ロボットラーニング研究室のKim Gaheeさん(博士前期課程2年)らが、第23回計測自動制御学会 システムインテグレーション部門講演会においてSI2022 優秀講演賞を受賞しました。(2022/12/23)

 計測自動制御学会 システムインテグレーション部門は、高機能化・複雑化するシステムの諸問題を解決し,更にシステムの設計論を開拓・構築するため、人間・社会・人工物が関わる様々な分野における俯瞰的システムインテグレーションをテーマとして、産官学の研究者・技術者が集結して当該分野に関連する講演発表および討論を行う学会です。第23回計測自動制御学会 システムインテグレーション部門講演会(SI2022)は、2022年12月14日から16日にかけて幕張メッセ国際会議場にて開催されました。
 優秀講演賞は、システムインテグレーション部門講演会において発表された全ての発表を対象として審査を行い、講演会実行委員会が選出する賞です。
image
  • 受賞者/著者 Awardees/Authors:
     KIM GAHEE, 田原 熙昻, 松原 崇充

  • 受賞研究テーマ Research theme:
    "相互情報量最大化に基づく尤度なし推定モデルの能動学習とシミュレーションパラメータチューニングへの応用"
     本研究では、与えられた実環境をシミュレーション上に高精度に再現する最適化を目指し、ロボットが実環境を能動的に探索、逐次的にパラメータを推定する逐次的能動推定の枠組みを提案する。実環境の観測からパラメータ分布を推定する際に、その推定精度はどのような行動をして観測を得たかによって大きく左右される。 本研究では相互情報量を効用関数として、事前分布に対して効率的なパラメータ更新を可能にする。ロボットシミュレーションのように生成モデルが未知なブラックボックスモデルでは事後分布を解析的に求めることができない問題点があるため、提案手法では、生成モデルの代わりに、シミュレーションデータを利用して事後分布を近似する尤度なし推定を用いて効用関数を最大化する行動を計画する。提案手法を用いて最適行動による推論を行うことで推定精度が向上することを数値シミュレーション とロボットシミュレーションを用いて確認した。

  • 受賞者のコメント Awardee's voice:
     本研究を進めるにあたりご指導・ご協力をくださた先生、先輩方に感謝いたします。今回の受賞を励みに研究活動に注力いたします。

  • 外部リンク Links to:
    - SI2022 HP:https://sice-si.org/si2022/

>> ロボットラーニング研究室 / Robot Learning lab