リザバーコンピューティングによる天井移動ロボットの消費電力最適化を考慮した学習制御

抄録

近年，さまざまな分野でデータを利用したサービスが実現されており，通信の輻輳回避や秘匿情報のセキュリティ確保，リアルタイムでの応答を実現するため，現場環境に近いデータを収集・処理するエッジデバイスにおいては，回帰型ニューラルネットワーク（RNN）によるAIの適用が進んでいる．一方で，使用できるエネルギーや計算リソースの制約により，処理負荷の大きさが適用の妨げとなっている．本研究では，回帰型ニューラルネットワーク（RNN）から派生して生まれた概念で，比較的計算量が少ないリザバーコンピューティングに注目し，ロボットの制御への適用を試みた．ドローン型4脚ロボットの天井貼りつき制御を対象とし，物理シミュレータを用いた評価環境を構築した．また，移動による消費電力を学習の指標に加え，移動中に消費電力の最適化が行える手法を提案し，その有効性を検証した．