動的環境に適応可能な機械知能の実現を目標として，人工神経回路モデル（ディープラーニング）と多自由度ロボットを統合した，模倣学習，運動言語統合，人間機械協調，マルチモーダル能動知覚などに関する構成論的アプローチ研究を行っています．

紹介ビデオ

テレビ/メディア報道

これまでに”外部展示”したロボットデモの動画集

研究プロジェクト

<!—- ここからコメントアウト．古いページ

認知ロボティクスグループ

認知ロボティクスグループでは，人の認知的能力をロボットに持たせることを目指し，ニューラルネットワークをロボットに実装してさまざまな課題を行わせることで，経験した感覚運動情報から知能を獲得する過程を研究しています．

ニューラルネットワークとは，神経回路をモデル化した計算アルゴリズムで，入出力間の変換過程を学習する能力や，入力のゆらぎに対するロバスト性を持つことが特徴です．本研究室では目的の認知課題を学習するために，独自モデルの提案や新たな学習アルゴリズムの提案などを行っています．

くわしくはチームのページをご覧ください

情報ロボティクスグループ

情報ロボティクスグループでは人間の認知過程とのアナロジーに拘らず，広くロボット分野・情報分野の問題にアプローチしています．現在は特に画像と音を中心とした現実世界の情報を扱うことのできる計算モデルを研究しています．

カメラ画像や環境音，絵や音楽といった現実世界の情報は多次元かつ時間方向に展開されており，直接これらをコンピューターの限られた計算リソースで扱う事は難しいとされてきました．そのため伝統的にはシステムの目的に応じて明示的にデザインされた特徴量による次元と量の削減を行う事前処理が行われてきました．

対して近年，深層学習を中心とした機械学習が既存手法の性能を大きく上回ることで注目を集めています．深層学習は多くのニューロンを持つ大規模な神経回路モデルであり，近年のハードウェアの性能向上，効率的な最適化計算手法の提案などにより，以前では現実的な時間では学習を収束させることが困難であった多次元で大量のデータの学習が可能になりました．

現在，深層学習は主に画像認識などの多次元データの認識問題に用いられていますが，逆に画像や運動情報などを生成することも可能です．情報ロボティクスグループではその性質に着目し，認識問題だけではなくニューラルネットワークが動画や運動を生成するモデルの研究も扱っています．

（文責：佐々木）

実体ロボティクスグループ

ロボットは様々なメカトロニクスモジュールや，知能化ソフトウエアの集合体です．ロボット・システムの構築方法論について研究することによって

• システムのメンテナンス性
• システムのカスタマイズ性
• システム内のエラー情報収集性能
• モジュールの再利用性

などを最大限に引き出す方法論の構築や，ツールの開発を行っています．

<!— アームと深層学習機 —

OpenRTM-aistを使った深層学習器とロボティクスを同時に学ぶことのできる教材

READ MORE

<!— R-envツール —

ロボットやデバイスを連携制御できる技術「R-env:連舞™」との連携 with NTT

READ MORE

<!— / R-envツール —

<!— マニピュレーション —

物体認識と把持のためのマニピュレーションフレームワークの開発

READ MORE

<!— / マニピュレーション —

<!— wasanbon —

RTミドルウェアを使った開発をサポートするためのフレームワーク「wasanbon」

READ MORE

<!— / wasanbon —

<!— Web教育ツール —

WebベースなRTミドルウェア教育教材の開発

READ MORE

<!— / Web教育ツール —

<!— 移動ロボット —

移動ロボットナビゲーションフレームワークの開発

READ MORE

<!— / 移動ロボット —

<!— VREPとOpenRTM-aist —

動力学シミュレータ “VREP”とOpenRTM-aistとの連携

READ MORE

<!— / VREPとOpenRTM-aist —