前ページに戻る

知能ロボティックス


マニピュレータ・モータ等に関するハード面と知能情報処理に関するソフト面の双方の技術を統合して、実環境で知的に振る舞うロボットを実現するための研究が盛んに行われている.

われわれは,知能ロボットの機能の内,人間とのインタラクション機能・WEBを通じた知識獲得機能に関して研究を行っている.

大村 小竹生和 小川池田 許

社会性を持ったロボット(大村2009-03)

  • ユーザのインタラクションの類似性を用いた行動学習システム[大村2004]
  • 人間の学習と同様に,エージェントが社会的学習を実現するためには, 従来のエージェントと人間という二元的な系でのインタラクションではなく, エージェントを取り囲む複数の他者を含めた系でのインタラクションについて考えることが重要であるといえます。 つまり,社会的知識や情報は一人の人間とのインタラクションにより創発されるのではなく, 複数の人間とのインタラクションにより生まれるものであると私たちは考えています。 本研究では,複数の他ユーザによるインタラクションの経験から, 実際の体験以上の体験を学習者に対して実現するといった社会的学習により効率よく複数ユーザ(集団)に適応するシステムの構築を目的として研究を行っています。

    システム概要図

    実験の様子




  • クラスタリングを用いたマルチユーザラーニングエージェント(MULA-C)[大村 2007]
  • エージェントを取り囲む複数のユーザに対して効率的に適応するMULA(マルチユーザラーニングエージェント)は,これまでにインタラクションを とったことのある相手の中から類似した人のデータを用いて個人に対する適応を効率的に行います。人間の学習と同様に,エージェントが社会的学習を実現するためには,従来のエージェントと人間という二元的な系でのインタラクションではなく,エージェントを取り囲む複数の他者を含めた系でのインタラクションについて考えることが重要であるといえます。つまり,社会的知識や情報は一人の人間とのインタラクションにより創発されるのではなく,複数の人間とのインタラクションにより生まれるものであると私たちは考えています。 そこで,複数の他ユーザによるインタラクションの経験から,実際の体験以上の体験を学習者に対して実現するといった社会的学習により効率よく複数ユーザ(集団)に適応するシステム(MULA)の開発しました。また,人間は一般的に多くの情報をある意味のまとまりに分類して頭の中に蓄積 していると考えられています。これをカテゴリ化と呼んでます。この考え方をMULAに追加したMULA-Cを開発しました。MULA-Cは,利用する他のユーザとのインタラクションの経験をカテゴリ化して,さらに効率の良い学習を行います。




  • 集団適応エージェントの開発[大村2009]
  • エージェントの人間の社会への進出に伴い,エージェントが人間社会で活躍するためには集団適応という社会的な考慮が必要である。そのため,人間の社会的スキルに着目し,人間の社会的スキルの一つステレオタイプを用いた「集団内のメンバーへの効率よい適応《(MULA)と,人間の暗黙のルール獲得を分析することで得た知見を用いた「集団内の暗黙のルールへの適応《の2通りの方法で集団適応エージェントを実現した。

    MULA(マルチ・ユーザ・ラーニングエージェント)

    暗黙のルールを学習するエージェント

    画面のトップへ戻る

    犬型ロボットの動作教示(小竹2007-03,生和2008-03)

  • 複数人教示によるロボットの身体性に基づく最適方策選択[小竹2006]
  • AIBOやPaPeRoのようなロボットが人間の生活圏に徐々に入りつつありま す。そのようなロボットは1人の人間と接するわけではなく,複数人の人間と接 することが考えられ,その場合に人間は学習者(ロボット)に対しある問題に対す る解決方法として様々な方針の教示を与えることが考えられます。 これは人間が様々な身体性や個性を持っているため生じる問題であり,1つの目 的に対し複数の方針の教示が与えられることは,従来の手法では方針の競合によ り上手く機能しません。 そこで本研究では,その問題点を解決するためにロボットが様々な方針を与えら れる複数人の教示者と接する場合に,方針の競合なく学習できる手法を提案します。 また,本手法により複数の方針から自身の身体性に適した方針を選択できることも示します。

  • 複数人直接教示によるロボットの適応的行動スキルの抽出と解析[生和2007]
  • 本研究は,複数人の教示によるロボットの行動学習手法の開発を目的とします。同じ目的の従来研究に,複数人教示をセンサ情報の類似性からクラスタリングすることによって,異なる方針の教示方法を分類し,ロボットに記憶させる手法があります。しかし,この研究ではセンサ情報が類似していても,実際のロボットの動作が類似していない場面があることや,教示者とロボットの対話的な教示が困難であるという問題がありました。そこで本研究では,シミュレータWebotsと逐次クラスタリングを用いた対話的な教示手法を提案しました。そして,実験で は本手法を用いることで対話的な教示が実現できることを示しました。

    システム概要図

    実験の様子

    画面のトップへ戻る

    ヒューマノイドロボットの身振り生成(小川2010-03,池田2010-03)

  • 発話状況と社会的立場を考慮したロボットの集団適応動作 [小川2010]
  • ロボットの発話と動作設計の従来研究では,予めロボットの開発者が動作を行うタイミングを制御してロボットに発話をさせているシステムが多いが、実環境では複数のユーザとインタラクションを行っており,社会的立場を考慮して相手に適応する必要がある。本研究では用意した発話内容に適切な動作を複数人でロボットに教示をして,同一発話内容における集団適応動作生成システムを開発し,社会的立場に着目した集団適応動作の有効性を検証した。




  • 交渉対話事例に基づく交渉エージェントのしぐさ作成と評価 [池田2010]
  • 交渉では言語情報以外に,相手のしぐさによる非言語情報も必要だが,交渉において本当に必要なしぐさはまだ分かっていない。本研究では交渉エージェントに本当に必要なしぐさを見つけるため,人間の交渉中のしぐさの観察と分析を行い,有利・上利時のしぐさの単体出現頻度を調査した。抽出されたしぐさの特徴量を基に三種類のアニメのアバタエージェントに特徴量ごとにしぐさを作成し,エージェントのしぐさと人間のしぐさを見て,人間同様の情報が伝わるのか,アンケートによる印象比較評価を行った。検定の結果、しぐさの印象はエージェントの外見や性別に依存するが、エージェントに人間と同様なしぐさを行わせることは有効であることがわかった。

    ANVILを用いたしぐさの分析例

    三種類のアニメキャラクタのエージェント

    画面のトップへ戻る

    WWW上の情報を利用した移動ロボットによる物品管理(許2011-現在)

  • WWW上の情報を利用した移動ロボットによる物品管理[許 2012]
  • このブロックは建設中です。

    画面のトップへ戻る

    画面のトップへ戻る

    Nitta Laboratory Department of Computational Intelligence and Systems Science Interdisciplinary Graduate School of Science and Engineering Tokyo Institute of Technology