• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2018 年度 実績報告書

感覚予測と報酬予測に基づく運動学習の計算理論的理解と脳内基盤の解明

公募研究

研究領域人工知能と脳科学の対照と融合
研究課題/領域番号 17H06023
研究機関筑波大学

研究代表者

井澤 淳  筑波大学, システム情報系, 准教授 (20582349)

研究期間 (年度) 2017-04-01 – 2019-03-31
キーワード運動学習
研究実績の概要

本研究では,運動学習における探索ノイズの変化に着目し,強化学習と順モデル(感覚予測のためのモデル)の学習に関わる脳部位を,計算モデルに基づいた機能イメージング解析によって明らかにする.特に,大脳基底核と小脳の相互作用を同定することで,「強化学習における順モデルの役割」と「順モデル獲得における強化学習の役割」に加えてそれらの相互作用が担う計算論的機能を明確化することを目的とする。
新しく開発した報酬駆動型の運動学習タスクをMRIスキャナー中に実行した。この実験では、ペンタブレットをMRIルームで使用し、被験者にペンを動かす動作を行わせる。そして、ペンの軌跡に従って、画面内のカーソルを移動させる。このとき、ペンとカーソルの間に回転を加えることで、被験者が回転量を同定し、これに応じて運動方向を調整することを要求する。この動作を行っているときの脳画像をSPMによって解析することにより、報酬駆動型運動学習には、小脳とPPCが重要な役割を担っていることが明らかになった。これを説明する計算論的モデルを設計し、モデルと脳活動との関係について議論した。
また、運動学習における感覚予測誤差と報酬予測誤差との相互作用について、ロボットマニピュランダムを用いた運動学習実験を実施した。その結果、当初の予測と反して、感覚予測誤差によって行動される運動学習と、報酬予測誤差によって駆動される運動学習には相互作用がなく、報酬は行動を変えるが、内部モデルの更新には寄与していないことが明らかになった。

現在までの達成度 (段落)

平成30年度が最終年度であるため、記入しない。

今後の研究の推進方策

平成30年度が最終年度であるため、記入しない。

  • 研究成果

    (1件)

すべて 2019

すべて 雑誌論文 (1件) (うち査読あり 1件)

  • [雑誌論文] Neuroanatomical Basis of Individuality in Muscle Tuning Function: Neural Correlates of Muscle Tuning2019

    • 著者名/発表者名
      Kahori Kita,Rieko Osu,Chihiro Hosoda,Manabu Honda,Takashi Hanakawa,Jun Izawa
    • 雑誌名

      Frontiers in Behavioral Neuroscience

      巻: 13:28 ページ: -

    • DOI

      10.3389/fnbeh.2019.00028

    • 査読あり

URL: 

公開日: 2019-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi