|
本研究は，脚ロボットの歩容運動を階層的な多目的最適化問題として捉えた，歩容の自律学習を目的とした．この技術の確立により，物理的な制約やトレードオフを陽に考慮可能となり，生物の自然な歩容生成が期待できる．
この課題に関連する３つの成果，(1) 継続的に学習結果を蓄積していくことが可能な正則化技術，(2) 大域的な最適解を発見可能な探索力を持つ方策，(3) 知識のモジュール化・階層化を促すニューラルネットワーク，を実現した．これらの技術を４脚ロボットの歩容を下位から上位階層モジュールに分けて順次学習するカリキュラム上で組み合わせ，製作した４脚ロボットのシミュレーションモデルでの歩容生成に成功した．
|
