カルマン変分オートエンコーダを用いた生画像時系列からのロボットの動的モデル学習

摘要

IoT の普及に伴い，家電製品や工場などから膨大で高次元なセンサ情報が収集されている．センサ情報は時系列データであり，このデータから入出力の関係を表す動的モデルを同定することは，制御や予測を行うために必要なことである．従来のシステム同定手法では，生画像のような複雑で高次元なデータだとモデリングが困難であった．しかし近年の深層学習技術の発展に伴い，生画像から動的モデルを学習する手法が提案されている．例えば，制御性能を重視したEmbed to Control (E2C)や予測性能を重視したDeep Variational Bayes Filters (DVBF)などがある．最近の手法としては，カルマン変分オートエンコーダ（KalmanVariatinal Auto-Encoder: KVAE）がある．この手法は，変分オートエンコーダにより高次元データx0:T を低次元のデータa0:T に変換し，a0:T を用いて状態空間モデルで動的モデルを同定する手法である．