| 研究課題/領域番号 |
18H01399
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
林部 充宏 東北大学, 工学研究科, 教授 (40338934)
|
|---|
| 研究分担者 |
大脇 大 東北大学, 工学研究科, 准教授 (40551908)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 深層学習 / 運動学習 / 運動シナジー / バランス制御 / 筋電位 |
|---|
| 研究成果の概要 |
環境モデルに依存しない環境適応学習における運動の発現機序を明らかにするため、モデルフリーの深層強化学習を用いて運動パターンの生成メカニズムを詳細に調べた。数学的最適化計算には環境と身体の数学的モデルが事前に必要となるが、未知の物理的環境下での運動学習としてこれまで扱うものがなかった。多関節の歩行において、潜在的な計算指針がないか調査した。学習が進むにつれて変化する歩行運動の運動シナジーの発現度合いを調べると、発現度合いがエネルギーあたりのパフォーマンスと高い相関関係にあることがわかった。エネルギーあたりのパフォーマンスを高めるための必要条件として運動シナジーが採用されていることが示唆された。
|
| 自由記述の分野 |
ロボティクス
|
| 研究成果の学術的意義や社会的意義 |
深層強化学習による運動学習タスクにおいて運動シナジーの発現プロセスが起きており、それがエネルギー当たりのパフォーマンスと高い相関を示したことは、何故人間や生物が運動シナジーを活用しているのかという問いの答えにつながるため科学的な意義が高いと考えられる。工学的な応用としては現在の深層学習は膨大な計算コストを要するが、効率的な運動学習における潜在的な方策として運動シナジーを用いることができたら大幅な計算の効率化につなげることができるため、本研究は新しい深層強化運動学習アルゴリズムに向けて示唆に富む情報となることが期待される。
|
