Research

サイバーフィジカルAI研究室では人工知能とロボティクスを中心に、 経験から学び、環境の変化に適応し、人や他のロボットと協調して行動できる知能システム の実現を目指しています。

研究では理論やアルゴリズムだけでなくシミュレーションや実際のロボットを用いた実験を通して、「どのような条件でうまく学習できるのか」「環境が変わったときにも学んだことを利用できるのか」といった問題を考えます。

経験やお手本から行動を学ぶ

ロボットやエージェントが、試行錯誤や人のお手本から行動を学習する方法を研究します。

例えば、

などを扱います。

単に学習アルゴリズムを実行するだけではなく、学習速度、成功率、データ量、環境変化への強さなどを比較し、「なぜその方法が有効なのか」を明らかにすることを目指します。

学習時と実際に行動するときの環境が完全に同じとは限りません。

例えば、

といった問題があります。

転移学習、ロバスト強化学習、方策蒸留などを用いて、環境が変化しても過去の経験を有効に利用できる学習方法を研究します。

1台のロボットだけではなく、複数のロボットやエージェントが同じ環境で行動する問題を扱います。

例えば、

などが研究対象になります。

シミュレーションを利用することで、多数のエージェントが存在する条件や、さまざまな故障・環境条件を系統的に比較できます。

将来的に、人と自然に協調して行動できるロボットを実現するためには、人の動きや意図を理解することが必要です。

人の動作データやセンサ情報を利用して、

といった研究に取り組みます。

ロボットが実世界で行動するためには、「ある行動をすると、その後どうなるか」を予測する能力が重要です。

環境の変化を予測する世界モデルや、画像・動作・行動を統合して扱う学習モデルを利用し、知覚・予測・行動をつなぐ研究にも取り組みます。

卒業研究では、最初から大規模なロボットシステムを構築するのではなく、比較的小さなシミュレーションや既存の学習環境から始めます。

例えば、

という流れで研究を進めます。

具体的な卒業研究の進め方については For Students を参照してください。

論文・学会発表などの研究業績については、教員の researchmap および Google Scholar を参照してください。