| 研究概要 |
同時に複数のタスクを達成する多目的最適化手法は、日常生活の場へロボットの応用範囲を広げるために必要と考えられる。進化ロボティクスや強化学習ではマルチタスクの問題は良い結果が得られるような効果的な方法が提案されていない。または、シミュレーションで生成したニューラルコントローラをロボットで実際に実験を行ってきた。この研究ではリアルハードウェアニューラルコントローラ多目的進化によるマルチタスク実行を考えた。19年度に開発した進化アルゴリズムおよびコミュニケーションメカニズムに基づき、20年度はリアルハードウェア進化を使用してマルチタスク実行するロボットを開発した。または、ニューラルネットの構造を小規模にするためにニューラルネットの構造を多目的遺伝的アルゴリズムの目的関数に追加した。まず、シミュレーションで小さいニューラルネットワークを生成しそのニューラルネットをリアルハードウェアで進化させる方法をとった。多目的進化で小さいニューラルネットワークを進化が可能となることを確認した。この研究ではシミュレーションと実験ではe-puckロボットを使用した。
この研究は、ハイインパクトジャーナル(IEEE Transactions on Robotics)と国際会議等(IROS, ICRA)で発表した。この研究の結果はVertical newsでも掲載された。今後は強化学習を利用して、ロボットは環境の状況に基づいてニューラルコントローラーを選択する研究を行う予定です。
|
