INTERVIEW

私は高専時代からロボットの研究をしていました。しかし産業分野が求めている複雑な環境下では、古典的なロボティクスの知識だけではなく、機械学習の導入が不可欠です。そこで修士課程で模倣学習の研究に取り組んでいたところ、学習結果が教示者の熟練度に依存すること、そのため教示者に大きな負担がかかっていることを知りました。

たとえば土木分野では、重機で地面を掘る際、作業の途中で土の硬さが変化したり、岩が見つかるなど、想定外の環境が次々と現れます。経験豊富な作業員であれば硬さや岩をすぐに認識し、最適な力加減と角度を選んで重機を操りますが、このプロセスを模倣学習で実行させるには「正しい教示データ」が必要です。熟練者でなければ不適切な動作やミスが生じ、ロボットの作業精度に影響する恐れがあるため、大きなハードルとなっているのです。

そのため私は教示者の熟練度に依存しない、より導入しやすい模倣学習アプローチの開発を目指しました。

ロボットコンテスト部で活動していた高専時代に「原発の廃炉作業に貢献するロボット」というテーマに出会い、社会におけるロボットの役割を追求するために研究を始めた

　本研究では、2つの技術開発を進めてきました。ひとつは、教示データに「正解」と「ミス」が混在していても、「正解」のデータを抽出して学習するモデルの開発。もうひとつは、部分自動化を導入した模倣学習の仕組みづくりです。

教示の最適性を仮定しない、複雑作業の自動化に向けた模倣学習アプローチを研究

車の運転では、歩行者や信号が多い下道ではドライバーが運転を担い、高速道路ではセミオートで走行することで、ドライバーの負担軽減を実現しています。このように状況に応じて「自動」「半自動」「マニュアル操作」の中から最も適した戦略を選択し、実行する手法が部分自動化です。これを模倣学習に取り入れることで、教示者の負担をさらに軽減できると考えました。

それぞれの基礎技術はすでに開発し、国際会議と学会誌で発表しました。現在はこの2つの技術を統合してより難しい仮定、部分観測性の下でも問題なく動作できる模倣学習アプローチに取り組んでいます。

次のステップは、土木作業で「地面の下に岩が埋まっている」といった直接観察できない状態（部分観測性）においても、高い認識によって最適な行動を実現するモデルの構築

このフェローシップのおかげで、私は専門書の購入や、他分野の学会に参加するといった「自分への投資」が可能となり、生活の質の向上だけでなく、知識幅の拡大も実現しました。

研究がうまく進まないときは、目的や解決すべき問題を見失ったり、「この研究は社会の役に立つのか？」と不安を抱くこともあると思います。だからこそ、申請書で研究の価値を正しく表現できるよう、常に「自分が解決したい問題は何か」を意識し、すべての研究に共通するフィロソフィーや、自身のリサーチクエスチョンを明確にしておくことが大事だと思っています。

将来はアカデミアで研究教育に携わりたい。これまで素晴らしい指導者に導かれてきたため、自分も後進の育成をしながら、社会を豊かにできるロボットの研究に取り組んでいきたい