Automatic crystal growth by visuomotor learning

2021年度までに、仮想実験データを用いて融液ダイナミクスの同定と強化学習を用いた操業制御に成功し、2022年度は実機制御への応用に取り組んだ。実際の結晶成長実験において、時間を同期し融液の観察画像と制御入力値を取得するプログラムを作成し、約10Hzでデータ取得を行う環境を構築した。また、取得した画像データから融液の幅や高さを取得するアルゴリズムの検討を行った。光学式浮遊帯域溶融法ではランプを集光することにより浮遊帯域を形成するため、ランプのフィラメントが融液に映り込むため、閾値を用いた画像処理では融液部分を抽出することが困難であった。このため、ニューラルネットワークを用いた画像抽出アルゴリズムを検討し、100個程度の教師データから融液を抽出できるモデルを学習することに成功した。これにより、画像から融液に関する情報を定量的に抽出することに成功した。また、実データから混合ガウスモデルによって融液ダイナミクスを推定し、強化学習によって最適な軌道を生成することにも成功した。今後の研究では、逆強化学習による報酬推定と、実機での自動操業の実証実験を行う予定である。

2021年度までに、仮想実験データを用いて融液ダイナミクスの同定と強化学習を用いた操業制御に成功し、2022年度は実機制御への応用に取り組んだ。実際の結晶成長実験において、時間を同期し融液の観察画像と制御入力値を取得するプログラムを作成し、約10Hzでデータ取得を行う環境を構築した。また、取得した画像データから融液の幅や高さを取得するアルゴリズムの検討を行った。光学式浮遊帯域溶融法ではランプを集光することにより浮遊帯域を形成するため、ランプのフィラメントが融液に映り込むため、閾値を用いた画像処理では融液部分を抽出することが困難であった。このため、ニューラルネットワークを用いた画像抽出アルゴリズムを検討し、100個程度の教師データから融液を抽出できるモデルを学習することに成功した。これにより、画像から融液に関する情報を定量的に抽出することに成功した。また、実データから混合ガウスモデルによって融液ダイナミクスを推定し、強化学習によって最適な軌道を生成することにも成功した。今後の研究では、逆強化学習による報酬推定と、実機での自動操業の実証実験を行う予定である。