汎用ロボットの行動獲得のための目的主導型プログラミング言語

本研究では,強化学習,機械学習,人工知能の分野で開発されてきた技術を,ヒューマノイドに代表される汎用ロボットの行動獲得に応用することを目的としている.具体的には,研究代表者が提案する「高度にモジュール化された強化学習システム」のインターフェイス言語として,「目的主導型プログラミング言語」の提案を課題とした.2011年度に得た成果は以下の通りである.1.高度にモジュール化された強化学習ライブラリSkyAIの強化: 提案システムをC++で実装し,オープンソースのソフトウェアライブラリとして公開している.本年度は,スクリプトインターフェイスの文法機能を強化し,SkyAI上で報酬の定義をしやすくした.この成果をskyai.orgで公開した.2.学習戦略フュージョン: 学習戦略をモジュール化しシステムが自動選択するような枠組みを開発した.この成果を国際会議Humanoids2011で発表した.この実験で使われたタスクは,匍匐タスク,旋回タスク,ナビゲーションタスクであり,これらのタスクはSkyAI上で記述された.つまり目的主導型プログラミング言語による記述であり,本課題が目指した「目的の記述による行動プログラミング」の達成が実験的に示されたといえる.3.高自由度ロボットのための行動空間生成手法DCOB: 研究代表者が開発している手法DCOBについて広範囲に実験を行い,自由度の拘束によって学習の傾向がどのように異なるか調べた.具体的には,3～7の自由度に拘束したシミュレーション上のヒューマノイドロボットによる匍匐タスクで検証した.さらに,4自由度の拘束条件では,匍匐タスクおよび旋回タスクを学習させ,報酬関数の違いのみで異なる動作が学習できることを実証した.いずれのタスクもSkyAI上で記述されている.これらの成果をDCOBの研究結果としてまとめて,国際誌に投稿中である.4.高自由度逆運動学の機械学習アプローチ: より高自由度の実用的問題に適用可能にするため,アンドロイドロボットの表情制御を機械学習の手法を応用して実現する研究を行った.

本研究では,強化学習,機械学習,人工知能の分野で開発されてきた技術を,ヒューマノイドに代表される汎用ロボットの行動獲得に応用することを目的としている.具体的には,研究代表者が提案する「高度にモジュール化された強化学習システム」のインターフェイス言語として,「目的主導型プログラミング言語」の提案を課題とした.2011年度に得た成果は以下の通りである.1.高度にモジュール化された強化学習ライブラリSkyAIの強化: 提案システムをC++で実装し,オープンソースのソフトウェアライブラリとして公開している.本年度は,スクリプトインターフェイスの文法機能を強化し,SkyAI上で報酬の定義をしやすくした.この成果をskyai.orgで公開した.2.学習戦略フュージョン: 学習戦略をモジュール化しシステムが自動選択するような枠組みを開発した.この成果を国際会議Humanoids2011で発表した.この実験で使われたタスクは,匍匐タスク,旋回タスク,ナビゲーションタスクであり,これらのタスクはSkyAI上で記述された.つまり目的主導型プログラミング言語による記述であり,本課題が目指した「目的の記述による行動プログラミング」の達成が実験的に示されたといえる.3.高自由度ロボットのための行動空間生成手法DCOB: 研究代表者が開発している手法DCOBについて広範囲に実験を行い,自由度の拘束によって学習の傾向がどのように異なるか調べた.具体的には,3～7の自由度に拘束したシミュレーション上のヒューマノイドロボットによる匍匐タスクで検証した.さらに,4自由度の拘束条件では,匍匐タスクおよび旋回タスクを学習させ,報酬関数の違いのみで異なる動作が学習できることを実証した.いずれのタスクもSkyAI上で記述されている.これらの成果をDCOBの研究結果としてまとめて,国際誌に投稿中である.4.高自由度逆運動学の機械学習アプローチ: より高自由度の実用的問題に適用可能にするため,アンドロイドロボットの表情制御を機械学習の手法を応用して実現する研究を行った.