2023 Fiscal Year Annual Research Report
Development of the adaptive agent for homeostasis and analysis of its cognitive development
| Project/Area Number |
22KJ0907
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
吉田 尚人 東京大学, 情報理工学系研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Keywords | 深層恒常性強化学習 / 深層強化学習 / 恒常性 / 行動創発 / 強化学習 / 深層学習 / ロボット |
|---|
| Outline of Annual Research Achievements |
最終年次にあたる本年度では，これまでに確立した手法の応用を展開し以下の3つの点で成果を得た．（１）ロボット内部の物理情報を内受容感覚として入力とすることで，実ロボットにおける恒常性に基づく行動創発を世界で初めて構成した．（２）栄養生物学における動物の長期的な採餌行動特性の定量化手法の1つである「栄養の幾何学的アプローチ（Geometric Framework for Nutrition, GFN）」に着目した．GFNにおいて知られている3種類の異なる長期的な行動特性が，深層恒常性強化学習を用いたシミュレーション実験を通してそれぞれエージェントの代謝ダイナミクスの差異のみによって表現可能であることを示した．（３）深層恒常性強化学習におけるより複雑な行動創発可能性を検証するため，オープンエンド性をもつ学習環境を構築し，行動最適化を実行した．その結果，エージェントは内受容感覚の恒常性に対して自明な採餌等のふるまいのほか，自身が安全となるシェルターの構築などの恒常性に対して非自明性の高いふるまいが観察された．深層恒常性強化学習に関する昨年度までの一連の基礎なシミュレーション研究については現在国際誌に投稿中であり，プレプリントで既に公開している他， 深層恒常性強化学習のためのネットワーク構造の提案についてはInternational Joint Conference on Neural Networks 2023で論文が採択され口頭発表している．また（3）に関してはThe 11th International Symposium on Adaptive Motion of Animals and Machines, 2023で採択され共同研究者とともに発表している．
|
