運動制御機構が複雑なコミュニケーションを可能にする ∼異なる内部シンボルを持つエージェントがコミュニケーションを通じて獲得する外部シンボル∼ ATR脳情報研究所杉本徳和シンボルを用いたコミュニケーションシミュレーション我々をとりまく環境は単一のエージェントでは処理しきれないほど膨大な情報を持っている．複数のエージェントがお互いの知識や経験を共有するコミュニケーション能力がヒトの進化を支えてきたと考えられる．ランダムに初期化 o A = M A (s A ) o B = M B (s B ) sA エージェント間で交換可能なシンボルはどのように生成されるのだろうか？この問題はコミュニケーション能力の起源を探る上でも重要な問題であり，ロボットに社会性を持たせる為にも避けては通れない．本研究では運動制御機構が問題解決の鍵となることを示す．りんご sB xA 先行研究 uA uB TA θA エージェントはお互いにシンボルを送信しあい，世代交代を繰り返すと他者のシンボルを理解できるエージェントのみが生き残る．しかし外部シンボルは環境の状態に関する情報しか持っていない． xB TB θB A B zA FA zB FB o ? 敵だ！ agent xA ! 1 environment / body ! x =  z θ A  A  A  x B =  zB θ B  T T z& A θ&A  , u A = [ FA TA ] T T z&B θ&B  , u B = [ FB TB ] n棒の高さに応じた報酬． n強化学習により報酬を最大とする制御則を学習する． n内部シンボルの構造は異なる(35×10，25×10)． agent u A uB 離散状態と行動目標の組み合わせ n外部シンボルの一致率 n約500試行で90%以上一致外部シンボルの一致率 o : 外部シンボル x A , x B : 環境の状態 u A , u B : 行動提案手法協調作業（2人で荷物を持つ等）では，エージェント間には物理的な相互作用が生じる．試行数 n累積報酬の変化観測するシンボルは相手の行動の予測に有効でなければならない． n送信された外部シンボルに応じて行動選択 o n2つの設定で比較行動目標 xA 行動目標 uA xB uB rij (x, u) ô とo の差が減少するように x& (t ) 写像Mを更新する † xˆ& ij (t ) µij ( x) fi (x, u) oˆ = M A (sˆ B ) sˆ B uˆ ij = µij (x ) † agent A o = M B (s B ) agent B sB † x (t ) 観測 iˆ(t ), ˆj (t ) = argmin x& † (t ) − xˆ& ij (t ) i, j 2 相手の軌道試行数まとめと今後の展開 environment / body x&ˆ ij = f i (x† , uˆ ij ) n実線: 行動目標有り n破線: 行動目標無し累積報酬外部シンボルはエージェントの状態変化を抽象化する．状態変化 xB ※ MA，MBは内部状態から外部シンボルへの写像 ※立場を交換して同様の更新を行う nエージェントの制御アルゴリズムにMOSAIC理論を実装． n他者の内部シンボルを推定し，外部シンボルを共有． n外部シンボルを用いることで協調作業が効率よく行えた． nどのような情報を外部シンボルに割り当てるか？ n相手への要望？ n行動の予定？