Computing based on pseudo-billiard dynamics in hypercube and its applications

点击翻译按钮获取中文摘要

2022年度は，超立方体上の疑似ビリヤード・ダイナミクスを用いた計算機構（超立方体計算）について，応用先の探索を進め，実装研究に着手した．特に予測符号化とレザバー計算を組み合わせた感覚情報処理モデル，強化学習とレザバー計算を組み合わせた運動制御モデル，またレザバー計算に基づく感覚情報処理と運動生成を組み合わせた統合情報処理モデル，さらにこれらのモデルを超立方体計算の枠組みに実装する研究を進めた．まずレザバー計算に基づく強化学習と予測符号化のモデルを統合した統合情報処理モデルを提案した．このモデルでは，感覚入力の予測と行動価値の推定を単一のレザバーからの読み出しにより行う．行動価値の学習は報酬に基づき行われる．また予測層の学習は予測の最小化の基準に基づいて行われる．このモデルは，強化学習タスクに利用できることに加えて，予測符号化により環境の変化を予測するメンタル・シミュレーションを実現する．このメンタル・シミュレーションによる行動計画の機構を２次元ロボットシミュレータ環境上で検証し，その有効性を確認した．効率的なレザバーハードウェアの実現が見込まれる超立方体計算レザバーをデジタル回路（FPGA）で実装し，その性能評価を行った．まず音声認識タスクにより，このレザバーの性能評価を行った．このタスクでは，数字の発話音声の時系列をコクリアグラムに変換し，それをレザバーへの入力とした．レザバーからの読み出しにより，０～９の数字に対応をするラベルを出力する．この数字の発話認識において認識性能が97%程度になることを確認した．さらにレザバー強化学習モデルを実装し，その評価を進めた．連続空間上の移動ロボットタスクにおいて，その基本的な動作の確認を行うことができた．