人工知能と人工生命の融合による協調的進化ロボティックスの研究

点击翻译按钮获取中文摘要

本研究では,(1)人工知能的なアプローチからロボットの経路や動作のプランニング,(2)人工生命的なアプローチから創発的な行動を生成することができる行動ベースアーキテクチャ(behavior-based Architecture)や(3)人工神経回路網(ANN: Artificial Neural Network)進化的計算(Evolutionary Computation)手法などを用いてロボットの協調的進化について研究を行った.(1)人工知能からのアプローチでは,近年注目されているランダムサンプリングによる経路プランニング手法RRT(Rapidly-exploring Random Tree)を用いることで,高い確率で協調的な物体運搬ができることがわかった.(2)人工生命からのアプローチの1つ目として,行動ベースアーキテクチャを用いて,ロボットに内蔵されたカメラで撮影された画像による行動計画を行った.しかしながら,フィールド情報が逐次取得される環境下では,各動作の優先順位や目標物の検出方法,他方のロボットの検出方法に問題があり,単純な行動ベースアーキテクチャだけでは,協調運搬を行うことができなかった.(3)人工生命からのアプローチの2つ目として,人工神経回路網(ANN)を考えて,センサを入力層とし,モータの回転数を出力層として,ANNの重みを遺伝的アルゴリズムなどの進化的計算手法を用いてロボットを進化・学習させる「進化ロボティックス」に着目した.特に,近年注目されているANNの構造と重みを進化させるTWEANN(Topology and Weight Evolving Artificial Neural Network)の1種であるStanleyらが提案しているNEAT(NeuroEvolution of Augmenting Topologies)を使って,ロボットの協調的学習を試みた.NEATを使うことで,古典的なANN+GAより,高度な行動を高速に学習させることができることがわかったが,パラメータが多く,適切な値を選定することが難しく,また,問題によっても適切な値が異なるため,より多くの性能評価実験が必要と考えられる.最終的に,本研究課題としてあげた人工知能と人工生命の融合まで達成することができなかったが,それぞれの手法について協調的進化を目標に検討を行うことができた.今後は両分野を融合したアーキテケチャについて検討することを考えている.