未学習領域を認識・再学習する写像学習アルゴリズムに関する研究

背景・目的

• 本研究では，次世代ロボットに必要不可欠な新たなモデリング手法の開発に挑戦している．ここでのモデリング手法とは，
  �@モデリングに不足しているデータを検出して，モデリングに必要な新たなデータを生成する機能，
  �A大量の事例データの中からモデリングに必要なデータのみを選択する機能
  を持つ手法と定義している．

手法

• �Aの機能を実現する中心的技術となる，高次元空間のデータを非線形の写像関数を用いて低次元空間のデータに変換する手法としてKernel PCA法を利用する．この法により高次元のデータを低次元化できるので，低次元化された高次元のデータと，もともと低次元のデータの間の写像関係は，既存の方法（例えば，RBFネットワーク）などを用いれば，容易に求めることができる．

Preliminary result

実験環境

• 3自由度マニピュレータを視覚情報を用いて制御する際に，3つの関節の角度の3次元データと，
  マニピュレータの手先の位置姿勢を表す8次元のデータを取得し，データを圧縮する．

• 3自由度マニピュレータの手先を8方向に動かした時のデータを取得して，KernelPCAにより3次元空間のデータに圧縮した．