SICE制御部門　ユビキタスコンピューティングを背景とした適応学習制御調査研究会 第3回講義会「学習とロボット制御」

13：30～15：30
「学習最適制御を用いた軌道とパラメータの同時最適化による脚ロボットの最適歩・走行軌道生成」
佐藤 訓志 (広島大学)

力学系の対称性を利用したモデルフリーな勾配計算法に基づく最適制御問題の学習的解法が開発されている． 本手法により，評価関数を最小化する最適な軌道と可調整パラメータが同時に得られる． 本講演では，この学習最適制御法に関する理論と，主に数値実験による1脚走行ロボットと2足歩行ロボットの最適歩・走行軌道生成に関する一連の応用について述べる． 学習途中での転倒回避のためにフィードバックによる仮想的拘束を付加しながら軌道学習を行い，同時に拘束の強さを表すゲインも最適化することで，ロボットが歩・走行を継続しながら最適な周期軌道が得られる． さらにロボットの身体パラメータも最適化することで，学習によるロボットの逆最適設計も可能であることを示す．

15：45～17：45
「これまでの特徴量抽出に基づく見まね学習とKL動的見まね学習」
有木 由香 (立命館大学)

近年，ロボットの学習アルゴリズムとして，モーションキャプチャ等を用いて記録した人動作をロボットの教示に用いる「見まね学習」が注目されている． 見まね学習においては，人から教示される運動を人型ロボットで実現する際に，全身バランスのような制約を考慮する必要がある． 従来は人の運動から見まねに必要な特徴量を抽出し，制約付き最適化計算で求めるが，精度と計算量の面で実用には不十分であった． この問題に対して，「教示軌道の追従」と「バランス維持」を分割して考慮する，新しい見まね学習法を提案した． この学習手法はKullback-Leibler(KL)制御と呼ばれる確率最適制御理論に基づいて定式化されており，リアルタイム計算が可能である． 本発表では特徴量抽出による見まね学習の概要と提案したKL見まね学習について述べる．