大型ロボットの物体追跡課題におけるリアルタイム性

摘要

人－ロボット間相互作用の研究が進められているが，認知心理学的モデルの活用が多く，脳神経系の実態を考慮しているものは少ない．一方，ニューラルネットワーク研究において扱われてきた学習モデルはオフライン型と呼ばれる一括学習が多く，環境のリアルタイム変化や時間特性を考慮した追従は困難である．近年の個人用計算機高性能化やロボット技術の一般化で，胸神経系を複雑系としたままで数理記述し，その時間的特性や変動を考慮した動作決定の実装が可能になってきている．本研究では，広範な脳型モデルやアルゴリズムを実装できリアルタイム計測可能な小型ヒト型ロボットの実験系を構築し，画像認識から行動を変化させる物体追跡実験を行った．リアルタイムの外界情報取得による行動変化は，単に感覚器－効果器を単純接続すれば，しばしば行動の無限ループに陥る．本研究では，脳神経系の役割である認識·記憶·判断の能力をロボット動作の時間特性と整合させて設計することを目指し，内部モデルが持つ情報の精度や様式，変化の時定数を物体追跡課題において検討した．このような研究は，今後脳の可塑性や時間特性を考慮して，人－ロボット間相互作用を研究する上で重要な基盤になろと考える．