| 研究課題/領域番号 |
19K20364
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
村田 真悟 慶應義塾大学, 理工学部(矢上), 講師 (80778168)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 予測符号化 / 予測誤差最小化 / 認知ロボティクス / ニューラルネットワーク / インタラクション |
|---|
| 研究実績の概要 |
本研究課題では，人間の他者との協調を支える認知情報処理機構の理解を目的とし，認知神経科学・機械学習・ロボティクスの観点を統合したロボット構成論的手法により取り組む．特に，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因によって生じる協調の形成とその崩壊に関する動的過程に着目する．
令和二年度は，前年度に構築したRecurrent Neural Network（RNN）ベースのフレームワークに対して，高次元の画像情報をロボットの視覚情報として扱えるように拡張を行った．具体的には，画像をConvolutional Neural Network（CNN）ベースのエンコーダ（ConvEnc）を用いて視覚特徴量として低次元に圧縮し，その圧縮された視覚情報とロボットの運動情報を合わせることでRNNへの入力とする．そしてRNNは視覚特徴量と運動情報を予測し，予測された視覚特徴量をCNNベースのデコーダ（ConvDec）によって元の画像情報の次元へと展開する．
このように拡張されたRNNベースの計算フレームワークと令和元年度に提案した反実仮想的な予測誤差最小化を行う勾配法に基づく最適化手法（Adaptation and Planning by Gradient Decent: APGraDe）をロボットに実装し，人とロボットの協調に関する学習実験を行なった．具体的には，ロボットは実験者と共に物体操作に関する協調作業を行うことを学習した．実験の結果，前年度の低次元の画像情報を用いて得られた適応と計画に関する結果が高次元の画像情報を用いた場合も得られることが確認された．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究では，二個体間におけるインタラクションにおいて，（i）環境変化や他者のふるまいといった外的要因と（ii）自己の将来の行動に関する計画や意図といった内的要因が協調の形成と崩壊をもたらすと考えている．令和元年度はこのように異なる外的・内的要因を統一的に扱うことが可能な勾配法に基づく最適化手法（Adaptation and Planning by Gradient Decent: APGraDe）を提案し，その実装を行った．そして令和二年度は高次元の画像情報をそのままロボットの視覚情報として扱えるような拡張を実施した．そして実験の結果から，高次元の画像情報を用いた場合も提案手法であるAPGraDeは問題なく動作することを確認した．また，これらの研究成果については査読付き国際会議で発表し，国内の学術講演会において優秀賞も受賞することができている．
以上より，現在までの進捗状況はおおむね順調に進展していると評価することができると考えられる．
|
| 今後の研究の推進方策 |
今後の研究では，これまでに構築してきた計算フレームワークを二台のロボットに実装することで，二台ロボット間インタラクション実験を実施する．また，これまでの人と単腕ロボットアームのインタラクション実験においては，協調作業として単純な物体操作を行ってきたが，今後はより複雑な物体操作を実施することを検討している．令和二年度に既に双腕を有する上半身型ロボットを二台購入し，環境のセットアップを行っている段階である．
|
| 次年度使用額が生じた理由 |
英文校正費として確保していた予算を年度内に支出することができなかったため次年度使用額が生じた．
次年度に英文校正費として使用予定である．
|
