研究課題
1. これまで地図と位置・方位の同時推定(SLAM)において、その性能を最大化するための経路最適化のために情報量増加を用いることが提案されていた。これに対し、情報量増加の代わりにsurprise、すなわち事後確率分布から事前確率分布までのKullback-Leibler情報量を用いることを提案した。前者は事前確率に対しては事前確率で重み付けした情報量を定義し、事後確率に対しては事後確率で重み付けした情報量を用いる。他方後者は、事前確率および事後確率のいずれに対しても事後確率で重み付けした情報量を用いる。後者の方が性能が良いことを示した。2. 複雑な環境において複雑な拘束条件を持つロボットの経路計画は困難な問題になる。これに対して、始めは時間をかけて経路を探すが、慣れてくると短い時間で解決できるようになり、さらに、活用と探索のバランスを好奇心を使って解決する方法を提案した。また、最適化問題に対し、好奇心と同様な仕組みを入れることにより、解空間探索を効率良く行う方法を提案した。3. 好奇心を包括する情動という概念に着目し、情動と強化学習と融合した新しい行動学習の研究を行った。これにより、強化学習のみの場合と比較して、状態数の削減、学習の高速化が実現でき、また、複数ロボット間の協調行動の創発を確認した。更に、他ロボットの行動予測を行う機能を採用し、それに対し好奇心の考え方を適用することで、複数ロボットでの効率的な学習が実現できることを確認した。4. 移動ロボットシミュレータWebotsおよび移動ロボットWITHの使用法に習熟し、次年度以降の研究の遂行の準備を行った。
すべて 2010 2009
すべて 雑誌論文 (9件) (うち査読あり 9件) 学会発表 (21件)
Studies in Computational Intelligence, Springer, 226
ページ: 69-72
Lecture Notes in Computer Science, Springer 5506
ページ: 762-769
ページ: 787-793
International Journal of Innovative Computing, Information & Control 5
ページ: 865-875
Brain-Inspired Information Technology 266
ページ: 33-38
ページ: 39-44
ページ: 45-49
ページ: 51-55
ページ: 57-62
