2値化オートエンコーダと再起結合ニューラルネットワークを組み合わせたヒューマノイドロボットによる柔軟物操作のための軽量なEnd-to-End学習を提案する．深層学習の活用により，柔軟物操作等の複雑なタスクを担うロボットが実現されつつある．一方，従来研究では推論に外部GPUを用いており，ロボット等の組み込み機器への実装にはモデルサイズの大幅な削減が必要であった．そこで，本発表では，2値化オートエンコーダと再起結合ニューラルネットを組み合わせ，カメラ画像からロボットの関節角をEnd-to-Endに予測するネットワークを提案する．数値実験の結果，推論精度を損なうことなく，モデルサイズを95.7%削減出来ることが明らかになった．