本講演では、我々が目指す汎用型のスマートロボットに利用する「深層予測学習」の概要と応用事例、また今後の展望について紹介する。この学習法では、実時間で高次元の感覚運動の変化を予測し、その予測誤差を最小化するように予測の修正と動作生成、さらに学習を行うモデルである。このモデルを用いた複数企業と共同研究事例を紹介するとともに、JST Moonshot型研究開発課題「一人に一台一生寄り添うスマートロボットAIREC」において挑戦する課題やマイルストーンについて紹介する。

ロボットの行動経験をいかに増やしていくかは重要な課題である。産総研のサイバーフィジカルシステム研究棟では、組立工場、小規模店舗などの様々な模擬環境において、サイバー空間と実空間が連動したデジタルツインの構築を進めている。デジタルツインに基づく経験の蓄積がスマートロボットにどのようなメリットをもたらすかについて、基盤の整備状況や現在の研究成果をもとに紹介していく。またJST Moonshot型研究開発課題「一人に一台一生寄り添うスマートロボット」において、上記取り組みをもとに、スマートロボットの経験をいかに拡張していくか。現在・今後の取り組みについて紹介していく。

“予測情報処理”理論（予測符号化・自由エネルギー原理などとしても言及される）によると、脳とは予測装置であり、予測と予測誤差最小化が、人の柔軟で多様な認知・行動を可能にする脳の一般的計算原理であるとされる。この理論は、人のみならず、ロボットを含むエージェントの適応的行動生成の動作原理となりうると目されている。多くの場合、予測情報処理の理論は、変分ベイズ推論として定式化され、抽象度の高い数値シミュレーションを中心に議論が行われている。我々の研究グループでは、予測情報処理の理論を、実環境で動作するロボットにおけるリアルタイムでの感覚・運動統合システムとして実装可能な力学系モデルとして定式化することを試みている。本講演では、特に、予測情報処理の計算理論と脳神経科学・認知科学・精神医学の知見との対照・照合を意識しながら、スマートロボット制御に求められる階層的な内部表現の獲得・学習プロセスの理論的検討などについて報告する。