マルチモーダル情報の相互補完的な活用によるロボットの場所概念獲得

点击翻译按钮获取中文摘要

本研究では、ロボットが人からの連続音声発話による教示から自律的かつ高精度に場所概念を獲得し、ロボットにとってより効果的な空間認知と場所概念の活用を可能にすることを目的として研究を行った。また、人間との空間移動に関わる言語コミュニケーションを場所概念獲得の教師なし学習に基づき実現することを目指した。今年度では主として、（１）場所概念の高精度かつ軽量なオンライン学習アルゴリズムの開発と（２）場所概念を用いた音声命令からのパスプランニングについて取り組んだ。（１）場所概念の高精度かつ軽量なオンライン学習アルゴリズムの開発昨年度の成果として、Simultaneous Localization And Mapping (SLAM) と位置・音声言語・画像のマルチモーダル情報に基づくノンパラメトリックベイズ場所概念獲得モデルを統合したSpCoSLAM を提案した。しかしながら、このアルゴリズムでは、学習が長期に及ぶと計算コストが増大するという問題点があった。また、場所の推定精度がバッチ学習の6 割ほどと不十分であった。そこで本研究では、これらの問題を改善するため、固定ラグ活性化に基づく高精度かつ軽量なオンライン学習アルゴリズムSpCoSLAM 2.0を構築した。実験結果として、従来アルゴリズム(A)と比べて提案アルゴリズム(B)は計算時間を大幅に削減した。（２）場所概念を用いた音声命令からのパスプランニング本研究では、SpCoSLAMの確率的生成モデルの上でのロボットの行動決定問題に着目し、「教員研究室に行って」などの人の音声命令より推定された場所概念の目標状態へのパスプランニングを動作軌道の確率推論として定式化した。実際に獲得された場所概念を用いたヒューマンロボットインタラクションによるナビゲーション実験を行い、パスプランニングが可能であることを確認した。