進化計算や強化学習を用いたロボットの動作学習 Robot Behavior Learning Using Evolutionary Computation and Reinforcement Learning

進化計算や（深層）強化学習といた手法を用いて，自律的かつ効率的にタスクを学習するためのアルゴリズム（学習法）を開発する．例えば２足歩行ロボットの歩行動作を効率的に学習するための学習法を開発する．このような研究を通して，さまざまなタスクの学習に汎用的に適用できる学習アルゴリズムの構築を目指します．

This research focuses on developing learning algorithms that enable robots to autonomously and efficiently acquire task-specific behaviors using methods such as evolutionary computation and (deep) reinforcement learning. For example, we aim to create learning methods that allow bipedal robots to learn walking behaviors effectively. The ultimate goal is to build general-purpose learning algorithms applicable to a wide range of tasks.

Reference:

1. 伊東 邦英, 永田 裕一 :強化学習を用いた四脚ロボットの歩行動作生成, 進化計算シンポジウム 2024, 2024年12月.

2. 本間 天譲, 永田 裕一 :Sim-to-Real 学習に向けた強化学習による四足ロボットの歩行動作獲得の実験と考察, 進化計算シンポジウム 2022, 2022年12月.   

3. 米田 和弘, 永田 裕一 :深層強化学習を用いたロボット制御法の内発的報酬による学習改善, ICE四国支部学術講演会, 2021年12月.   

4. 藤井 宏行, 永田 裕一, 小野 功, 小林 重信 :光学的情報τを用いた移動ロボットの設計と評価,日本ロボット学会誌, Vol.28, No.10, 1189-1200, 2010年. (DOI: 10.7210/jrsj.28.1189)