超小型ロボットは複雑系の分野で幅広く扱われているが、計算量が限られているゆえの制約が生まれることが課題として挙げられる。そのため、現在は少ない計算で優れた結果を出すシステムの設計が望まれている。そこで本研究では、従来の再帰型ニューラルネットワークから大幅に学習コストを削減することを可能としたReservoir Computingをモデル化し、識別能力の向上を目指す。中間層には格子状でバイナリ表現を使用する計算モデルであるセル・オートマトンを使用し、ルールを単数から複数組み合わせることでの性能変化を示した。