マルチモーダル変分オートエンコーダを用いた実物体のカテゴリ形成

抄録

本研究では、マルチモーダルセンサー情報を用いたロボットのためのニューラルネットワークベースの教師なし物体カテゴリ分類手法を提案する。 提案手法は、マルチモーダル変分オートエンコーダー（MVAE）の拡張である。 提案手法では、ロボットによる物体カテゴリの分類に用いられるMultimodal latent dirichlet allocation (MLDA)と同様に、ディリクレ事前分布を導入する。 実物体と人工データを使用し、MLDAとの比較実験を行うことで提案手法がカテゴリ形成可能か検証する。 結果として、MLDAと比較して提案手法が計算コストを削減しカテゴリ形成を行った。