本稿では，SOM~2を用いた環境内部モデル獲得手法について提案する．SOM~2は従来型SOMのベクトルユニットをSOMモジュールに置き換え拡張した手法であり，ベクトルデータ集合（エピソード）ではなく，エピソード集合が形成する多様体の集合を，多様体同士の対応点を発見しつつ自己組織的にマップする．ある環境において，各地点で移動ロボット周辺のセンサ情報は環状多様体に分布し，環境全体では地点どとに環状多様体が形成される．このときSOM~2を如、ることで環状多様体集合のマップが生成され，移動ロホット自身が自己位置および方向が推定可能な環境内部モデルを自己組織的に獲得できることが期待される．シミュレーションの結果，SOM~2を用いることで，移動ロボットの自己位置および方向を推定する環境内部モデルを，自己組織的に獲得できることが示された．またSOM~2を用いることで，センサ情報のみでおおまかな環境内部モデルを獲得できることも示唆された．%In this paper, a method for internal model acquirement of the outer environment is proposed. The proposed method is based on the SOM~2, in which each vector unit of the traditional SOM is replaced by an SOM itself. The SOM~2 is capable of generating a self-organizing map of a set of data distributions rather than a map of data vectors. This property of SOM~2 is suited to the self-localization of mobile robots, because a set of visual images observed at the same point vary depending on the orientation of the robot. We gave a ring-shape topology to each SOM module, which is expected to represent a visual data distribution observed at each location, while the upper level of SOM~2 is expected to represent the continuous change of those data distributions. As the results, this method succeeded to acquire an internal model of the outer world from sets of visual data. In addition, it also succeeded to make a simultaneous estimation of the location and the orientation of the mobile robot.
展开▼
