ロボットの知能発達システムの基盤となる成長型アルゴリズムの検証成長型アルゴリズムを用いた移動ロボットにおける環境モデル構築

摘要

In recent years, we have proposed a evolving type of modular network called "SEEM". The SEEM has an incremental graph structure in which the nodes (modules) are grown incrementally. The modules and paths represent functions and the similarities between functions that are represented by modules respectively. It is expected that the SEEM can apply to a robot that has a function in which skills and knowledges are dynamically acquired. The backbone algorithm of growth mechanism in the SEEM is based on the algorithm of the Evolving Self-Organizing Map (ESOM). However, we have not verified whether the ESOM is appropriate as the growth algorithm of the SEEM. In this paper, we aim to verify whether the ESOM is appropriate as the growth algorithm. In the building problem of the environmental model of the mobile robot, the Growing Cell Structure (GCS) and the Growing Neural Gas (GNG) as the growth algorithm other than the ESOM were compared. As a result, it was showed that the ESOM is appropriate as the growth algorithm.%近年我々は成長型モジュラーネットワーク（Self-Evolving Modular network：SEEM）を提案した.SEEMは自己組織的にモジュールを追加する機能とパスを結ぶ機能を持つため，既存のモデルで対応できない場合にモジュールを増やし対応させることが可能となる.そのためSEEMを応用することで，ロボットに環境や人間とインタラクションしながら様々なスキルや知識を動的に獲得する機能を持たせられると期待できる.SEEMの成長メカニズムはバックボーンアルゴリズムであるEvolving Self-Organizing Map（ESOM）が鍵となっている・しかしこれまでにSEEMのバックボーンアルゴリズムとしてESOMが適切かどうか検証していない.そこで本研究ではSEEMのバックボーンアルゴリズムとしてESOMが適切かを検証することを目的とする.この目的に対し，移動ロボットの環境モデル構築を検証課題とし，他の成長アルゴリズムであるGrowing Cell Structure（GCS）とGrowing Neural Gas（GNG），およびESOMを比較した.その結果，成長型アルゴリズムとしてESOMは非常に良い適性を示したので報告をする.