主な研究テーマ

感覚、運動、コミュニケーション、情動、言語など多岐にわたる脳機能を理解するために、神経生理学、心理学、脳活動非侵襲計測，ロボティックスなど実験的な手法を、計算理論的な枠組みで有機的に統合する。

計算論的神経科学

内部モデルとは、脳の外に存在するある対象の入出力特性をまねることができる脳内の神経回路のことである。私たちは、 運動学習により運動器官の内部モデルが小脳に獲得されるという仮説をたて､実験的に証明してきた。小脳内部モデルは感覚運動統合だけではなくヒトの認知機能にとっても重要であると考えられている。小脳や大脳基底核の学習を､計算論的なモデル、脳イメージング、神経生理学者との共同研究によって理解する事を目指している。また、感覚運動学習の計算モデルをリハビリテーションの現場に応用する事を目指して（右下の外骨格ロボットなど）、慶應大学医学部の信濃町に分室を配置している。

ヒト型ロボットの研究

脳を創る事によって脳を知る、また逆に脳を創れる程度に脳を知るアプローチのために､超高性能多自由度のヒト型ロボットを用いて、さまざまな問題を解決すると共に、計算神経科学のモデルをロボット制御に実装していく。米国サルコス社と共同開発したCB-i（右上）は主要な関節に油圧駆動を用いて、関節の柔らかさを実現し、５１の自由度と､多種類のセンサ（視聴覚、前庭器官、関節角度、アクチュエータの力センサ）をそなえ、超高性能な姿勢制御と、ＣＰＧに基づく歩行を可能にしている。３次元視覚パターン認識の発達、サルの脳とインターネット接続しての歩行などの課題を研究する。

非侵襲的脳計測による脳情報復号化

外界や心の状態を脳活動が「符号化（コード）」していると考えると、脳活動から外界や心の状態を推定することは「復号化（デコード）」に相当する。脳情報の復号化は、刺激や課題によって生じる脳活動をマッピングする従来の脳計測研究の知見を補完するばかりでなく、脳内の詳細な情報表現を理解する上で強力なツールとなる。本プロジェクトでは、機械学習にもとづく復号化技術を開発し、非侵襲的脳計測信号（fMRI, MEG, EEG, NIRSなど）から、ヒトの脳内情報表現を高精度で同定・解読することを目指している。

ブレインマシンインタフェースと操作脳科学

ブレインマシンインタフェースは、身体を介さない新たな情報伝達手段と言える。ＡＴＲではfMRIとMEGを統合したり、fNIRSとEEGを統合して、階層ベイズ推定により、脳活動を逆推定する手法を開発してきた。また、機械学習の手法を利用して、脳活動から情報を抽出するデコーディング技術を開発してきた。脳情報を解読し、実時間でそれを脳にフィードバックする事によって、これまで不可能だった脳情報の実験的操作が可能になる。このような因果関係を実証する事のできる新しいアプローチ、操作脳科学を構築する事を目指している。