Kazuhiro Ohkura 研究室
主宰者:Kazuhiro Ohkura
広島大学
AI 要約(直近 5 年の研究成果)
本研究室では、多数のロボットが単純な局所的な相互作用により複雑な集団行動を実現する仕組みを解明することに取り組んでいます。対象とする集団行動には、経路形成、協調輸送、目標物の探索・移動などが含まれます。これらの現象を定量的に分析するため、社会ネットワーク分析による手法を活用し、ロボット群内に形成されるコミュニティ構造や個体間の相互作用パターンを調査しています。
主な研究手法は進化計算を用いた神経回路網の最適化です。特に、ニューラルネットワークの接続構造と重みの両方を同時に進化させるアプローチに焦点を当てており、突然変異のみを用いた進化手法や、注意機構を組み込んだ深層進化ニューラルネットワークを開発しています。これらの手法は強化学習やヒューラスティック探索戦略(レヴィフライトなど)と組み合わせることで、脚式ロボットや車輪型ロボット、さらには実際の物理ロボットの制御器設計に応用されています。
これまでの研究から、限定的な通信範囲による遺伝子交換が集団進化の性能を向上させることや、ロボット群が環境変化に適応して行動を修正できることなど、集団学習の基本原理に関する複数の知見が報告されています。こうした基礎研究を通じて、多数のシンプルな個体から実用的な集団ロボットシステムを設計する理論と手法の構築を目指しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Hironori Washizaki 研究室早稲田大学論文 100 件·共通: 進化生物学分野, 進化・生態学, 生理・植物・進化生態, ネットワーク +9
- 物理学・天文学Takeshi Sakai 研究室日本大学論文 100 件·共通: 進化生物学分野, 進化・生態学, 生理・植物・進化生態, 認知・行動科学 +6
- 医学Yasuo Okumura 研究室日本大学論文 100 件·共通: 進化生物学分野, 進化・生態学, 生理・植物・進化生態, 認知・行動科学 +4
- 工学Koichi Suzumori 研究室東京工業大学論文 100 件·共通: ロボット制御, ロボット・機構, ロボティクス・自動化, ロボット +3
- 経済学Farhad Taghizadeh–Hesary 研究室東海大学論文 100 件·共通: 進化生物学分野, 進化・生態学, 生理・植物・進化生態, 進化 +3
- 工学Gen Endo 研究室東京工業大学論文 100 件·共通: ロボット制御, ロボット・機構, ロボティクス・自動化, ロボット +2
- 工学Seiichiro Katsura 研究室慶應義塾大学論文 100 件·共通: ロボット制御, ロボット・機構, ロボティクス・自動化, ロボット +2
- 物理学・天文学Masamune Oguri 研究室千葉大学論文 100 件·共通: 進化生物学分野, 進化・生態学, 生理・植物・進化生態, 進化 +2
研究成果(26 件)
- [2025] Evolution and extraction of decision-making mechanisms in collective perception of a robotic swarmDOI: https://doi.org/10.1007/s10015-025-01075-5
- DOI: https://doi.org/10.5687/iscie.37.216
- DOI: https://doi.org/10.1299/jsmermd.2024.1p2-m07
- DOI: https://doi.org/10.20965/jrm.2024.p0538
- DOI: https://doi.org/10.1299/jsmecs.2024.62.06c3
- DOI: https://doi.org/10.1299/jsmecs.2024.62.06c2
- DOI: https://doi.org/10.1371/journal.pone.0307084
- [2023] MBEANN for Robotic Swarm Controller Design and the Behavior Analysis for Cooperative TransportDOI: https://doi.org/10.20965/jrm.2023.p0997
- [2023] An evolutionary robotics approach to a multi-legged robotic swarm in a rough terrain environmentDOI: https://doi.org/10.1007/s10015-023-00906-7
- [2023] Developing multi-agent adversarial environment using reinforcement learning and imitation learningDOI: https://doi.org/10.1007/s10015-023-00912-9
続きを表示(残り 16 件)閉じる
- DOI: https://doi.org/10.1007/s10015-023-00900-z
- [2023] Generating Collective Behavior of a Multi-Legged Robotic Swarm Using Deep Reinforcement LearningDOI: https://doi.org/10.20965/jrm.2023.p0977
- [2023] Generating collective behavior of a robotic swarm using an attention agent with deep neuroevolutionDOI: https://doi.org/10.1007/s10015-023-00902-x
- DOI: https://doi.org/10.20965/jrm.2023.p0988
- DOI: https://doi.org/10.5687/iscie.35.126
- DOI: https://doi.org/10.1007/s10015-022-00846-8
- DOI: https://doi.org/10.1007/s10015-022-00833-z
- DOI: https://doi.org/10.1007/s10015-022-00828-w
- DOI: https://doi.org/10.1007/s10015-022-00800-8
- DOI: https://doi.org/10.1007/s10015-022-00801-7
- DOI: https://doi.org/10.3390/robotics11040076
- DOI: https://doi.org/10.1007/s10015-021-00725-8
- DOI: https://doi.org/10.1299/jsmermd.2021.2p1-g04
- [2021] A hierarchical training method of generating collective foraging behavior for a robotic swarmDOI: https://doi.org/10.1007/s10015-021-00714-x
- [2021] Topology and weight evolving artificial neural networks in cooperative transport by a robotic swarmDOI: https://doi.org/10.1007/s10015-021-00716-9
- DOI: https://doi.org/10.1299/jsmermd.2021.2p1-g06
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。