ロボットがタスクを実行する際, その身体, 対象物体, 道具, 動作環境の間の関係性をモデル化し, 指令にしたがって身体を制御する必要がある. しかし, それらの関係が複雑である場合, 古典的手法ではそのモデル化自体が難しい. また, それらの関係が時間と伴に変化する場合, そのモデルの逐次的変化に対応する必要がある. そこで本研究では, このモデル化困難性と逐次的モデル変化に対応可能Parametric Biasを含む予測モデル学習について提案する. その理論について一般化して述べたうえで, 柔軟ハンドにおける把持制御と把持物体認識, 台車型ロボットの環境適応型分散最小化制御, 筋骨格型台車ロボットによる柔軟布操作, 全身筋骨格ヒューマノイドにおける靴の変化を考慮したバランス制御等の様々なロボット・タスクにおける実験をまとめ, その有効性について考察する.
