強化学習とフィードバック誤差学習を用いた力場適応のための到達運動学習モデル

• Item type: SIG Technical Reports(1)
• 公開日: 2014-06-18
• タイトル: 強化学習とフィードバック誤差学習を用いた力場適応のための到達運動学習モデル
• タイトル / 言語: en
• タイトル: Learning Model of Reaching Movement with Reinforcement Learning and Feedback Error Learning for Adaptation to Force Field
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学大学院総合理工学研究科
• 著者所属: 東京工業大学精密工学研究所
• 著者所属: 東京工業大学精密工学研究所
• 著者所属: 東京工業大学精密工学研究所
• 著者所属: 東京工業大学精密工学研究所／科学技術振興機構戦略的創造研究推進事業
• 著者所属(英): en
• 著者所属(英): Interdisciplinary Graduate School of Science and Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Precision and Intelligence Laboratory, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Precision and Intelligence Laboratory, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Precision and Intelligence Laboratory, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Precision and Intelligence Laboratory, Tokyo Institute of Technology / CREST, JST
• 著者名: 清水, 遥; 神原, 裕行; 吉村, 奈津江; 辛, 徳; 小池, 康晴
• 著者名(英): Haruka, Shimizu; Hiroyuki, Kambara; Natsue, Yoshimura; Toku, Shin; Yasuharu, Koike
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 我々は日常的に，机にあるものにむかって手をのばすといった到達運動を行っている．人間の到達運動にはほぼ直線の軌跡と釣鐘型の速度波形という特徴があり，また，外力下においても外力のない状態と同じ運動ができることが知られている．このような特徴を再現する様々な数理的モデルが考えられてきたが，近年，大脳基底核の学習モデルである強化学習や，小脳の学習モデルであるフィードバック誤差学習を組み合わせて，到達運動を実現するための適切な運動指令を獲得する運動制御学習モデルが提案された．本研究では，外力下での到達運動学習シミュレーションを行い，人間の特徴と比較することでこのモデルの妥当性を評価したその結果，軌跡と速度波形に関して人間の特徴と一致する結果が見られた．また，学習の試行が増えるごとに手先のぶれが収まる過程も再現することができ，このモデルによって外力下での到達運動制御を学習できることがわかった．ただし，外力に対し伸筋と屈筋の運動指令を同時に高めるという特徴が見られなかった．このことから，このモデルに同時活性をする機構を加えることが今後の課題として考えられる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We perform reaching movement in daily life. Hand paths during reaching movements become almost straight and the speed profiles become bell-shaped. Even if some external force is applied to the hand, the trajectories become almost same as the ones during movements without any external force. Recently, the motor control and learning model combining the reinforcement learning and feedback error learning was proposed. In this research, to evaluate the validity of the model, we executed the motor control and learning simulation and compare results with the characteristics observed in human's movements. As the result, hand path and speed profile show the human characteristic. However, no coactivation was observed in the simulation. It suggest that this model need some mechanism which makes coactivation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2014-BIO-38, 号 38, p. 1-7, 発行日 2014-06-18
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会