| 研究概要 |
本研究課題は, カオティックダイナミクス整合を提案して, 自律的に行動を獲得するロボット制御のための強化学習システムを実現するものである. カオティックダイナミクス整合とは, カオス理論に基づいて「制御系のダイナミクスを制約条件やタスクに応じて高速・柔軟に適応させる手法」であり, 本システムにより, 従来よりも少ない学習回数と短い学習時間, 従来よりも広い安定化制御可能な状態空間の実現を目標としている. 本年度の計画は, 前年度に引き続き, ロボット制御のための高速強化学習システムの設計を行い実現し, 実機での検証を行い実環境における制御・学習特性を明らかにすることであった. これに対し, 以下の成果を得た.
1. ロボットによる倒立振子安定化の達成 : 前年度はシミュレーションによって, ロボットによる倒立振子の安定化制御システムが機能し, 理論的にパラメータが変動した場合でも安定化が達成できることを示したが, 本年度は実機によってもその部分動作を確認した. 2. ニューロンモデルを用いた制御機構の開発 : 人工ニューロンモデルを利用して, 動的カオス制御による安定化制御機構の開発を進めた. その結果,安定化のためのパラメータや初期値に対する理論的な見地を深めることが出来, 強化学習システムを組み込むための理論が強化された.
|
