Contenu connexe Similaire à ロボットによる一般問題解決 Similaire à ロボットによる一般問題解決 (20) 4. １.２ 知能情報処理の展開（１）
従来の知能ロボット（1950’s ~）
1956 組み込み式 実世界のような常に
複雑に変化する環境
知 If Q then A には対処できない
能 設計者が状況Qや行動A
情 をプログラムする タスク依存
報
処
理 ロボットによる学習（2000’s ~）
の 直接的に経験した
展 認知発達ロボティクス タスクしか実行で
開 きない
ロボットによる
自律的な学習・発達
タスク依存からの脱却
4
5. １.３ 知能情報処理の展開（２）
ロボットの知能発達
認知発達システムの持つべき性質 [Wengら, 2001]
知
能 知識の学習
1. タスクに特有なシステムではない
情 2. タスクがシステムの設計者にとって未知である
報 3. 未知のタスクに対するアプローチを生成できる
処 4. オンライン学習が可能である 知識の生成
理 5. オープンエンド学習が可能である
の
展
開 現在、上記の3.以外の性質を満たす
知能ロボットは実現できている
2010
全身動作のオンライン教示システム [小倉ら, 2005]
語順と挙動のオンライン学習 [佐藤ら, 2008] etc 5
7. １.５ ロボットの知能発達（２）
認知発達ロボティクス Wengらの示す知能発達
知識1 知識１
知識2 知識2
知識3 知識3
知識4
外部から与えられることで
しか、知識を増やせない 外部から与えられた知識を運
半タスク依存 用することで、“自力で”新
たな知識を生成できる
汎用のタスク 7
8. ２. 本研究の目的
汎用のタスクが実行可能な知能ロボットの実現に向けて
3.を含めWengらの示す性質を全て満たす、
実世界における一般問題解決システム
特長
ロボットは視覚や聴覚から得られるパターンから概念
（シンボル）を形成する
ロボットは環境や人間との相互作用を通じて行動の因
果関係を知識としてオンラインかつ追加的に獲得する
ロボットは既存の知識を組み合わせることで未知のタ
スクに対するアプローチを生成できる
8
9. ３.１ 提案手法
3. シンボル記憶層
シンボルの保持
2. パターン記憶層
パターンの保持
1. 入力層
パターンを受け取る
1. 記号接地フェーズ 2. 知識獲得フェーズ 3. 問題解決フェーズ
SOINN [Shenら, 2006] に 行動の因果関係を知識化 実環境における問題解決
よる概念形成 （既存のプランナを使用）
9
11. ３.３ 知覚情報のシンボル化
自己増殖型ニューラルネットワーク（SOINN）
[Shenら, 2006] “0”という概
特長 念（シンボル）
オンライン追加学習が可能
高いノイズ耐性 教師ID
自己組織的に成長
0 2 2
0
2
0 0 2
オープンエンド学習 0 2
に不可欠な性質
1 3 3
1
3 3
知覚情報のシンボル化に利用 1
パターン記憶層にセンサ毎に設置
教師IDの付加により概念を形成
Image, Sound SOINN
11
12. ３.４ 因果関係の知識化（１）
実環境のモデル化
実環境
ロボットの周囲環境
３つの位置と周囲音の状態
♪
World Model（WM）の作成
1-NN法による記号接地
C B A 述語（At、Ring）による状態記述
WM ={At(“ベル”, A),At(-1, B),
12
At(-1, C), Ring(“ベル”)}
13. ３.５ 因果関係の知識化（２）
提案手法では知識をオペレータで表現する
オペレータの構成
前提条件：適用するのに必要な述語の集合
削除リスト：適用すると成立しなくなる述語の集合
追加リスト：適用すると新たに成立する述語の集合
注意のモデル
既知の物体の状態変化に注意
オペレータの構成
オペレータの作成 前提条件 ＝ preWM
オペレータ実行前
削除リスト＝ preWM － postWM
後のWMを比較
追加リスト＝ postWM － preWM
13
14. ３.５ プランニング（と実践）
General Problem Solver（GPS） [Ernstら, 1969]：
最も古典的で簡素なプランナ
現在状態と目標状態の差異を減少させるオペレータを選
択し、現在状態にそのオペレータを適用していくという
プロセスを繰り返すことで目標状態を達成する
start goal
A, B A, X
operator 1
subgoal preCond delList addList
Y Y X
14
15. （参考）GPS
GPS(S, G)：状態Sに適切なopの系列を適用して状態Gに変換する
1. S と G の差異を求める。差異がない場合は return S
2. 差異を重要な順に列挙する。
3. 差異を縮めるのに有効なオペレータを列挙する。
4. 3. からオペレータを１つ選ぶ。これを op とし、その前提条件を pc
とする。選ぶオペレータがなくなった場合は return false
5. S1 = GPS(S, pc) S1 = false になった場合は4. に戻る。
6. S1 に op を適用して、その結果の状態を S2 とする。
7. return GPS(S2, G)
S pc S1 S2 G
S1 = GPS(S, pc) op GPS(S2, G)
15
16. ４.１ 各実験の概要
実験1：基本動作の確認
ロボットは直接的に経験したことのないタスク
に対しても適切に行動できる
ロボットは自らの問題解決能力では実行できな
いタスクに対して、実行できないことを示すこ
とができる
実験２：知識のオンラインかつ追加的な獲得に
よる問題解決能力の向上
ロボットは以前より複雑なタスクを実行でき
るようになる
ロボットは以前に実行できなかったタスクを
実行できるようになる 16
17. ４.２ 実験１：知識獲得フェーズ
op1：ベルを押
すと音が鳴る
op2：ドラムを
押すと音が鳴る
op3：ベルの音が鳴ってい
るときに“ちょうだい”を
するとりんごが移動する
op4：ドラムの音が鳴って
いるときに“ちょうだい”
をするとみかんが移動する
17
20. ４.５ 実験２：知識獲得フェーズ
op5：右手を挙
げるとりんごが 対称 op6
手元に置かれる
op7：“だだを
こねる”とりん 対称 op8
ごが目の前に移
動する
op9：左手を挙 対称 op10
げるとベルが手
元に置かれる
op2とop1、op4とop3と同様の関係
ベルをドラムに、りんごをみかんに
置き換えたもの 20
