な役割を担うことが期待できる．
3つ目は作成している個々の手法や全体のアーキテクチャの応用先として有望なHuman-Agent Interactionという研究領域での成果である．遠隔操作ロボットの半自律機能を自らの提案手法で構築することに成功したほか，言葉を話せないコミュニケーションロボットを新たな研究題材に加え，これまで以上に提案する認知アーキテクチャが有効な例を模索できた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本年度は個々のアーキテクチャの構成技術の精緻化に複数成功したほか，要素技術の組み合わせでシンプルなゲームタスクのみならずHAI分野において有効な手法を構築できる可能性を示した．
本年度の研究成果は多様な領域からの高い評価を得ていると考えられる．学会からは3件の表彰を受けたほか，展示会でも1件表彰を受けている．研究成果に関連して新聞4件を含む多様なメディアで紹介された．
本年度の研究成果はこれまでの想定以上に当該研究課題の可能性を広げるものであり，「(1)当初の計画以上に進展している。」と評価した．
|
| 今後の研究の推進方策 |
今後も継続して，個々の技術の精緻化，技術の統合によるアーキテクチャの開発，開発したアーキテクチャの実タスク応用3つを主軸にこれまで通り研究を進めていく．
本年度に来年度以降の予定を前倒しして研究を進めたため，研究計画を全体的に前倒ししておこなっていく予定である．
|
