|
【受講対象】
・ロボット制御にかかわる強化学習・機械学習についての基礎知識を得たい方
・ロボットの自律化・導入を検討されている方
・現状の技術でのロボットの利用可能性を検討したい方
【予備知識】
・特に必要ありません
【修得知識】
・ロボットの運動生成に関わる学習方法についての基本的な考え方・仕組み・適用例を知ることで、その応用可能性と限界についてイメージできるようになることを目指します
【講演ポイント】
本セミナーでは、ロボットの運動生成のための、機械学習・強化学習の基礎知識を提供します。ロボットの自律化技術は多岐にわたる技術的側面を有するもので、本セミナーではロボットの動作計画・認識・制御・学習についての基礎事項を丁寧に解説します。
近年、人工知能関連の技術応用が盛んに行われ、ロボットへの応用も期待を集めています。これを踏まえ、動作するロボットへの応用に関連する技術の概観、強化学習・逆強化学習の考え方・研究動向を紹介します。
【プログラム】
１．ロボットの運動計画・動作制御の概略
（１）．モデル（世界地図と計画）にもとづくアプローチ
（２）．センサ情報から直接制御入力を決定するアプローチ
ａ．教示：人の操縦情報にもとづく方法
ｂ．強化学習：運動学習・認識学習にもとづく方法
２．ロボットの運動計画のための基礎
（１）．コンフィギュレーションとは
（２）．コンフィギュレーション空間・コンフィギュレーション障害物
（３）．運動計画のための空間の構造化
（４）．グラフ構造と探索
３．ロボットの運動計画
（１）．ポテンシャル法・ボロノイ図法
（２）．ダイクストラ法とＡ*法
（３）．確率ロードマップ法とＲＲＴアルゴリズム
（４）．車輪型移動ロボットへの適用例（Ｈｙｂｒｉｄ Ａ*，TEBなど）
（５）．大域的計画と局所計画、ＤＷＡ
（６）．マルコフ決定過程・最適ベルマン方程式と動的計画法
４．ロボット制御にかかわる機械学習の基礎と応用
（１）．機械学習問題の分類（教師あり／なし学習／強化学習、決定論的／確率的／ベイズ）
（２）．回帰：最小二乗法とガウス過程
（３）．階層型ニューラルネットワークと深層学習
（４）．クラスタリング・ＡｕｔｏＥｎｃｏｄｅｒとＶＡＥ
（５）．Ｔｒａｎｓｆｏｒｍｅｒと大規模言語モデル・
（６）．生成AIとDiffusionモデル・Transfusion
５．ロボット制御のための強化学習の基礎と応用
（１）．強化学習と運動計画の相違点
（２）．価値ベースの強化学習（Ｑ学習）と方策ベースの強化学習
（３）．方策勾配法
（４）．深層強化学習（深層学習と強化学習の統合）
（５）．エントロピー正則化
６．強化学習に関する最近の話題と応用事例
（１）．教示とDiffusion Policy
（２）．実経験にもとづくモデル学習と強化学習
（３）．物理シミュレーション利用にもとづく強化学習
（４）．強化学習の応用例
（ダイナミックな車両制御、船舶制御、四脚ロボットによる不整地歩行制御など）
【質疑応答】
|
