JPH01183703A - ロボット制御方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概　要〕 複数のセンサ情報に基づいて行動するロボットを重みを
有する階層ネットワークで制御するロボ７）制御方式に
おける重みの設定のための学習方式に関し。

階層ネットワークを用いるロボット制御方式の実用性を
高めることを目的とし。

計算機上に階層ネットワーク制御ロボットと同一構成の
ロボット学習シミュレータを構成するとともに、更にこ
のロボット学習シミュレータの行動をシミュレートする
動作模倣手段を備えるよう構成し、このロボット学習シ
ミュレータを用いて階層ネットワーク制御ロボットが必
要とする階層ネットワークの重みの値を求め、この求め
られた重みの値の有効性を動作模倣手段に従って検証す
るとともに、有効性の検証された重みの値を階層ネット
ワーク制御ロボットの階層ネットワークの重みの値とし
て設定するようにと構成するものである。

〔産業上の利用分野〕

本発明は、複数のセンサ情報に基づいて行動するロボッ
トを重みを有する階層ネットワークで制御するロボット
制御方式における学習方式に関する。

近年１人工知能（ＡＩ）、フックトリオ−トメ−シラン
（ＦＡ）、オフィスオートメーション（ＯＡ＞の進展に
伴い１人間にとって使い易く。

人間と共存できる知的な“柔らかい”システムへの要求
が高まっている。この期待に応えるため。

エキスパートシステム等を適用したシステムや。

パターン認識機能を備えたロボット等が提供され始めて
いるが、未だ“柔らかい”システムというには程遠い段
階にある。これから、使用方法や環境の変化に応じてロ
ボットの行動を適応的に制御する“柔らかい”ロボット
制御方式の開発が望まれているとともに、そのようなロ
ボット制御方式の実用性を高めるための技術の開発も望
まれているのである。

（従来の技術〕 従来のロボット制御方式は、逐次処理コンピュータ　（
ノイマン型コンピュータ）によって実現されている。従
って、複数のセンサ情報に基づいて行動するロボットの
制御方式についても、どのセンサがどういう情報をもた
らすかということを予め人間が考慮した上で、どのよう
なセンサからの入カバターンが入ってきた時、どのよう
な出カバターンを発生し３行動したらよいかをプログラ
ムの形で厳密に記述していくといったような構成により
実現されていた。

〔発明が解決しようとする問題点〕

従って、ロボットはこのプログラムに基づいて行動して
いるだけであり、当然、プログラムに記述されていない
状況には対応できず、また、センサの特性が少しでも変
化したり、多数のセンサのうち１つでも壊れたりすると
、適切な行動をとることができない等といった問題点が
あった。さらに、ロボットが多数のセンサ群を備えてい
る場合。

プログラムを作成すること自体が極めて困難、或いは不
可能になるといった問題点を生じていた。

これらの問題点を解決するために９本出願人は階層ネッ
トワーク構造に基づく　“柔らかい”ロボット制御方式
を提案（出願臼：昭和６２年１２月２８日。

発明の名称「ロボット制御方式」）シた０本願明細書で
も詳細に説明するようにこの階層ネットワーク構造によ
るロボット制御方式では９階層ネットワークの重みの値
を学習し、検証していく必要がある。

しかるに、実際のロボット上において重みの学習や検証
を行うことは、開発環境の悪いロボット上で作業するた
めに開発期間が長期になる点、学習や結果の検証に必要
なプログラムやハードウェアを搭載しなければならない
点、ロボットのセンサ、モータなど構成要素の特性のバ
ラツキなどの影響を受ける点等の問題があるとともに、
演算を実行するロボット上の制御用プロセッサ等の実行
速度が低速であることが多く、従ってロボットの階層ネ
ットワークの重みの学習が迅速に行えないなど必ずしも
得策とはいえないことも多いのである。

本発明はかかる事情に鑑みてなされたものであって１階
層ネットワーク構造によるロボット制御方式における階
層ネットワークの重みの値を高速かつ正確に学習し、検
証できるロボット学習方式の提供を実現することで１階
層ネットワーク構造のロボット制御方式の実用性を高め
ることを目的とするものである。

〔問題点を解決するための手段〕

第１図は９本発明の原理説明図である。

図中、１はセンサ手段であり、ロボットを取囲む外界情
報を取り込む複数のセンサからなるもの。

２は行動パターン発生手段であり３行動パターン信号を
発生させてロボットの行動パターンを規定するもの、３
はロボット制御手段であり１重みを有する階層ネットワ
ークから構成され、この階層ネットワークに従ってセン
サ手段１の検出パターンに応じた制御信号を生成して行
動パターン発生手段２を制御するもの、５は基本制御動
作格納手段であり、予め選択されるセンサ手段１の１つ
または複数個の特定の検出パターンに対してのロボット
制御手段３の生成すべき制御信号情報を格納するための
ものである。このセンサ手段ｌと行動パターン発生手段
２とロボット制御手段３と基本制御動作格納手段５とで
実際のロボットの制御を実行するところの階層ネットワ
ーク制御ロボット１０が構成される。２０は計算機上に
構成されるロボット学習シミュレータであり１階層ネッ
トワーク制御ロボン）１０と同一構成の１０′で示され
る疑似階層ネットワーク制御ロボットと、この疑似階層
ネットワーク制御ロボットｌ　Ｏ’の行動をシミュレー
トするための７で示される動作模倣手段とから構成され
る。

〔作　用〕

本発明では、ロボット学習シミュレータ２０が。

疑位階層ネットワーク制御ロボット１０’を使うて基本
制御動作格納手段５の基本制御動作が実現できるように
と階層ネットワークの重みの学習を行い、そして求めら
れた重みを動作模倣手段７によって検証し、その検証さ
れた重みを階層ネットワーク制御ロボット１０にと転送
することで階層ネットワーク制御ロボット１０の重みを
設定するとともに５階層ネットワーク制御ロボット１０
を実際に行動させて検証することで１つまたは複数の基
本制御動作を学習させることが必要になったならば、基
本制御動作を階層ネットワーク制？２１１０ボットＩＯ
からロボット学習シミュレータ２０に転送し、以前より
保持している基本制御動作とともに学習するか、あるい
は追加学習して、その結果の重みを階層ネットワーク制
御ロボット１０にと転送することで階層ネットワーク制
御ロボット１０の重みの設定を実行する。

このように本発明によれば、多大な処理時間を要する重
みの設定のための基本制御動作の学習をロボット学習シ
ミュレータ２０で行うことができ。

ロボット学習シミュレータ２０のロボット制御手顕部に
高速の専用回路を用いることにより１階層ネットワーク
制御ロボット１０のハードウェアを増加させることなし
に、高速な重みの学習が可能になる。加えて、実際のロ
ボットを行動させることなしに学習した重みの検証が行
えるので、開発効率の向上が見込まれる。

〔実施例〕

以下、実施例に従って本発明の詳細な説明する。

第２図は、第１図で説明したロボット制御手段３の詳細
な実施例構成図である。この図に示すように１本発明の
ロボット制御手段３は、ユニットと呼ぶ一種のノードと
重みを持つ内部結合とからなる階層ネットワークにより
構成されることになる。この構成は、基本的には、コン
ピュータに適応機能を与えるデータ処理方式として提唱
されているバック・プロパゲーション法と呼ばれている
処理方式（Ｄ、　Ｅ、　Ｒｕｍｅｌｈａｒｔ、　Ｇ、　
Ｅ、旧ｎ１ｏｎ＋　ａｎｄＲ，Ｊ、　　Ｗｉｌｌｉａｍ
ｓ、　　”　　Ｌｅａｒｎｉｎｇ　　Ｉｎｔｅｒｎａｌ
Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　ｂｙ　Ｅｒｒｏｒ　
Ｐｒｏｐａｇａｔｉｏｎ、’ＰＡＲＡＬＬＥＬ　ＤＩＳ
ＴＲＩＢＵＴＥＤ　ｌ’ＲＯｃＥｓｓＩＮＧ、Ｖｏｌ、
ｌ、　　ｐｐ。

３１Ｂ　−３６４，Ｔｈｅ旧Ｔ　Ｐｒｅｓｓ、　１９８
６）と同じものである。

次に、このバック・プロパゲーション法の概要について
説明する。

バック・プロパゲーション法ではユニットと呼ぶ一種の
ノードと重みを持つ内部結合とから階層ネットワークを
構成している。第３図は、ユニットの内部構成を示した
もので基本ユニット３０と呼ぶ。この基本ユニット３０
は、多大カー出力系となっている。このユニットでは、
複数の各々の入力に対し各々の内部結合の重みを乗じて
これらの全乗算結果を和算する累算部３１と、さらに、
閾値処理を施して１つの出力を出す閾値処理部３２とを
もっている。即ちバック・プロパゲーション法における
基本ユニット３０でのデータ処理は、入力と重みとの積
和演算および閾値処理からなっている。

ここで、バック・プロパゲーション法では閾値の関数と
して１式（２）で示されるシグモイド関数を用いている
。

基本ユニットで行われる演算を数式で示すと以下のよう
になる。

ｘｐｌ＝ΣｙいＷｌ、　　　　　　　　　　式（１）Ｙ
　ｐｉ　＝　１　／　（１＋ｅｘｐ（−Ｘ’ｐｉ＋θ、
））式（２）但し。

ｈ　：ｈ層のユニット番号 ｉ　：ｉ層のユニット番号 ｐ　：入カバターン番号 θ、：１ｌｉＯ１番目のユニットの閾値Ｗ（、：ｈ−ｉ
層間の内部結合の重み ｘ、、：ｈ層の各ユニットからｉ層の１番ユニットへの
入力の積和 Ｙｐｈ’ｐパターン入力に対するｈ層の出力ｙｐｉ：ｐ
ルミニルパターンするｉ層の出力バック・プロパゲーシ
ョン法では、この積和と閾値処理を基本とする基本ユニ
ット３０を第２図のような誤差フィードバックを持つ階
層ネットワーク構造として１重みと閾値とを誤差のフィ
ードバッタにより適応的に自動調節するアルゴリズムを
用い、所望のデータ処理方法（入カバターンと出カバタ
ーンとの間の連合）をネットワークに学習させることに
より適応的なデータ処理を実行する。

ここで１式（１）および弐（２）から１バンク・プロパ
ゲーション法では重みと閾値との調節が同時に実行され
る必要があるが３重みと閾値との設定は相互に干渉する
難しい作業となる。従来のバック・プロパゲーション法
の方法では、ユニット毎に閾値を与えていたが、ユニッ
ト数が多数となると各ユニット毎に閾値を与えることが
煩雑で面倒な作業となるため、閾値の自動設定が切望さ
れていたのである。そこで本発明のロボット制御手段３
では、第２図に示すように、入力層中に入力信号数の人
カニニット３−ｈの外に、常にｒｌＪが入力される閾値
調節用の閾値入カユニｙト３’ｈを設けるよう構成する
ものである。

このように、閾値入カニニット３’−りを設けたことに
よって中間層の各ユニット３−４の閾値を。

中間層に対する重みＷ、ゎを設定することと同等の処理
にて設定できる理由は次の如きものと考えてよい。即ち
。

中間層の各ユニット３−１においては、入力層内の１つ
余分にもうけたユニット３′−ｈからの値Ｙｅｂが常に
ｒｌＪであることから、値Ｘ、ｉは式％式％ （ただしｈ′は入力層の閾値入カニニットの番号）で与
えられる。この結果からθｉ　＝ｗ、、’　として式（
２）に代入すると。

）’ｐｔ＝　１　／　（１＋ｅｘｐ（Ｘｅｒ　　Ｗ＝に
’　））となり１式（２）に示されている閾値θ１を実
質的に−Ｗ１、に設定変更したことに対応する。即ち。

中間層における各ユニットの閾値をいちいち設定する煩
雑さが解消される。

次に、第４図に示す具体例に従って、第１図で説明した
基本制御動作格納手段５に格納されるところの格納情報
について説明する０例えば第２図に示すようにセンサ出
力が２値化モードで入力ユニット３−ｈが３個のときに
は、第４図にも示すようにロボット制御手段３への入カ
バターンの数は８通りとなる。従って、ロボットの行動
パターンが例えば動状態か停止状態という２通りである
ならば、これらの８通りの入カバターンの各々に対して
ｒｌＪか「０」というロボットの行動パターンは定まる
ことになる。このように、センサ手段１の検出パターン
に対してロボットが本来的にどういう行動をとるべきか
ということは定まっているので５基本制御動作格納手段
５には、このような情報の内のいくつかが予め選択され
て格納されるよう構成されることになる。なお、第４図
に示したような８通りの入カバターンと数の少ないもの
にあってはそのすべてを格納することも可能である。

第４図の例の内容についての理解を深めるために、第５
図に示すロボットの行動パターンの具体例について説明
する。第５図では具体的に、第５図（ａ）に示す３つの
光センサと“右に旋回する”という行動をとるための１
つのモータを持つロボットを考えている。そして、この
ロボットに、第５図＋ａｌに示すよ）なロボットの周り
を回る発光源に追従するという行動をとらせたいと想定
する。このとき、ロボットのセンサ入カバターンとして
は。

第４図の入カバターンの欄に示す組み合わせが考えられ
る。例えば、第４図の「０」の入カバターンは光センサ
■、■、■が３つともＯＦＦの状態。

「４」の入カバターンは光センサ■がＯＮ、光センサ■
、■がＯＦＦの状態、「６」の入カバターンは光センサ
■、■がＯＮ、光センサ■がＯＦＦの状態である。ロボ
ットを回転する発光源に追従させるためには、このよう
な入カバターンに応じて、第４図の教師信号欄に示す出
カバターン（行動）がネットワークの学習、訓練により
、実現できるようにすればよい０例えば、第４図の「０
」の入カバターンは、光センサ■、■、■ともＯＦＦの
状態、即ち９発光源から光が出ていない状態なので、こ
の時の出カバターンは“０”、即ち。

“モータをＯＦＦにせよ”という制御を表している。ま
た、「６」の入カバターンは、光センサ■。

■がＯＮ、光センサ■がＯＦＦの状態、即ち、まさに発
光源を捉えた状態（第５図（ａ））なので。

“モータをＯＦＦにせよ”という制御を表し。

「４」の入カバターンは光センサ■がＯＮ、光センサ■
、■がＯＦＦの状態、即ち、ロボットが捉えた発光源が
さらに移動した状態（第５図（ｂ））なので、“モータ
をＯＮにせよ（右に旋回せよ）゛ということを表してい
る。すなわち、第４図に示すような教師信号が得られれ
ば、第５図で説明したようなロボットの行動パターンは
好ましく制御されることになる。

このような好ましい制御を実現するために９本発明では
、ロボット制御手段３の階層ネットワークの内部結合の
重みＷｉ及びＷｊ、を、基本制御動作格納手段５に格納
される格納情報に従って学習的に決定していこうとする
ものである。すなわち。

ロボット制御手段３の動作モードを学習モードにセット
し、基本制御動作格納手段５から順次格納情報を読み出
して、バック・プロパゲーション法の学習アルゴリズム
を用いて重みＷｌ及びＷＪ、の値を自動決定するよう構
成するものである。

次に、この重みＷｌ及びＷＪ、の値を決定するための学
習手順について説明する。ここで、この学習手順の説明
は、第６図に示すようなロボット制御手段３の出力層が
複数の出力ユニッ）３−３をもつ更に一般化したもので
説明するものである。

まず、内部結合の重みの初期値を決める。この初期値は
、１以下の乱数により決める。これは。

重みの値が全て同じか、あるいはユニットに関して対称
となると、バック・プロパゲーション法では重みの変化
が生ぜず、学習が進行しなくなってしまうのでこれを避
ける目的で乱数を用いるのである。続いて、基本制御動
作格納手段５に格納されるところの入カバターンとその
入カバターンと対をなす所望の出カバターンのデータを
順次読み出す。例えば第４図に示すように、８個の格納
情報があればこれらのすべてが順次読み出されることに
なる。

続いて、バック・プロパゲーション法に関わる制御パラ
メータを入力する。ここでは、インクリメンタルな繰り
返し学習の一回当たりの重みの変化量の係数である学習
率と収束時の振動を抑えるための学習速度を制御パラメ
ータとしている。そして、バンク・プロパゲーション法
のアルゴリズムに従って出力層ユニット３−３の出力値
が所望の出力と一致するようにインクリメンタルに内部
結合の重みを学習し、最後に、出力層ユニットの出力値
と所望の出力値との誤差が全ての入カバターンに関して
所定の値より少なくなったら、学習を本冬了する。

具体的な階層ネットワークの重みの更新のアルゴリズム
を以下に説明する。式（１）１式（２）からの類推によ
って次の式が得られる。即ち。

Ｘｐｉ−Σｙ、、ｗ、ｈ　　　　　　　　　式（３）ｙ
ｐｔ＝　　１／（１＋ｅｘｐ（ｘ、ｔ＋０１　））　　
式（４）”ｐａ　−Σ　ｙ、、ｗＪＩ　　　　　　　　
　　　　　　　　　　　　　　　式（５）ｙｅｊ＝　１
　／（１＋ｅｘｐ（〜Ｘｐｊ＋θ、））式（６）但し。

ｙ、ｈ：ｐ番目パターン入力値に対するｈ層（ここでは
入力層）のｈ番目のユニットからの出力 ｙｐｔＦｐ番目パターン入力値に対するｉ層（ここては
中間層）のｉ番目のユニットからの出力 ｙ、Ｊ：ｐ番目パターン入力値に対するｊ層（ここては
出力層）のｊ番目のユニットからの出力 ｘｐ（：ｉ層のｉ番目のユニットへのｐ番目パターン入
力に対する総和 ｘｐｊ’Ｊ層のｊ番目のユニットへのｐ番目パターン入
力に対する総和 Ｗ＋ｈ：ｈ層り番目ユニットとｉＮｉＮ１番目ユニット
重み ＷＪ、：１Ｊｉｉｉ番目ユニットとｊ層ｊ番目ユニッ°
　ト間の重み 次に、これらの値から、教師入力ベクトルとネットワー
クの出力ベクトルとの誤差の二乗和Ｅ、をネットワーク
の誤差として計算する。

Ｅ、＝騒Σ（ｙ□−ｄ　ｅｊ）”　　　　　　式（７）
％式％ Ｅ、：ｐ番目パターン入力に対する誤差ベクトル Ｅ　：全パターン入力に対する誤差ベクトルの総和 ｄｐｊ’ｐ番目パターン入力に対するｊ層ｊ番目ユニッ
トへの教師信号 ここで誤差ベクトルと出力層ベクトルとの関係を求める
ため１式（７）をｙｐＪに関して偏微分すると。

を得る。更に、誤差ベクトルとｊ層への入力との関係を
求めるため、誤差ベクトルをＸｐｊで偏微分すると。

８Ｅ、　　　　　ａＥ、　　　　　θＹｅｊａｘ、Ｊ　
　　ａｙ、Ｊ　　　８ｘ、Ｊ＝δｐｊ）’ｐｊ　（１）
’ｐ；）　　　　式（９）を得る。但し２本実施例では
入力層に１つの入カニニット３′−ｈを設けこのユニッ
ト３′−ｈに常に「１」の値を入力する方式を採用する
ことで、他の各ユニットの閾値θの自動調節を実現して
いる。

更ニ、誤差ヘクトルとｉ−ｊ層間の重みとの関係をもと
めるため、誤差ベクトルをＷ、１で偏微分すると。

θＷｊｔ　　　　ａｎｐｊ　　　ａＷｊ＝＝δｐ−７１
１Ｊ　（１−）ｊｐｊ）　Ｙｅｊ　　式（１０）の積和
で表される解を得る。

次に、ｉ層の出力ｙｐ＆に対する誤差ベクトルＥ。

の変化を求めると。

ａｙｐｔ　　　Ｊ　　ａＸｔｊ　　　　ａｙｐｔ＝Σδ
ｐｊ　３１　ｐｊ　（１）’　ｐＪ）　Ｗｊ＋式（１１
） を得る。更に、ｉ雇人カニニットへの総和Ｘ、ｉの変化
に対する誤差ベクトルＥ、の変化を計算すると。

８Ｅ、　　　　　θＥ＋＋　　　　　　ａＹｐｉθＸｐ
ｔ　　　　　ａ　）’＋１！　　　　　ａ　Ｘｐｔ＝（
ΣδｐｊＹｅｊ（Ｉ　　Ｙｅｊ）　Ｗハ）　ｙｅｔ（１
−ｙａｔ）式（１２） の積和で表される解を得る。更に、ｈ−ｉ層間の重みの
変化に対する誤差ベクトルの変化の関係を求めると。

９　Ｗ（ｋ　　　ａＫｌ、ｌ　　　　８ＷＨ。

＝（Σδｐｊｙ□（１）’ＩＩＪ）　ＷＪｔ）　　）’
ａｔ（１ｙｐｉ）　　ｙｐｈ式（１３） の積和で表される解を得る。

これらから、全入カバターンに対する誤差ベクトルとｉ
−ｊ層間の重みとの関係を求めると以下のようになる。

θＷ、五　　ｐ　　ａｗハ また、全入カバターンに対する誤差ベクトルとｈ−１層
間の重みとの関係を求めると以下のようになる。

ａＷｔｈ　　　ｐ　　ａＷｔｈ 式（１４）および式（１５）は、各層間の重みの変化に
対する誤差ベクトルの変化率を示していることから、こ
の値が常に負になるように重みを変化させると公知の勾
配法により、誤差の２乗和であるＥを漸近的にＯとする
ことができる。そこで本実施例では１重みの一回当たり
の変化量ΔＷ、！を以下のように設定し、勾配法に基づ
き繰り返しこの操作を行い、Ｅを零に収束させている。

θＷｊ直 ａＷｔｈ 但し。

ε：学習率（勾配法の勾配率と同じ機能）更に１本発明
では、勾配法における収束時の振動を抑制する目的で学
習速度を式（１６）および式（１７）に適用して、ΔＷ
ＬｋとΔＷＪｉを以下のように設定している。

但し。

α：学習速度定数 を−回数 なお、上述の重みＷｉやＷＪｉは各ユニット３−１や３
−３に夫々対応する記憶装置内に格納され。

その内容が上述の学習の間フィードバックによって修正
される。そして最終的に定まった学習結果の重みＷ、ｈ
、　ＷＪｉが、これから説明する実際の処理に当って使
われることになる。この記憶装置としては、基本制御動
作格納手段５を用いることも可能であるが−また別に設
けるものであってもよい。

次に、このようにして決定された階層ネットワークの内
部結合の重みＷ！、及びＷハを用いて実行されることに
なるロボットの制御について説明する。

階層ネットワークの学習を終えると、ロボット制御手段
３の動作モードを処理モード、すなわち実際にロボット
の動作を制御するモードにと切換える。この処理モード
では、複数のセンサからなるセンサ手段１により取り込
まれたセンサの検出信号からなる入カバターンは、ロボ
ット制御手段３の階層ネットワークの人力層にと入力さ
れる。

そして、ロボット制御手段３は、この入カバターンに対
して学習モードで定まった重み値及び閾値を使って積和
演算と閾値処理を実行して出カバターンを求めるととも
に、この求めた出カバターンを制御信号として行動パタ
ーン発生手段２にと送出する。そして、この制御信号を
受は取った行動パターン発生手段２は、その制御信号に
対応する行動パターン信号を発生してロボットの行動パ
ターンを規定することになる。従って、このような処理
を繰返すことによって、ロボットは複数のセンサの検出
パターンに応じた適切な行動をとることができることに
なる。

この処理の内容を第５図の例に従って具体的にみてみる
ことにする。今、ロボットと発光源との関係が第５図（
ａｌの状態、即ち、ロボットの光センサ■、■がＯＮ、
光センサ■がＯＦＦ、モータがＯＦＦの状態にあるとす
る。この時１発光源が第５図（ｂ）のように、右側に動
くと、ロボットの光センサ■がＯＮ、光センサ■、■が
ＯＦＦの状態に変わる。これを第２図に示したネットワ
ークに入力すると、出カバターンとして“モータをＯＮ
にせよ（右に旋回せよ）”という制御を表す「１」とい
う出力が発生される。従って、ロボットは右旋回を行う
。この右旋回は、３つの光センサのうち２つがＯＮにな
るまで続けられる。この場合では、第５図ｔｃ＋のよう
に、光センサ■、■がＯＮ。

光センサ■がＯＦＦの状態になった時、ネットワークは
“モータをＯＦＦにせよ”という制御を表すｒＯＪを出
すので、ロボットは停止する。このようにして、ロボッ
トが１時々刻々と取り込んでくるセンサ入力信号パター
ンを第２図に示したネットワークに入力し、ネットワー
クがその入カバターンに対応して時々刻々と出力する最
適な出カバターンに従ってモータを制御することにより
。

発光源の動きに追従することができる。この例では９発
光源が右に動く場合について述べたが、第５図＋ｄｌの
ように発光源が左に動いても、同様にして、ロボットは
追従することができる。

このようにして、ロボットが適切な行動をとるようにと
制御されていくことになる。しかるに。

センサの数や制御信号線の数が多いときには、基本制御
動作格納手段５に入カバターンとその入カバターンと対
をなす所望の出カバターンのデータのすべてを格納する
ことができないので、基本的なものが格納されることに
なる。これから、この基本的なデータを使った学習によ
る求まる重み値と閾値で出カバターンを求めていったと
きに、所望のロボットの行動が得られないことが生ずる
ことがある。このようなとき２本発明では、動作モード
を学習モードに切り換え、その段階でのネットワークの
結合の重みを初期値として、所望の得られなかった時点
の入カバターンと所望の出カバターンとの対を基本制御
動作格納手段５に格納して、ロボット制御手段３に、そ
れらの入出カバターン対をさらに重ねて連合することが
できるように結合の重みを自動的にＨＩＭ整させること
により。

ロボットの制御性能を向上させることができる。

したがって、最終的には、ロボットの最適な制御を実現
できるようになる。

第７図は、バック・プロパゲーション法により一種のパ
リティチエツク処理をネットワークに学習（重みと閾値
との自動調整）させた結果のネットワークを示している
。ここで第７図（Ａ）図示のＮｅｔｌと第７図（Ｂ）図
示のＮｅ　ｔ２とは夫々奇数パリティをチエツクする同
一の特性、即ち、「０」またｃｉ　ｒ　Ｉ　Ｊをとる３
つの入力に対して「１」の数が奇数個のとき出力層はｒ
ｌＪを出力するようになっている一第７図では、内部結
合線の隣の数字が重みであり、ユニットを表す○の中の
数字が閾値である。ＮｅｔｌとＮｅｔ２とを比較すると
１重みと閾値とが全く異なることが分かる。これは、ネ
ットワークに冗長性があるため、こうした差異が生ずる
ことになる。この第７図に示すように、基本ユニット３
０の出力を「１」と「０」の状態しかとらないようにと
ネットワークを構成することも可能である。

次に２階層ネットワークを構成する中間層のユニット数
の冗長性について説明する。第８図は。

排他０Ｒ４Ｊｌ能を実現するネットワークであり、中間
層ユニット数の冗長性を持たせない場合の例である。排
他ＯＲでは、第９図において、入カバターンの直線によ
る識別（線形識別）に関して、−本の直線では不可能で
少なくとも第９図（Ｂ）図示の如く二本の直線を要する
。従って、この識別には第９図（Ａ＞図示の如く２つの
中間層ユニットが最小限必要となっている。ところが１
本発明では中間層ユニットと出力層ユニットの閾値を自
動調整するのに入力層に常時「１」を入力信号として持
つ閾値入カニニット３’−ｈが設けられていることから
、第８図図示のネットワークにおいては、ｉ別すべき数
に対して中間層ユニットの数に冗長性がない、この場合
、２つの中間層ユニット３−ｉは出力層ユニフ）３−ｊ
の閾値を含めた自動調節をしなければならず、排他ＯＲ
特性に適応するまでσ繰り返し学習回数が増大すること
になる。これに対して第１０図は冗長性をもつネットワ
ークの例を示す０図に示したように、中間層ユニット数
に冗長性を持たせると、余ったユニットが出力層のユニ
ッ）３−３の閾値の調節に専念できることから繰り返し
学習回数は、冗長なユニットがない場合に比し大幅に低
減できる。

次に内部結合の重みの具体的な計算例について説明する
。

奇数パリティチエツク機能の学習を終了した時の各ユニ
ット間の内部結合重みを第１１図および第１３図に示す
。第１１図ないし第１３図の重みは異なるが機能は同じ
である。これは、学習率と学習速度パラメータが異なる
ことと中間層ユニット数の冗長性とによる。第１２図（
Ａ）（Ｂ）（Ｃ）は夫々。

第１１図で示した学習終了後に、任意のパターンを入力
した場合の入力と出力を示している。また第１４図（Ａ
）（Ｂ）（Ｃ）は夫々、第１３図で示した学習終了後に
、任意のパターンを人力した場合の入力と出力を示して
いる。ロボット制御手段３では、演算をアナログ値で行
うため、出力値は完全なｌまたは０となっていないが、
閾値を用いるなどすれば第１２図および第１４図図示の
出力値から１またはＯを判断することは容易であること
は明らかである。

また、第１５図は奇数パリティチエツク機能を学習させ
たのと全く同じネットワークに偶数パリティチエツク機
能を学習させた結果を示すものであり、各内部結合の重
みを示している。第１６図（Ａ）（Ｂ）（Ｃ）は夫々、
第１５図で示した学習終了後に、任意のパターンを入力
した場合の入力と出力を示している。

次に、移動物体を追尾する若しくは移動物体から逃走す
るロボットの行動パターンを制御するための本発明の実
施例について説明する。このロボットは、光の発光源及
び超音波の発信源であるところの移動物体を障害物を避
けながら追尾していく、若しくは障害物を避けながら移
動物体から逃走していく行動をとるようにと制御される
ものであり、移動物体を追尾していく若しくは移動物体
から逃走していくための駆動源として１前後進の行動を
とるための２個の推進用モータと左右回転の行動をとる
ための２個の操舵用モータとを装備するとともに１人間
の発声に相当する圧電ブザーを装備するものである。そ
して、これらのモータと圧電ブザーは、実施例では０Ｎ
１０ＦＦの２値化モードで制御されるものである。この
ロボットは５種類の駆動源をもつことから、このロボッ
トの制御のために設けられるロボット制御手段３の階層
ネットワークの出力層のユニット数は５個となり、ロボ
ットの行動パターンは２５通りあることになる。

第１７図に、このロボットが追尾、逃走のために装備す
るセンサの配置図を示す。この図に示すように、ロボッ
ト１００は９頭部には両目に相当する２個の頭部光セン
サ１０１　Ｒ、１０１Ｌと３両耳に相当する２個の頭部
超音波センサ１０２　Ｒ、１０２Ｌとを装備するととも
に、胴体には両目に相当する２個の胴体光センサ１０３
Ｒ，１０３Ｌと、耳に相当する１個の胴体超音波センサ
（又は発信機）　１０４と。

障害物に接触したことを感知するために１２０度の中心
角度をもって設けられる３個のタッチセンサ１０５Ｆ、
　　１０５Ｒ，１０５Ｌとを装備するものである。

そしてロボット１００は、更に自らが備える操舵モータ
の回転によって１頭部及び胴体が限界の回転角度まで回
転したときに回転が例えば限度の１８００に達した旨を
検出するところの２個のリミットスイッチ１０６　Ｒ、
１０６Ｌを装備するものである。

この頭部光センサ１０１　Ｒ、１０１Ｌと胴体光センサ
１０３Ｒ，１０３Ｌは、目標物となる移動物体の発する
光を検出し１頭部超音波センサ１０２Ｒ，１０２Ｌと胴
体超音波センサ１０４は、目標物となる移動物体の発す
る超音波を検出するよう動作する。ここで１頭部光セン
サ１０１　Ｒ、１０１Ｌと胴体光センサ１０３　Ｒ、１
０３Ｌという人間の両目に相当するセンサを２ｍ設けて
いるのは、移動物体の発する光の波長が追尾時と逃走時
で異なることになるようにとなされていることから、こ
の波長に感度を合わせた２種類の光検出センサを用意す
る必要があるからである。また、ロボットの頭部と胴体
は一体となってロボットの基体に対して回転し、この回
転に伴ってロボットの車輪も頭部の正面に向くようにと
構成されている。

このように、このロボットは１２個のセンサをもつこと
から、このロボットの制御のために設けられるロボット
＠御手段３の階層ネットワークの人力層のユニット数は
１２個（閾値ユニットを加えれば１３個）となる、そし
て実施例では、これらのセンサは２値化モードの出力を
出すように構成されていることから２Ｉｚ通りの検出パ
ターンが存在することになる。

この２１２通りの検出パターンに対して、ロボットが移
動物体を追尾するためにとる行動というのは本来的に定
まっているので、前述したように基本制御動作格納手段
５には、このような情軸の内のいくつかが予め選択され
て格納されるよう構成されることになる。第１８図にそ
の一例を示す、この例では、３６通りのロボットセンサ
の検出パターンに対してのロボット駆動源のとるべき駆
動パターンを、基本制御動作格納手段５にと格納する例
を示しである。ここで８図中の“ＨＥＡ、Ｄ、ＥＡＲ″
は頭部超音波センサ１０２Ｒ，Ｌを、”ＨＥＡＤ、ＥＹ
Ｅ”は頭部光センサｌ０ＩＲ，Ｌを１ｇ″ＢＯＤＹ、Ｅ
”は胴体超音波センサ１０４を、’ＢＯＤＹ、ＥＹＥ“
は胴体光センサ１０３Ｒ，Ｌを。

“ＢＯＤＹ、ＴＯＵＣＨ”はタッチセンサ１０５　Ｆ　
。

Ｒ，Ｌを、“ＢＯＤＹ、ＬＩＭ”はリミットスイッチ１
０６Ｒ，Ｌを表わし、“ＲＩＧ）ＩＴ”は右旋回操舵用
モータを、“ＬＨＦＴ”は左旋回操舵用モータを、“Ｆ
ＷＤ”は前進推進モータを、“ＢＷＤ”は後進推進モー
タを、”ＢｔＪＺＺ”は圧電ブザーを表わしている。

第１８図の格納情報例についての理解を深めるために、
そのいくつかについて具体的に説明する。

例えば、第１８図の５行目のセンサ検出パターンは。

頭部の左目に相当する頭部光センサ１０１ＬがＯＮであ
ることを示している。このようなときには移動物体が左
前方に存在している状態なので、教師信号に示すように
、操舵用モータＬをＯＮＬ推進用モータＦをＯＮするこ
とで、左に旋回しながら前進して追尾が実行できること
になる。８行目のセンサ検出パターンは９頭部光センサ
１０１　ＬがＯＮでロボットの右側に設けられているタ
ッチセンサ１０５ＲがＯＮであることを示している。こ
のようなときにはロボットの右側面が障害物に接触して
いるものの移動物体が左前方に存在している状態なので
、教師信号に示すように、同じく繰舵用モータＬをＯＮ
Ｌ推進用モータＦをＯＮすることで左に旋回しながら前
進して追尾が実行できることになる。また１５５行目セ
ンサ検出パターンは。

頭部光センサ１０１　Ｌと頭部の右目に相当する頭部光
センサ１０１　ＲがＯＮであることを示している。

このようなときには移動物体が正面前方に存在している
状態なめで、教師信号に示すように、推進用モータＦを
ＯＮすることで前進して追尾が実行できることになる。

ロボット制御手段３の階層ネットワークの内部結合の重
みＷ、ｈ及びＷ４．を、この基本制御動作格納手段５の
格納情報を使ってバック・プロパゲーション法の学習ア
ルゴリズムにより自動決定することについては、第５図
で説明した実施例のロボットと基本的に変わるものでは
ない、第１９図に。

このバンク・プロパゲーション法の学習アルゴリズムの
実行により求められた重みｗ、、、Ｗ、、の計算結果を
示す、この計算結果は、ロボット制御手段３の階層ネッ
トワークの中間層のユニット数を５個とし、基本制御動
作格納手段５の格納情報としてぼ第１８図に示したもの
を用いて実行されたものである。そして、第５図の実施
例をロボットと同様に、このようにして決定された階層
ネットワークの内部結合の重みＷＬｋ及びＷｊ＋を用い
て移動物体を追尾していくロボットの制御が実行される
ことになるのである。

次に、このロボット制御の内容を第２０図に示す説明図
に従って具体的に説明する。

今、ロボットと発光源および発信源を備えた移動物体と
の関係が第２０図（ａｌの状態、即ち９頭部の左目に相
当する頭部光センサ１０１　ＬがＯＮの状態にあるとす
る。このセンサ人力信号を重みの求められた階層ネット
ワークに入力すると、出カバターンとして“繰舵用モー
タＬをＯＮ、推進用モータＦをＯＮにせよ（左に旋回し
、前進せよ）′という制御を表す出力ベクトル（０，１
，ｌ、０゜０）が発生される。従って、ロボットは左に
旋回しながら前進する。この時、第２０図山）に示すよ
う−に、移動物体が移動し、ロボットが追尾したとする
と、ロボットのセンサ入力信号は２頭部光センサ１０１
　ＬがＯＮ、タッチセンサ１０５１？がＯＮの状態、即
ち、ロボットの右側面が障害物にぶつかり。

左前方に移動物体が見えている状態になる。このセンサ
出力信号をネットワークに入力すると、今度は“操舵用
モータＬをＯＮ、推進用モータＦをＯＮにせよ（左に旋
回し、前進せよ）”という制御を表す出力ベタトル（０
，１，１，０，０）が発生される。従って、ロボットは
左に旋回しながら前進する。この時、第２０図（Ｃ）に
示すように、移動物体が移動し、ロボットが追尾したと
すると、ロボットのセンサ入力信号は１頭部光センサ１
０１　Ｒ。

および頭部光センサ１０１　ＬがともにＯＮの状態。

即ち、移動物体を正面に捉えた状態になる。この場合、
このセンサ入力信号をネットワークに入力すると、　“
推進用モータをＯＮにせよく前進せよ）”という制御を
表す出力ベクトル（０，０，１゜０、Ｏ）が発生され、
ロボットは第２０図（ｄ）に示すように、移動物体に向
かって前進する。このようにして、ロボットが１時々刻
々と取り込んでくるセンサ入力信号パターンをロボット
制御手段３の階層ネットワークに入力し９階層ネットワ
ークがその入カバターンに対応して時々刻々と出力する
適切な出カバターンに従ってモータを制御することによ
り、移動物体を追尾することができる。

この第２０図の説明にあたっては、説明の便宜上。

第１８図で示した基本制御動作格納手段５に格納される
制御情報（第５行目、第８行目、第１５行目）と同じも
のを使って移動物体を追尾していくことを説明したが、
センサが、基本制御動作格納手段５に格納されていない
検出パターンを検出したとしても、学習された階層ネッ
トワークの重みにより移動物体を追尾していく出カバタ
ーンが生成されるので、その出カバターンに従ってモー
タを制御していくことで移動物体を追尾できることにな
る。もちろん９階層ネットワークの出力では移動物体を
追尾していけない事態になったときにおいては、第５図
の実施例のロボットと同様に階層ネットワークの重みを
学習により変更していくことになる。

本発明においては、ロボット制御手段３の階層ネットワ
ークの構造は同じでも基本制御動作格納手段５に異なる
制御内容の制御情報を格納すれば。

その制御情報に従って重みＷ！Ｉｌｌ　Ｗｊ！が求まり
これによりその異なる制御内容の制御が実行できること
になる。第２１図は、ロボットが移動物体から逃走する
ための制御を実行するために、基本制御動作格納手段５
に格納されることになる基本制御動作の一例である。こ
の逃走の制御には９両目として胴体光センサ１０３Ｒ，
Ｌが用いられることになる。この第２１図の基本制御動
作格納手段５の格納情報を使って求められた重みＷ　＝
　ｂ　＋　Ｗ　、　１の計算結果を第２２図に示す０階
層ネットワークの構造は追尾のものと全く同一である。

この重みを使って移動物体から逃走していくよう動作す
るロボットの制御がそのまま実行できることになる。

次に２階層ネットワークの内部結合の重みＷ　Ｉｂ　＋
ＷＪ、を求めるための本発明の実施例について説明する
。この内部結合の重みＷ、、、Ｗ、、は、ロボット上に
搭載された制御用プロセッサか専用制御ハードウェアに
より求めることを基本としている。

しかしながら、前述したように重みＷ、、、Ｗ、、を求
めるためのバンクプロパゲーション法の算術式はかなり
複雑である。従って重みＶ／！ｂ、　Ｗハを求めるため
には相当長い計算実行時間が要求されることになってし
まう、しかも求められる重みＷｌ。

Ｗハの適格性を高めるためには、基本制御動作格納手段
５に格納する基本制御動作の数を増加させたり１階層ネ
ットワークの中間層のユニット数を増加させたりしなけ
ればならず、これがために計算実行時間は更に長時間の
ものになることになる。

これでは、せっかくの階層ネットワーク構造のロボット
制御方式も十分実用的なものとはいえなくなってしまう
恐れがある。

そこで本発明では１階層ネットワーク構造のロボット制
御方式と、このロボット制御方式で行動するロボットの
行動をシミュレーションするところの動作模倣手段とか
らなるロボット学習シミュレータを高速性能の計算機上
で構成し、このロボット学習シミュレータ上で階層ネッ
トワークの重みを学習により求めるとともに、その有効
性を検証し、その結果求まった重みを実際のロボットの
プロセッサ上にと転送するようにと構成するサポートシ
ステムを用意するものである。

第２３図に、このサポートシステムの実施例のシステム
構成図を示す。図中、第１図で示したものと同一のもの
は同一の記号で示してあり、１′はセンサ手段１に対応
して計算機上で構成されるところの疑似センサ手段、２
′は行動パターン発生手段２に対応して計算機上で構成
されるところの疑似行動パターン発生手段、３′はロボ
ット制御手段３に対応して計算機上で構成されるところ
の疑似ロボット制御手段、５′は基本制御動作格納手段
５に対応して計算機上で構成されるところの疑似基本制
御動作格納手段である。この疑似センサ手段１′と疑似
行動パターン発生手段２′と疑似ロボット制御手段３′
と疑似基本制御動作格納手段５′とで、第１図で説明し
た疑似階層ネットワーク制御ロボット１０′が構成され
ることになる。６は動作モード決定手段であり、疑似ロ
ボット制御手段３′の動作モードを学習モード、追加学
習モード、処理モードの内いずれかに設定するとともに
、疑似基本制御動作格納手段５′と基本制御動作格納手
段５との間での基本制御動作情報の転送を送信、受信、
転送せずの内のいずれかに設定し、かつ疑似ロボット制
御手段３′とロボット制御手段３との間での重み情報の
転送を送信、受信、転送せずの内のいずれかに設定する
ことで、疑似階層ネットワーク制御ロボット１０′の動
作処理内容を決定するものである。７は第１図でも説明
した動作模倣手段であり、疑似行動パターン発生手段２
′の発生する行動パターン信号により規定される行動パ
ターンに基づいて疑似階層ネットワーク制御ロボット１
０′の行動をシミュレーションして９次の段階の疑似セ
ンサ手段１′が検出することになるセンサ信号を発生す
る。そして、２１は基本制御動作情報転送回線であり、
ロボット学習シミュレータ２０と階層ネットワーク制御
ロボット１０との間で基本制御動作情報を転送するため
に用いられる回線、２２は重み情報転送回線であり、ロ
ボット学習シミュレータ２０と階層′ネットワーク制御
ロボット１０との間で階層ネットワークの重み情報を転
送するために用いられる回線である。

次に、このように構成される本発明のロボット学習方式
の動作について、第２４図、第２５図及び第２６図に示
すフローチャートに従って詳細に説明する。

第２４図に示ψフローチャートは最も基本的な動作のフ
ローチャートであって２階層ネットワークの内部結合の
重みの学習と検証をすべてロボット学習シミュレータ２
０側で実行する動作のフローチャートである。このフロ
ーチャートでは、最初に動作モード決定手段６の設定に
より、基本制御動作格納手段５の基本制御動作情報を疑
似基本制御動作格納手段５′にと転送する。続いて、動
作モード決定手段６により学習モードにセットして。

ロボット学習シミュレータ２０の高速計算機がこの疑似
基本制御動作格納手段５′の基本制御動作情報を用いて
前述したバックプロパゲーション法により疑（以ロボッ
ト制御手段３′の階層ネットワークの重みの値を求める
。続いて、動作モード決定手段６により処理モードにセ
ットして、動作模倣手段７が予め想定されている環境下
で疑似階層ネットワーク制御ロボット１０’の行動をシ
ミュレートしていくことで、求められた重みの値を検証
する。

具体的には、動作模倣手段７は、疑似センサ手段１′か
ら疑似ロボット制御手段３′に入力するところの疑似的
なセンサ検出パターンを発生し、そして疑似ロボット制
御手段３′の出力により発生するところの疑似行動パタ
ーン発生手段２′の疑似的な行動パターン信号から疑似
階層ネットワーク制御ロボット１０′の移動位置をシミ
ュレートして、その移動位置での次の疑似的なセンサ検
出パターンを発生していくということを繰り返していく
ことで。

求められた重みの値で疑似階層ネットワーク制御ロボッ
ト１０′が適格な行動をとることができるのかを検証し
ていくのである。この検証により求められた重みの値が
十分適格なものであると判断されるときには、動作モー
ド決定手段６の設定により、求められた重みを階層ネッ
トワーク制御ロボット１０にと転送してセントする処理
を行うとともに、いまだ不十分なものであれば、用いる
疑似基本制御動作格納手段５′の基本制御動作情報を変
えたり追加したりして、十分適格な重みが求まるように
と学習するのである。

第２５図に示すフローチャートは、第２４図に示すフロ
ーチャートの実行により求められた重みの値を有する階
層ネットワーク制御ロボットＩＯが実世界で行動してい
ったときに、適格でない行動をとるようなことがあった
ときにおいての処理のフローチャートである。このフロ
ーチャートに示すように、適格でない行動があったとき
には、より適格な行動を取らせるための追加の基本側ｊ
′ｆａ動作情報をロボットにより自動的に収集するか観
察装置又は観察者が収集し、収集された追加の基本制御
ｎ動作情報をロボット学習シミュレータ２０に転送して
、ロボット学習シミュレータ２０が重みの値の追加学習
を実行することで新たな重みの値を求め検証していくと
いう処理を行うものである。

この追加学習とは、前述したように、それまでに求めら
れている重みの値を初期値として、新たに加わった追加
の基本制御動作情報が実現できるようにとバックプロパ
ゲーション法を実行して、新たな重みの値を求めていく
という学習方式である。

なお、このとき追加学習ではなくて、新たに加わる追加
の基本制御動作情報も含めたすべての基本制御動作情報
からバックプロパゲーション法を実行して、新たな重み
の値を求めていくという学習方式を採ることも可能であ
る。

第２６図に示すフローチャートは、第２５図に示すフロ
ーチャートでは追加学習をロボット学習シミュレータ２
０で実行するようにしたのに対して。

追加学習を階層ネットワーク制御■ロボット１０自身が
自らのロボット制御手段３を用いて実行する方式を開示
するものである。

このように１本発明は９階層ネットワーク制御ロボット
１０が必要とする重みの値の学習のすべて若しくは一部
を、ロボット学習シミュレータ２０が実行するようにと
構成することを特徴とするものである。

〔発明の効果〕

以上説明したように１本発明によれば、多大な処理時間
を要する重みの設定のための基本制御動作の学習を高速
計算機上に構成されるロボ−／　）学習シミユレータで
行うことができ、ロボット学習シミュレータのロボット
制御手順部に高速の専用回路を用いることにより１階層
ネットワーク制御ロボットのハードウェアを増加させる
ことなしに。

高速な重みの学習が可能になる。加えて、実際のロボッ
トを行動させることなしに学習した重みの検証が行える
ので、開発効率の向上が見込まれる。

これから１本出願人が提案した階層ネットワーク構造を
とる“柔らかい”ロボット制御方式をより実用的なもの
にすることができるのである。

【図面の簡単な説明】

第１図は本発明の原理説明図。 第２図はロボット制御手段の実施例構成図。 第３図は基本ユニットの構成図。 第４図は基本制御動作格納手段の格納情報例。 第５図はロボットの行動パターンの具体例。 第６図はロボット制御手段の他の実施例構成図。 第７図は奇数パリティチエツク機能をもつネットワーク
の例。 第８図は中間層の数が冗長性を持たない排他ＯＲのネッ
トワーク。 第９図は排他ＯＲと中間層ユニットの役割を説明する説
明図。 第１０図は中間層の数が冗長性を持つ排他ＯＲのネット
ワーク。 第１１図は学習結果を示す内部結合の重み（１）の説明
図。 第１２図は第１１図の重みに従った処理例。 第１３図は学習結果を示す内部結合の重み（ｎ）の説明
図。 第１４図は第１３図の重みに従った処理例。 第１５図は学習結果を示す内部結合の重み（ＩＩＩ）の
説明図。 第１６図は第１５図の重みに従った処理例。 第１７図は移動ロボットが装備するセンサの説明図。 第１８図は移動ロボットの基本制御動作格納手段の格納
情報例（Ｉ）。 第１９図は移動ロボットの学習結果を示す内部結合の重
み（１）の説明図。 第２０図は移動物体を追尾していくときの説明図。 第２１図は移動ロボットの基本制御動作格納手段の格納
情報例（■）。 第２２図は移動ロボットの学習結果を示す内部結合の重
み（旧の説明図。 第２３図はロボット学習シミュレータのシステム構成図
。 第２４図は重みの学習のためのフローチャート（１）。 第２５図は重みの学習のためのフローチャート（■）。 第２６図は重みの学習のためのフローチャート（ＩＩＩ
）である。 図中、■はセンサ手段、２は行動パターン発生手段、３
はロボット制御手段、３’−ｈは閾値入カニニット、５
は基本＄ＩＩｎ動作格納手段、６は動作モード決定手段
、７は動作模倣手段、　１０は階層ネットワーク制御ロ
ボット、１０′は疑偵階層ネットワーク制御ロボット、
２０はロボット学習シミュレータ、　３０は基本ユニッ
ト、３１は累算部、３２は閾値処理部、　　１０１は頭
部光センサ、１０２は頭部超音波センサ、１０３は胴体
光センサ、１０５はタッチセンサである。

Claims (1)

1. 【特許請求の範囲】 ロボットを取囲む外界情報を取り込む複数のセンサから
   なるセンサ手段（１）と、ロボットの行動パターンを規
   定する行動パターン信号を発生する行動パターン発生手
   段（２）と、上記センサ手段（１）の検出パターンに応
   じて上記行動パターン発生手段（２）に制御信号を送出
   するロボット制御手段（３）と、予め選択される上記セ
   ンサ手段（１）の１つまたは複数個の特定の検出パター
   ンに対しての上記ロボット制御手段（３）の送出すべき
   制御信号情報を格納する基本制御動作格納手段（５）と
   を備えるとともに、 上記ロボット制御手段（３）は、１つまたは複数の入力
   とこの入力に対して乗算されるべき重みとを受取って積
   和を得る累算部（３１）と、この累算部（３１）からの
   出力を閾値関数によって変換して最終出力を得る閾値処
   理部（３２）とを有する基本ユニット（３０）を単位ユ
   ニットとし、上記センサ手段（１）に接続される複数個
   の上記単位ユニット（３−ｈ）を入力層とし、かつ複数
   個の上記単位ユニット（３−ｉ）を中間層として１つま
   たは複数段の中間層を備え、かつ上記行動パターン発生
   手段（２）に接続される１つまたは複数個の上記単位ユ
   ニット（３−ｊ）を出力層とし、上記入力層と最前段の
   中間層との間、中間層相互間および最終段の中間層と出
   力層との間で内部結合を構成することで階層ネットワー
   クを構成し、そして、上記ロボット制御手段（３）は、
   上記基本制御動作格納手段（５）の格納情報が実現でき
   るようにと学習制御することで自らが備える上記階層ネ
   ットワークの重みの値を設定するとともに、この重み値
   の設定された上記階層ネットワークの出力層の出力値を
   もって上記行動パターン発生手段（２）への制御信号と
   してなるように構成される階層ネットワーク制御ロボッ
   ト（１０）と、 この階層ネットワーク制御ロボット（１０）と同一構成
   をもって計算機上で構成される疑似階層ネットワーク制
   御ロボット（１０′）と、この疑似階層ネットワーク制
   御ロボット（１０′）の行動を計算機上でシミュレート
   する動作模倣手段（７）とから構成されるロボット学習
   シミュレータ（２０）とを備え、 このロボット学習シミュレータ（２０）が、必要に応じ
   て上記疑似階層ネットワーク制御ロボット（１０′）を
   用いて上記階層ネットワーク制御ロボット（１０）の上
   記階層ネットワークが必要とする重みの値を求め、かつ
   上記動作模倣手段（７）を用いてこの求められた重みの
   値の有効性を検証するとともに、有効性の検証された重
   みの値を上記階層ネットワーク制御ロボット（１０）の
   上記階層ネットワークの重みの値として設定してなるこ
   とを、 特徴とするロボット制御方式。