自律型移動ロボットによる衝突回避学習の可視化
Visualization of Collision Avoidance Learning by Autonomous Mobile Robots

 

人工知能はゲームやコンピュータビジョン、ロボット工学等において注目されているテーマである。中でもニューラルネットワークはパターン認識に特化しており、さまざまなアプリケーションで超人的パフォーマンスを発揮する事で知られている。しかし、それらの入出力特性は人間には解釈が困難であるというブラックボックス性を持つ。
このような不透明性に対して、本研究では動的環境において自律型移動ロボットの衝突回避学習を行い、学習が進んだ後、ニューラルネットワークの中間層を可視化する自己組織化マップ（SOM）を用いて結果を視覚的に分析する。このようなニューラルネットワークの直感的理解は、透明性が問題となっている自動運転や医療診断において説明を与えることが期待される。

 

Artificial intelligence is a hot topic in gaming, computer vision, robotics, and other fields. Among them, neural networks specializes in pattern recognition and are known for their superhuman performance in various applications. However, they are a black box in that their input-output characteristics are difficult for humans to interpret.
To address this opaqueness, this study performs collision avoidance learning of an autonomous mobile robot in a dynamic environment, and after the learning progresses, the results are visually analyzed using a Self-Organizing Map (SOM) that visualizes the middle layer of neural networks. Such intuitive understanding of neural networks is expected to provide explanations in automated driving and medical diagnosis, where transparency is an issue.