Shared Synergyを利用した高い汎化能力をもたらす模倣学習

摘要

ロボットに複雑な動作をさせようとするとき，人間の動作を真似するように学習させる模倣学習が有用な方法として挙げられる．模倣学習は人間が行う良質な動作を学習に使えるので，ロボット自身が試行錯誤しつつ動作をゼロから獲得する方法と比べて効率的に学習できる．しかしその一方で，良質なデータを多量に集めるのは手間が大きい．学習データが少ないと，単に学習させるだけでは動作生成の安定性や汎化性能が劣化してしまう．少数の教示動作からうまく学習させるためには，データの構造についての情報を学習に組み込むのが良い．本稿では，神経科学で用いられているシナジー（synergy）の概念を模倣学習に応用する技術について紹介する．シナジーとはヒトや動物の運動データから観察される協調パターンを指し，運動の低次元化や解析などに用いられている．教示動作から時空間的なパターンをシナジーとして抽出し，そのシナジーを使って動作生成するように学習させることで，汎化性能などの向上を試みた．