研究テーマ

ユビキタス社会の実現によりコンピュータ制御とその知能化が至る所で可能になりました。当研究室ではシステム制御と機械学習、信号処理、センシングやそれらの融合研究に取り組んでいます。以下では、まず概観を示した上で、現在のテーマを幾つか紹介します。ただし研究テーマは刻々と変化するものですので、ここに挙げるのは一例に過ぎません。

— 知能システム制御:我々が目指すもの —

制御(コントロール)という言葉は日常でも用いられており、身近で基本的な考え方です。産業界にも広く普及していますが、今はまだ単純な手法しか実用化されておらず、さらなる高性能化が求められています。そのためには対象を数式で表し、合理的に解析・設計する必要があります。また、人間が成長とともに動作に上達するように、機械にも学習する仕組みがあれば望ましいでしょう。このような高度に知能化された制御システムを我々は目指しています。抽象度が高いので、すぐに実用化できるわけではありませんが、ここで学んだ基礎的な知識は社会に出てからも大いに役立つことと確信しています。

これまでの学生による研究の概要はこちら!

現在扱っているテーマ例

ロバスト制御・適応学習制御

ロバスト制御など先端的な制御理論とその応用に取り組んでいます。例えば現在は、生体の運動学習モデルとして著名なフィードバック誤差学習(FEL)を制御工学的に研究しています。コンピュータを駆使したデータ駆動型の制御系設計にも興味があります。

フィードバック誤差学習

ネットワーク化制御・切り替え系

あらゆるモノがインターネットにつながるIoTの時代に制御技術はどうあるべきかを考えています。具体的には、信号伝達のランダムな遅れ(ジッタ)や不定期的な損失(パケットロス)に対してロバストな切り替え制御システムの設計法を提案し、ドローンなどの移動体によって検証実験をしています。

信号損失にロバストな制御系

ニューラルネットワーク

生物の優れた脳の情報処理構造を獲得するために,ディープラーニングやリザーバコンピューティングを基にした開発を進めています.
(テーマ例はクリック)

ニューラルネットワーク

生物を規範とした学習構造

これまでの数理的に都合の良い学習構造から,生物の優れた特性を再現するようなものへと転換する試みとその解析を行っています.
(テーマ例はクリック)

生物を規範とした学習構造

ヒューマンロボットインタラクション

ヒトと物理的にふれあうことができ,様々な動作を支援することを目指した次世代のロボットのための要素を開発しています.
(テーマ例はクリック)

ヒューマンロボットインタラクション

マルチエージェント強化学習

これからのロボット共生社会で構築される大規模な自律分散ロボットシステムにおいて実用的な強化学習手法について研究しています.
(テーマ例はクリック)

マルチエージェント強化学習

研究設備

DesktopPCs
Quanser 2DoFArm
Quanser ecp2055d
IP1
LEGO
ArDrone
Pololu
Dobot
QbRobot
Doggy
PhantomX
Minitaur
WheelChair