学習ロボット

概要:

幼児は経験を通して歩き方、物の名前、さらには「ことば」までも覚える。 機械（ロボット）は幼児のように「ことば」を覚えて話せるようになるか？ 原理的には可能であると考える[1]。 本研究では、幼児が持つような基本的知能を学習を通して獲得する 複雑適応システム（人工脳）実現を目標に、学習ロボットの研究を進める。

 

図 1: 学習ロボット Robin-3

研究の展開

研究は大きく、技能の学習、パターン思考の学習、記号思考の学習の ３段階に分けて、もっぱら神経計算、進化計算の両技術を用いて進める。

技能の学習

ことばをあやつる知能の底辺には技能がある。 基本的技能として、 受信する音声を自分の地声でまねる「オウム返し」、 環境の中を障害を避けながら移動する「徘徊」、 徘徊しながら環境空間を獲得する「地図作成」、 自分の意図通りにアームを動かす「アーム制御」などを考える。

「オウム返し」では、 特定の人物の音声データを特徴分析して学習ロボットの地声を作り、 与えられる目標音声にできるだけ似た地声音声を生成する機構を 最適ベクトル量子化器[2]などを用いて実現した[3]。 「徘徊」技能の獲得は、分類子システム(classifier system) [5]を高性能化すれば実現できることがわかった（図２）。 また、環境に関する「地図作成」では、直線移動中に収集するソナー情報から、 程よく簡素な壁モデルを最適ベクトル量子化器[2]と 最小記述長原理(MDL)を用いて求める方法を考案した[4]。

 

図 2: 壁沿い学習の例

今後の予定

技能の学習を通して技能に関連ある重要な概念が生成される学習機構を求めて、 分類子システムに重点をおいてさらに研究を進める。

連絡先：中野 良平, Email: nakano@cslab.kecl.ntt.co.jp

参考文献

1

中野良平: AIルネッサンス, AI奇想曲, NTT出版, pp. 15-27 (1992).

2

Ueda, N. and Nakano, R.: A new competitive learning approach based on an equidistortion principle for designing optimal vector quantizers, Neural Networks, Vol. 7, No. 8, pp. 1211-1227 (1994).

3

Nakano, R., Ueda, N., Saito, K. and Yamada, T.: Parrot-like speaking using optimal vector quantization, Proc. of International Conference on Neural Networks (ICNN'95), pp. 2871-2875 (1995).

4

Nakano, R., Ueda, N., Saito, K. and Takahashi, M.: Wall map building from fragmentary sonar data, Proc. of the 1st International Workshop Robolearn'96, pp. 84-89 (1996).

5

Holland, J.H.: Escaping brittleness: the possibilities of general-purpose learning algorithms applied to parallel rule-based systems, Machine Learning: An Artificial Intelligence Approach, Vol. 2, pp. 593-623 (1986).

Last modified on: Sat Jan 23 19:56:49 1999