文献

J-GLOBAL ID：201602220079298031   整理番号：16A0267511

「ニューラルネットワーク研究のフロンティア」ロボティクスと深層学習

著者 (1件)： 尾形哲也 (早稲田大)
資料名： 人工知能  (人工知能学会誌)
巻： 31  号： 2  ページ： 210-215  発行年： 2016年03月01日 
JST資料番号： X0330A  ISSN： 2188-2266  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習(DL)は画像,音声,言語など異なる研究領域で扱われていたモダリティーをほぼ同様の枠組みで扱えるので,マルチモーダル情報の統合に応用できる。本論文では,マルチモーダルシステムであるロボットへのDLの応用研究と将来展望を述べた。まず,DLは高い入力次元を扱えるので,状態と有限数の行動パターンの組合せからなるQ値を強化学習させるDeep Q-Learningによって環境認識,及びその状態評価を高性能に行えることを示した。次に,多自由度関節の連続時系列データである実世界におけるロボットの動作出力をDLに直接学習させる方法論“End to End Learning”について述べた。画像,音響信号,モータの各モダリティを複数のDA(Deep Autoencoder)によって統合学習することで,認識とカップリングしたロボットの動作表現を自己組織化できることを示した。また,対象とする2種類の文章をRNN(Recurrent Neural Network)における連続した系列として学習させる“Sequence to Sequence Learning”をロボットのマルチモーダル学習に応用したところ,多義的な言語入力に対して適切に解析を行って動作を生成できることがわかった。

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  工学 ,  *マルチメディア ,  Q値 ,  強化学習 ,  音波信号 ,  *自己組織化 ,  評価試験 ,  文章 ,  *ロボット ,  用語
準シソーラス用語： Q学習 ,  *ロボティックス ,  音響信号 ,  *畳込みニューラルネットワーク ,  *深層学習 ,  多義語

分類 (4件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I)

引用文献 (15件)：

• [Hochreiter 97] Hochreiter, S. and Schmidhuber, J.: Long short-term memory, Neural Computation, Vol. 9 No. 8, pp. 1735-1780 (1997)
• [JST CREST 15] JST CREST研究,記号創発ロボテイクスによる人間機械コラボレーション基盤創成(代表:長井隆行)
• [Lenz 14] Lenz, I., Lee, H. ana Saxena, A.: Deep learning for detecting robotic grasps, Int. J. Robotics Research (IJRR) (2014)
• [Levine 15] Levine, S., Finn, C., Darrell, T. and Abbeel, P.: End-to-End Training of Deep Visuomotor Policies, arxiv:1504.00702 (2015)
• [Mnih 13] Mnih, V., Kavukcuoglu, K., Silver, D., Graves, A., Antonoglou, I., Wierstra, D. and Riedmiller, M.: Playing atari with deep reinforcement learning, Deep Learning Workshop NIPS 2013 (2013)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  研究 ,  ロボティクス ,  深層学習