ニューロモデルに進化計算を用いた高速学習の自律型移動ロボットの開発

利用神经模型中的进化计算开发具有高速学习功能的自主移动机器人

• 批准号: 19921017
• 负责人: 渡辺 美知子
• 金额: $ 0.38万
• 依托单位: Asahikawa National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Scientists
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19921017/
• 关键词: スモールワールドネットワーク; バックプロパゲーション; リカレントネットワーク

ロボットのタスク学習には,人工ニューラルネットワーク(Artificial Neural Networks: ANN)であるバックプロパゲーション(Back Propagation: BP)やリカレント・ネットワーク(Recurrent Network: RN)が採用されている.しかしながら,従来のANNではトポロジー構造の果たす役割については着目していない.近年になってDuncan J. Wattsは,体長僅か1ミリメートルで302の神経網をもつ線虫のC.エレガンス(Caenorhabditis elegans)についても,神経系が高度にクラスター化されたスモールワールドネットワーク(Small World Network: SWN)構造が存在することが報告されている.これは生物の進化過程の結果として,自然界の小さな神経系ネットワークにもSWNが存在し,タスク達成に機能することを示している.そこで,本研究ではβモデルに基づくSWNを含めた各種トポロジーのANNを作成し,それらにBPとRNを加えた複数のネットワーク特性を比較し,かつ進化計算に基づく学習方法を開発する.次いで,提案した学習方法をロボットの自律型移動ロボットのゴール到達問題に適用し,それらの学習方法を確立するとともに,タスク達成のための高速学習の自律型移動ロボットを開発した.

诸如反向传播（BP）和循环网络（RN）之类的人工神经网络（ANN）被用于机器人任务学习，但是，传统的神经网络我们并没有关注拓扑结构所发挥的作用。 Watts还发现，线虫秀丽隐杆线虫（Caenorhabditis elegans）只有1毫米长，拥有302个神经网络，拥有一个神经系统高度集群化的小世界网络。据报道，SWN 结构是存在的，这表明，作为生物体进化过程的结果，SWN 甚至存在于自然界中并具有完成任务的功能。在我们的研究中，我们创建了具有各种拓扑的 ANN。 SWNs基于β模型，并将BP应用于其中。接下来，将所提出的学习方法应用于自主移动机器人的目标到达问题，这些学习方法同时开发了快速学习的自主移动机器人完成任务。