情報処理学会 第77回全国大会講演要旨

ダイナミックな動作の実現や人間との接触安全等の観点から，柔軟関節を有するロボットが注目を集めている．多自由度の柔軟関節ロボットは制御モデルの構築が困難である為，従来研究では，事前にタスクを想定した"動作プリミティブ"を振動子モデルやアトラクタで設定する方法が一般的である．しかしこの方法では設計者の意図しない環境変化，外乱に対応することは難しい．本研究では再帰結合型神経回路モデルを用い，身体バブリングによる単純な動作を事前学習（Pre-training）させ，想定したタスクの動作を追加学習する手法を提案する．実験の結果，複数種類のタスクでの学習効率化が確認された．