|
本研究では、ガウス過程動的モデルGPDM(Gaussian Process Dynamical Models)を改良し、より高速・高精度な時系列データの次元圧縮・予測法を実現する。また、本研究の応用として電動義手、ミニ四駆AI等の時系列データに対して提案手法を適用し、これにより提案手法がより高速・高精度な時系列データの次元圧縮・予測手法であることを確認する。令和２年度は、下記の2つの研究項目を実施した。
（１）電動義手について、Unityの物理エンジンを用いた深度カメラ付き5指電動義手シミュレータを開発した。開発した深度カメラ付き5指電動義手シミュレータ上にて強化学習を行い電動義手につかむ動作等を獲得させることに成功した。また、平成30年度に提案したVBRLを欠損データに対応しアルゴリズム導出・提案を行なった。提案手法が従来手法と比べてより高精度な手法であることを確認した。
（２）ミニ四駆AIについて、Unityの物理エンジンを用いたミニ四駆AIシミュレータを開発した。また、開発したミニ四駆AIシミュレータ上にて強化学習を行いミニ四駆AIのスピード制御を獲得させることに成功した。更に、カメラ画像を用いてミニ四駆AIの自己位置推定を行うシステムの開発を行い、ミニ四駆AIのスピード制御を行うシステムを開発した。開発したミニ四駆AIスピード制御システムなどを用いてミニ四駆AI大会（FSS2020、GAT2021）に出場し、FSS2020では3位、GAT2021では1、2、4位となった。
|
