JPH1040231A - 入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法 - Google Patents
入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法Info
- Publication number
- JPH1040231A JPH1040231A JP8194873A JP19487396A JPH1040231A JP H1040231 A JPH1040231 A JP H1040231A JP 8194873 A JP8194873 A JP 8194873A JP 19487396 A JP19487396 A JP 19487396A JP H1040231 A JPH1040231 A JP H1040231A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- winner
- calculated
- input
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2137—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
(57)【要約】
【課題】 移動ロボットなどの移動体が環境内を動き回
ることによって収集するセンサー情報と運動情報（移動
の連続性、移動方向）等を利用することにより、トポロ
ジカル・マップを効率的に学習することにある。 【解決手段】 ウィナー・ユニット候補集合算出手段１
０２は、トポロジカル・マップ１０１上で、現在の入力
タイミングにおける入力ベクトルに対応するウィナー・
ユニットの候補の集合であるウィナー・ユニット候補集
合を算出する。この手段１０２は、例えば、現在の入力
タイミングに近接する過去の入力タイミングにおいて算
出されたウィナー・ユニットに基づいて、ウィナー・ユ
ニット候補集合を算出する。ウィナー・ユニット算出手
段１０３は、現在の入力タイミングにおける入力ベクト
ルに対応するウィナー・ユニットを、ウィナー・ユニッ
ト候補集合算出手段１０２が算出したウィナー・ユニッ
ト候補集合に含まれるユニットのうち最大の入力を受け
たユニットとして算出する。
ることによって収集するセンサー情報と運動情報（移動
の連続性、移動方向）等を利用することにより、トポロ
ジカル・マップを効率的に学習することにある。 【解決手段】 ウィナー・ユニット候補集合算出手段１
０２は、トポロジカル・マップ１０１上で、現在の入力
タイミングにおける入力ベクトルに対応するウィナー・
ユニットの候補の集合であるウィナー・ユニット候補集
合を算出する。この手段１０２は、例えば、現在の入力
タイミングに近接する過去の入力タイミングにおいて算
出されたウィナー・ユニットに基づいて、ウィナー・ユ
ニット候補集合を算出する。ウィナー・ユニット算出手
段１０３は、現在の入力タイミングにおける入力ベクト
ルに対応するウィナー・ユニットを、ウィナー・ユニッ
ト候補集合算出手段１０２が算出したウィナー・ユニッ
ト候補集合に含まれるユニットのうち最大の入力を受け
たユニットとして算出する。
Description
【０００１】
【発明の属する技術分野】本発明は、移動ロボットのよ
うに環境（空間）内を移動する移動体のナビゲーション
を行うための地図を表現するため等に用いられるトポロ
ジカル・マップの学習技術に関する。
うに環境（空間）内を移動する移動体のナビゲーション
を行うための地図を表現するため等に用いられるトポロ
ジカル・マップの学習技術に関する。
【０００２】
【従来の技術】移動体が、ある位置から別の位置へ移動
するなどのナビゲーションを効率良く行うためには地図
を利用することが必要であり、実際、人は目的に応じて
様々な地図を利用している。
するなどのナビゲーションを効率良く行うためには地図
を利用することが必要であり、実際、人は目的に応じて
様々な地図を利用している。
【０００３】人が使用する普通の地図は、多くの人が共
有して利用できるように、方位、距離、高度などの情報
を計器によって測量し、地形や道路などの情報を記号を
使って紙などの媒体に記述して作成される。
有して利用できるように、方位、距離、高度などの情報
を計器によって測量し、地形や道路などの情報を記号を
使って紙などの媒体に記述して作成される。
【０００４】一方、人を含めた多くの生物は、環境内を
動き回ることによって、脳内に認知地図（いわゆる土地
勘）を学習によって獲得することができる。いわゆる普
通の地図が万人向けであるのに対して、学習によって作
られる生物の認知地図は個人用であり目的依存である。
動き回ることによって、脳内に認知地図（いわゆる土地
勘）を学習によって獲得することができる。いわゆる普
通の地図が万人向けであるのに対して、学習によって作
られる生物の認知地図は個人用であり目的依存である。
【０００５】移動体が学習によって地図を作成できるこ
とには、 １）初めての環境で、かつ既存の地図を持っていないと
き、学習によって独自に地図を作成できる。
とには、 １）初めての環境で、かつ既存の地図を持っていないと
き、学習によって独自に地図を作成できる。
【０００６】２）既存の地図がある目的に対して不適当
なとき、目的に合った地図を学習できる。 ３）使用可能なセンサー（受容器）の種類に基づいて、
より効果的な地図を作成できる（例えば、超音波センサ
ーしか持っていない移動ロボットにとっては、視覚に基
づいた地図は役に立たない）。 等の利点がある。従って、学習によって地図を自己組織
的に作成できることは、非常に重要な機能である。
なとき、目的に合った地図を学習できる。 ３）使用可能なセンサー（受容器）の種類に基づいて、
より効果的な地図を作成できる（例えば、超音波センサ
ーしか持っていない移動ロボットにとっては、視覚に基
づいた地図は役に立たない）。 等の利点がある。従って、学習によって地図を自己組織
的に作成できることは、非常に重要な機能である。
【０００７】地図の表現方法には、普通の地図（方位、
距離、高度などを記号を使って２次元上に表現したも
の）、識別木（木構造）を利用した地図、座標を使って
表現する地図などがある。本発明においては、特に、Te
uvo Kohonen が、論文 "Self-Organized Formation o
f Topologically Correct Feature Maps, BiologicalC
ybernetics 43, 59-69, 1982"、"The Self-Organizing
Map, The Proceedingsof IEEE, VOL.78, NO.9, 1464-14
80, 1990" 等において提案したトポロジカル・マップ
（topological map 又は topology preserving map）を
利用して、地図を表現する。トポロジカル・マップは、
ニューラル・ネットワーク（神経回路網）のひとつのモ
デルであり、入力パターンが相互に持つ類似性（位相構
造）が発火するニューロンの位置関係に反映させられる
「トポロジー保存写像」を、学習によって形成できると
いう特徴を有している。以下に、トポロジカル・マップ
について説明する。
距離、高度などを記号を使って２次元上に表現したも
の）、識別木（木構造）を利用した地図、座標を使って
表現する地図などがある。本発明においては、特に、Te
uvo Kohonen が、論文 "Self-Organized Formation o
f Topologically Correct Feature Maps, BiologicalC
ybernetics 43, 59-69, 1982"、"The Self-Organizing
Map, The Proceedingsof IEEE, VOL.78, NO.9, 1464-14
80, 1990" 等において提案したトポロジカル・マップ
（topological map 又は topology preserving map）を
利用して、地図を表現する。トポロジカル・マップは、
ニューラル・ネットワーク（神経回路網）のひとつのモ
デルであり、入力パターンが相互に持つ類似性（位相構
造）が発火するニューロンの位置関係に反映させられる
「トポロジー保存写像」を、学習によって形成できると
いう特徴を有している。以下に、トポロジカル・マップ
について説明する。
【０００８】（１）トポロジカル・マップの構造 トポロジカル・マップは、図１９に示される１層構造を
有するニューラル・ネットワークである。このニューラ
ル・ネットワークは、２次元状に配置されたＮ（＝Ｎ1
×Ｎ2 ）個のユニット（神経細胞）から構成される。そ
して、入力としてベクトルｘ∈ＲM が与えられる。ここ
で、Ｍは、入力の次元を示す。また、以下の説明で、下
線付き記号はベクトル量を示す。ｉ番目のユニットは、
シナプス結合ベクトル（以下、シナプス荷重と呼ぶ）ｗ
i ∈ＲM （ｉ＝１，・・・，Ｎ）を介してセンサー情報
を受け取るので、ユニットｉへの入力ｕi は次式で計算
される。
有するニューラル・ネットワークである。このニューラ
ル・ネットワークは、２次元状に配置されたＮ（＝Ｎ1
×Ｎ2 ）個のユニット（神経細胞）から構成される。そ
して、入力としてベクトルｘ∈ＲM が与えられる。ここ
で、Ｍは、入力の次元を示す。また、以下の説明で、下
線付き記号はベクトル量を示す。ｉ番目のユニットは、
シナプス結合ベクトル（以下、シナプス荷重と呼ぶ）ｗ
i ∈ＲM （ｉ＝１，・・・，Ｎ）を介してセンサー情報
を受け取るので、ユニットｉへの入力ｕi は次式で計算
される。
【０００９】
【数７】
【００１０】ニューラル・ネットワークの出力ｙi （ｉ
＝１，・・・，Ｎ）は、下記数８式と数９式に示される
ように、最大入力を受けたユニットｃがウィナー（winn
er：勝者）となり、ウィナー・ユニットのみが発火し
（１を出力し）、残りのユニットは発火しない（０を出
力する）ように、決定される。
＝１，・・・，Ｎ）は、下記数８式と数９式に示される
ように、最大入力を受けたユニットｃがウィナー（winn
er：勝者）となり、ウィナー・ユニットのみが発火し
（１を出力し）、残りのユニットは発火しない（０を出
力する）ように、決定される。
【００１１】
【数８】
【００１２】
【数９】
【００１３】入力ｘとシナプス荷重ｗ i が単位ベクトル
に規格化されている時、ウィナー・ユニットは、下記数
１０式に示されるように、入力ｘに最も近い（最も類似
する）シナプス荷重ｗ i を有するユニットｃとして決定
することもできる。以後の説明では、簡単のために、入
力ｘとシナプス荷重ｗ i は、ともに単位ベクトルに規格
化されているとする。
に規格化されている時、ウィナー・ユニットは、下記数
１０式に示されるように、入力ｘに最も近い（最も類似
する）シナプス荷重ｗ i を有するユニットｃとして決定
することもできる。以後の説明では、簡単のために、入
力ｘとシナプス荷重ｗ i は、ともに単位ベクトルに規格
化されているとする。
【００１４】
【数１０】
【００１５】（２）学習則 トポロジカル・マップの学習においては、ある環境（空
間）上で互いに近接する入力ｘのパターンに対して、ト
ポロジカル・マップ上で同様に互いに近接するユニット
が発火するように、学習が行われる。
間）上で互いに近接する入力ｘのパターンに対して、ト
ポロジカル・マップ上で同様に互いに近接するユニット
が発火するように、学習が行われる。
【００１６】この学習において、シナプス荷重ｗ i の変
化分Δｗ i は、下記数１１式によって計算される。
化分Δｗ i は、下記数１１式によって計算される。
【００１７】
【数１１】
【００１８】ここで、ηは、学習速度を決定する正の定
数、Ｌ(c) は、ウィナー・ユニットｃの周辺（近傍）の
ユニットの集合である。数１１式は、数１０式を満たす
ウィナー・ユニットｃとその周辺の集合Ｌ(c) に属する
ユニットのシナプス荷重ｗ i のみが学習により修正さ
れ、その他のユニットのシナプス荷重ｗ i は変化させら
れないことを意味している。一般的に、学習の初期にお
いては、ηの値は大きく、かつ集合Ｌ(c) の範囲は広く
設定し、学習が進むにつれて、徐々に、ηの値は小さ
く、かつ集合Ｌ(c) の範囲は広く設定するのがよいと言
われている。
数、Ｌ(c) は、ウィナー・ユニットｃの周辺（近傍）の
ユニットの集合である。数１１式は、数１０式を満たす
ウィナー・ユニットｃとその周辺の集合Ｌ(c) に属する
ユニットのシナプス荷重ｗ i のみが学習により修正さ
れ、その他のユニットのシナプス荷重ｗ i は変化させら
れないことを意味している。一般的に、学習の初期にお
いては、ηの値は大きく、かつ集合Ｌ(c) の範囲は広く
設定し、学習が進むにつれて、徐々に、ηの値は小さ
く、かつ集合Ｌ(c) の範囲は広く設定するのがよいと言
われている。
【００１９】（３）性質と応用分野 上記（１）で説明した構造を有するトポロジカル・マッ
プは、上記（２）で説明した学習則に基づく学習によっ
て、入力ｘの類似性が発火するウィナー・ユニットｃの
位置の近接性に反映される写像、すなわち、入力のトポ
ロジー（位相構造）を保存する写像を、獲得することが
できる。
プは、上記（２）で説明した学習則に基づく学習によっ
て、入力ｘの類似性が発火するウィナー・ユニットｃの
位置の近接性に反映される写像、すなわち、入力のトポ
ロジー（位相構造）を保存する写像を、獲得することが
できる。
【００２０】この性質を利用することによって、トポロ
ジカル・マップは、入力の分類、運動制御、音声認識、
ベクトル量子化、組合せ最適化問題など、多方面に応用
されている。後述する本実施の形態が対象とする、学習
による地図の自己組織的形成は、入力ｘの分類の応用の
ひとつである。すなわち、本実施の形態では、入力ｘが
任意の空間内の位置を示している場合に、その空間内で
互いに近接する各位置に対応する各入力ｘは、学習され
たトポロジカル・マップ上で同様に互いに近接するウィ
ナー・ユニットｃに写像されるという性質を利用するこ
とにより、任意の位置検出センサーからの入力ｘに基づ
いて環境（空間）内の位置を特定する地図としての役割
を有するトポロジカル・マップを実現することができ
る。これはちょうど、人が、目から得た視覚情報に基づ
いて現在の位置を特定する行動に対応する。
ジカル・マップは、入力の分類、運動制御、音声認識、
ベクトル量子化、組合せ最適化問題など、多方面に応用
されている。後述する本実施の形態が対象とする、学習
による地図の自己組織的形成は、入力ｘの分類の応用の
ひとつである。すなわち、本実施の形態では、入力ｘが
任意の空間内の位置を示している場合に、その空間内で
互いに近接する各位置に対応する各入力ｘは、学習され
たトポロジカル・マップ上で同様に互いに近接するウィ
ナー・ユニットｃに写像されるという性質を利用するこ
とにより、任意の位置検出センサーからの入力ｘに基づ
いて環境（空間）内の位置を特定する地図としての役割
を有するトポロジカル・マップを実現することができ
る。これはちょうど、人が、目から得た視覚情報に基づ
いて現在の位置を特定する行動に対応する。
【００２１】
【発明が解決しようとする課題】上記「従来の技術」の
項の（２）において説明した従来のトポロジカル・マッ
プの学習則は、入力空間Ｘから入力（入力ベクトル）ｘ
が、ランダムに、或いはある確率分布に従って選択され
ることを前提としている。ここで、移動体が、環境（空
間）内を移動しながらセンサーによって環境の情報を計
測し、得られたセンサー情報から地図を形成する場合に
は、センサーから得られる入力情報は、ランダムに与え
られるのではなく、移動経路に従って与えられる。しか
し、上記従来の学習則は、一般的であって応用分野に特
有の性質を利用しないため、入力ｘが移動経路に沿って
与えられるという情報、すなわち、運動情報を利用する
ことができない。
項の（２）において説明した従来のトポロジカル・マッ
プの学習則は、入力空間Ｘから入力（入力ベクトル）ｘ
が、ランダムに、或いはある確率分布に従って選択され
ることを前提としている。ここで、移動体が、環境（空
間）内を移動しながらセンサーによって環境の情報を計
測し、得られたセンサー情報から地図を形成する場合に
は、センサーから得られる入力情報は、ランダムに与え
られるのではなく、移動経路に従って与えられる。しか
し、上記従来の学習則は、一般的であって応用分野に特
有の性質を利用しないため、入力ｘが移動経路に沿って
与えられるという情報、すなわち、運動情報を利用する
ことができない。
【００２２】そのため、上記従来の学習則は、学習定数
ηや学習範囲Ｌ(c) を学習回数に応じて適切に調節する
必要があり、また、学習に時間がかかるという問題点を
有していた。更に、上記従来の学習則は、学習がうまく
進まず、形成されたトポロジカル・マップによる地図が
ねじれてしまう事態も起こり得るという問題点を有して
いた。
ηや学習範囲Ｌ(c) を学習回数に応じて適切に調節する
必要があり、また、学習に時間がかかるという問題点を
有していた。更に、上記従来の学習則は、学習がうまく
進まず、形成されたトポロジカル・マップによる地図が
ねじれてしまう事態も起こり得るという問題点を有して
いた。
【００２３】本発明の課題は、移動ロボットなどの移動
体が環境内を動き回ることによって収集するセンサー情
報と運動情報（移動の連続性、移動方向）等を利用する
ことによって、トポロジカル・マップを効率的に学習す
ることにある。
体が環境内を動き回ることによって収集するセンサー情
報と運動情報（移動の連続性、移動方向）等を利用する
ことによって、トポロジカル・マップを効率的に学習す
ることにある。
【００２４】
【課題を解決するための手段】図１は、本発明のブロッ
ク図である。本発明は、２次元状に配置されたＮ個のユ
ニットから構成され、入力ベクトルが与えられたとき
に、各ユニットへの入力が入力ベクトルの各成分とシナ
プス荷重ベクトルの各成分との積の総和として決定さ
れ、その各ユニットへの入力のうち最大の入力を受けた
ユニットであるウィナー・ユニットのみが発火するよう
に決定されるトポロジカル・マップの演算装置／方法を
前提とする。
ク図である。本発明は、２次元状に配置されたＮ個のユ
ニットから構成され、入力ベクトルが与えられたとき
に、各ユニットへの入力が入力ベクトルの各成分とシナ
プス荷重ベクトルの各成分との積の総和として決定さ
れ、その各ユニットへの入力のうち最大の入力を受けた
ユニットであるウィナー・ユニットのみが発火するよう
に決定されるトポロジカル・マップの演算装置／方法を
前提とする。
【００２５】まず、ウィナー・ユニット候補集合算出手
段１０２は、現在の入力タイミングにおける入力ベクト
ルに対応するウィナー・ユニットの候補の集合であるウ
ィナー・ユニット候補集合を算出する。
段１０２は、現在の入力タイミングにおける入力ベクト
ルに対応するウィナー・ユニットの候補の集合であるウ
ィナー・ユニット候補集合を算出する。
【００２６】次に、ウィナー・ユニット算出手段１０３
は、現在の入力タイミングにおける入力ベクトルに対応
するウィナー・ユニットを、ウィナー・ユニット候補集
合算出手段１０２が算出したウィナー・ユニット候補集
合に含まれるユニットのうち最大の入力を受けたユニッ
トとして算出する。
は、現在の入力タイミングにおける入力ベクトルに対応
するウィナー・ユニットを、ウィナー・ユニット候補集
合算出手段１０２が算出したウィナー・ユニット候補集
合に含まれるユニットのうち最大の入力を受けたユニッ
トとして算出する。
【００２７】このように本発明では、学習モード又は参
照モードにおいて、トポロジカル・マップ上でウィナー
・ユニットが演算される場合に、予めその演算範囲をウ
ィナー・ユニット候補集合として限定しておくことによ
り、効率的かつ精度の高いウィナー・ユニットの演算が
可能となる。
照モードにおいて、トポロジカル・マップ上でウィナー
・ユニットが演算される場合に、予めその演算範囲をウ
ィナー・ユニット候補集合として限定しておくことによ
り、効率的かつ精度の高いウィナー・ユニットの演算が
可能となる。
【００２８】上述の発明の構成において、ウィナー・ユ
ニット候補集合算出手段１０２は、現在の入力タイミン
グに近接する過去の入力タイミングにおいて算出された
ウィナー・ユニットに基づいて、ウィナー・ユニット候
補集合を算出するように構成することができる。
ニット候補集合算出手段１０２は、現在の入力タイミン
グに近接する過去の入力タイミングにおいて算出された
ウィナー・ユニットに基づいて、ウィナー・ユニット候
補集合を算出するように構成することができる。
【００２９】或いは、上述の発明の構成において、現在
の入力タイミングにおける入力ベクトルの変化方向を算
出する入力ベクトル変化方向算出手段１０４を更に含
み、ウィナー・ユニット候補集合算出手段１０２は、現
在の入力タイミングに近接する過去の入力タイミングに
おけるウィナー・ユニットと、入力ベクトル変化方向算
出手段１０４が算出した現在の入力タイミングにおける
入力ベクトルの変化方向とに基づいて、ウィナー・ユニ
ット候補集合を算出するように構成することができる。
の入力タイミングにおける入力ベクトルの変化方向を算
出する入力ベクトル変化方向算出手段１０４を更に含
み、ウィナー・ユニット候補集合算出手段１０２は、現
在の入力タイミングに近接する過去の入力タイミングに
おけるウィナー・ユニットと、入力ベクトル変化方向算
出手段１０４が算出した現在の入力タイミングにおける
入力ベクトルの変化方向とに基づいて、ウィナー・ユニ
ット候補集合を算出するように構成することができる。
【００３０】このように、ウィナー・ユニット候補集合
が、現在の入力タイミングに近接する過去（例えば１つ
前）の入力タイミングにおいて算出されたウィナー・ユ
ニットに基づいて、或いは、そのウィナー・ユニット
と、入力ベクトル変化方向算出手段１０４が算出した現
在の入力タイミングにおける入力ベクトルの変化方向と
に基づいて、決定されることにより、入力ベクトルの変
化状態をウィナー・ユニットの算出処理に反映させるこ
とができ、入力ベクトルの性質に応じた効率的かつ精度
の高いウィナー・ユニットの算出が可能となる。
が、現在の入力タイミングに近接する過去（例えば１つ
前）の入力タイミングにおいて算出されたウィナー・ユ
ニットに基づいて、或いは、そのウィナー・ユニット
と、入力ベクトル変化方向算出手段１０４が算出した現
在の入力タイミングにおける入力ベクトルの変化方向と
に基づいて、決定されることにより、入力ベクトルの変
化状態をウィナー・ユニットの算出処理に反映させるこ
とができ、入力ベクトルの性質に応じた効率的かつ精度
の高いウィナー・ユニットの算出が可能となる。
【００３１】ここで、ウィナー・ユニットは、トポロジ
カル・マップ１０１の各ユニットのシナプス荷重ベクト
ルを更新する学習処理のために算出されるように構成す
ることができる。すなわち、本発明は、トポロジカル・
マップ１０１の学習モードに対して適用されるように構
成することができる。
カル・マップ１０１の各ユニットのシナプス荷重ベクト
ルを更新する学習処理のために算出されるように構成す
ることができる。すなわち、本発明は、トポロジカル・
マップ１０１の学習モードに対して適用されるように構
成することができる。
【００３２】またこの場合において、トポロジカル・マ
ップ１０１は、環境内での移動体の移動経路をナビゲー
トするための地図として使用され、入力ベクトルは移動
体の環境内での位置を示すセンサー情報に対応するよう
に構成することができる。
ップ１０１は、環境内での移動体の移動経路をナビゲー
トするための地図として使用され、入力ベクトルは移動
体の環境内での位置を示すセンサー情報に対応するよう
に構成することができる。
【００３３】このように、本発明が、トポロジカル・マ
ップ１０１の学習モードに対して適用され、かつ環境内
での移動体の移動経路をナビゲートするための地図とし
て使用される場合に、移動体の移動経路及び移動方向に
関する情報が、ウィナー・ユニット候補集合に反映され
るため、学習時のウィナー・ユニットを移動体の移動経
路及び移動方向による制約のもとで決定することがで
き、学習を効率的かつ正確に行うことが可能となる。
ップ１０１の学習モードに対して適用され、かつ環境内
での移動体の移動経路をナビゲートするための地図とし
て使用される場合に、移動体の移動経路及び移動方向に
関する情報が、ウィナー・ユニット候補集合に反映され
るため、学習時のウィナー・ユニットを移動体の移動経
路及び移動方向による制約のもとで決定することがで
き、学習を効率的かつ正確に行うことが可能となる。
【００３４】本発明が、上述のように、トポロジカル・
マップ１０１の学習モードに対して適用され、かつ環境
内での移動体の移動経路をナビゲートするための地図と
して使用される場合の、より具体的な構成について以下
に示す。
マップ１０１の学習モードに対して適用され、かつ環境
内での移動体の移動経路をナビゲートするための地図と
して使用される場合の、より具体的な構成について以下
に示す。
【００３５】ウィナー・ユニット候補集合算出手段１０
２は、現在の入力タイミングの１つ前の入力タイミング
で算出されたウィナー・ユニットの位置を（ｉnw，
ｊnw）、ウィナー・ユニット候補集合に含まれる各ユニ
ットの位置を（ｉn ，ｊn ）、ウィナー・ユニット候補
集合をＣ（ｎw ）としたとき、前述の数１式又は数２式
を満たすウィナー・ユニット候補集合Ｃ（ｎw ）を算出
する。
２は、現在の入力タイミングの１つ前の入力タイミング
で算出されたウィナー・ユニットの位置を（ｉnw，
ｊnw）、ウィナー・ユニット候補集合に含まれる各ユニ
ットの位置を（ｉn ，ｊn ）、ウィナー・ユニット候補
集合をＣ（ｎw ）としたとき、前述の数１式又は数２式
を満たすウィナー・ユニット候補集合Ｃ（ｎw ）を算出
する。
【００３６】或いは、入力ベクトル変化方向算出手段１
０４は、現在の入力タイミングにおける入力ベクトルの
変化方向を、前述の数３式又は数５式を満たす４方向di
r1，dir2，dir3、dir4の何れかの方向として算出し、ウ
ィナー・ユニット候補集合算出手段１０２は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、ウィナー・
ユニット候補集合をＣ（ｎw ）としたとき、入力ベクト
ル変化方向算出手段１０４が算出した現在の入力タイミ
ングにおける入力ベクトルの変化方向に応じて、前述の
数４式（数３式た適用される場合）又は数６式（数５式
が適用される場合）を満たすウィナー・ユニット候補集
合Ｃ（ｎw ）を算出する。
０４は、現在の入力タイミングにおける入力ベクトルの
変化方向を、前述の数３式又は数５式を満たす４方向di
r1，dir2，dir3、dir4の何れかの方向として算出し、ウ
ィナー・ユニット候補集合算出手段１０２は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、ウィナー・
ユニット候補集合をＣ（ｎw ）としたとき、入力ベクト
ル変化方向算出手段１０４が算出した現在の入力タイミ
ングにおける入力ベクトルの変化方向に応じて、前述の
数４式（数３式た適用される場合）又は数６式（数５式
が適用される場合）を満たすウィナー・ユニット候補集
合Ｃ（ｎw ）を算出する。
【００３７】また、本発明が、前述のように、トポロジ
カル・マップ１０１の学習モードに対して適用される場
合において、ウィナー・ユニット算出手段１０３が算出
したウィナー・ユニットと、入力ベクトル変化方向算出
手段１０４が算出した現在の入力タイミングにおける入
力ベクトルの変化方向とに基づき、シナプス荷重ベクト
ルが更新されるユニットの集合である学習対象ユニット
集合を算出する学習対象ユニット集合算出手段と、その
学習対象ユニット集合算出手段が算出した学習対象ユニ
ット集合に含まれるユニットに対して、シナプス荷重ベ
クトルを更新する学習処理を実行するシナプス荷重ベク
トル更新手段とを更に含むように構成することができ
る。
カル・マップ１０１の学習モードに対して適用される場
合において、ウィナー・ユニット算出手段１０３が算出
したウィナー・ユニットと、入力ベクトル変化方向算出
手段１０４が算出した現在の入力タイミングにおける入
力ベクトルの変化方向とに基づき、シナプス荷重ベクト
ルが更新されるユニットの集合である学習対象ユニット
集合を算出する学習対象ユニット集合算出手段と、その
学習対象ユニット集合算出手段が算出した学習対象ユニ
ット集合に含まれるユニットに対して、シナプス荷重ベ
クトルを更新する学習処理を実行するシナプス荷重ベク
トル更新手段とを更に含むように構成することができ
る。
【００３８】このように、本発明が、トポロジカル・マ
ップ１０１の学習モードに対して適用される場合に、移
動体の移動経路及び移動方向に関する情報を、シナプス
荷重ベクトルを更新すべき学習対象ユニット集合の決定
に反映させることができ、やはり学習を効率的かつ正確
に行うことが可能となる。
ップ１０１の学習モードに対して適用される場合に、移
動体の移動経路及び移動方向に関する情報を、シナプス
荷重ベクトルを更新すべき学習対象ユニット集合の決定
に反映させることができ、やはり学習を効率的かつ正確
に行うことが可能となる。
【００３９】一方、本発明において、ウィナー・ユニッ
トは、トポロジカル・マップ１０１の参照処理のために
算出されるように構成することができる。すなわち、本
発明は、トポロジカル・マップ１０１の参照モードに対
しても適用されるように構成することができる。
トは、トポロジカル・マップ１０１の参照処理のために
算出されるように構成することができる。すなわち、本
発明は、トポロジカル・マップ１０１の参照モードに対
しても適用されるように構成することができる。
【００４０】また、この場合において、本発明は、環境
内での移動体の移動経路をナビゲートするための地図と
して使用されるように構成することができる。このよう
に、本発明が、トポロジカル・マップ１０１の参照モー
ドに対して適用され、かつ環境内での移動体の移動経路
をナビゲートするための地図として使用される場合に、
移動体の移動経路及び移動方向に関する情報が、ウィナ
ー・ユニット候補集合に反映されるため、参照時のウィ
ナー・ユニットを移動体の移動経路及び移動方向による
制約のもとで決定することができ、参照を効率的かつ正
確に行うことが可能となる。
内での移動体の移動経路をナビゲートするための地図と
して使用されるように構成することができる。このよう
に、本発明が、トポロジカル・マップ１０１の参照モー
ドに対して適用され、かつ環境内での移動体の移動経路
をナビゲートするための地図として使用される場合に、
移動体の移動経路及び移動方向に関する情報が、ウィナ
ー・ユニット候補集合に反映されるため、参照時のウィ
ナー・ユニットを移動体の移動経路及び移動方向による
制約のもとで決定することができ、参照を効率的かつ正
確に行うことが可能となる。
【００４１】なお、本発明は、上述と同様の機能を実現
する方法として構成することもできる。
する方法として構成することもできる。
【００４２】
【発明の実施の形態】以下、図面を参照しながら本発明
の実施の形態について詳細に説明する。移動体が、環境
内を移動しながらセンサーによって環境の情報を計測
し、得られたセンサー情報をトポロジカル・マップに入
力して地図を学習するとき、センサー入力ｘは、ランダ
ムに与えられるのではなく、移動体の移動経路に沿って
入力される。そこで、本実施の形態では、入力ｘが移動
経路に沿って与えられるという情報、すなわち、運動情
報を利用して、トポロジカル・マップの学習を行うこと
を特徴とする。ここで、運動情報とは、 １）移動の連続性の情報：移動はある位置からその隣の
位置へ連続的に行われるという性質を示す情報。
の実施の形態について詳細に説明する。移動体が、環境
内を移動しながらセンサーによって環境の情報を計測
し、得られたセンサー情報をトポロジカル・マップに入
力して地図を学習するとき、センサー入力ｘは、ランダ
ムに与えられるのではなく、移動体の移動経路に沿って
入力される。そこで、本実施の形態では、入力ｘが移動
経路に沿って与えられるという情報、すなわち、運動情
報を利用して、トポロジカル・マップの学習を行うこと
を特徴とする。ここで、運動情報とは、 １）移動の連続性の情報：移動はある位置からその隣の
位置へ連続的に行われるという性質を示す情報。
【００４３】２）移動方向：現在の位置から次に移動す
る方向を示す情報。 をいう。本実施の形態では、これらの運動情報を利用し
て、学習時におけるウィナー・ユニットの選択及び学習
範囲の設定が行われ、学習が効率化される。
る方向を示す情報。 をいう。本実施の形態では、これらの運動情報を利用し
て、学習時におけるウィナー・ユニットの選択及び学習
範囲の設定が行われ、学習が効率化される。
【００４４】図２は、本実施の形態における地図学習装
置の構成図である。この地図学習装置は、センサー部２
０１、移動駆動部２０２、センサー情報処理部２０３、
地図表現部２０４、学習調節部２０５、及び学習実行部
２０６から構成される。そして、この地図学習装置は、
地図学習モードと地図参照モードの２つの動作モードで
動作する。地図学習モードでは、この地図学習装置を搭
載した移動体が、環境内を動き回り、環境情報を収集し
て、環境の地図を学習する。一方、地図参照モードで
は、学習した地図をナビゲーション等に利用する。 ＜用語と記号の説明＞図２の構成について説明する前
に、以下の説明において使用される用語と記号を定義す
る。 ・ｎ（１≦ｎ≦Ｎ）：トポロジカル・マップを構成する
Ｎ（＝Ｎ1 ×Ｎ2 ）個のユニットの番号。 ・ｋ（１≦ｋ≦Ｋ）：移動経路に沿った学習位置の番
号。この位置は、移動経路に沿って、所定時間間隔毎又
は所定距離の移動毎或いはセンサー情報が所定閾値以上
に変化する毎に決定される。 ・ｄ k ：位置ｋにおいて、センサー部２０１により計測
されるセンサー情報ベクトル。 ・ｘ k ：位置ｋにおいて、センサー情報処理部２０３に
よって処理されトポロジカル・マップに入力される入力
ベクトル。 ・参照時ウィナー・ユニット：地図参照モードでのウィ
ナー・ユニット。 ・学習時ウィナー・ユニット：地図学習モードでのウィ
ナー・ユニット。 ・ｎw r （ｘ k ）：移動経路に沿った位置ｋでの入力ｘ
k に対する参照時ウィナー・ユニット番号。参照時ウィ
ナー・ユニットｎw r （ｘ k ）とも称する。 ・ｎw l （ｘ k ）：移動経路に沿った位置ｋでの入力ｘ
k に対する学習時ウィナー・ユニット番号。学習時ウィ
ナー・ユニットｎw l （ｘ k ）とも称する。 ・Ｌ（ｎw l （ｘ k ））：移動経路に沿った現在の位置
ｋでの学習時ウィナー・ユニットｎw l （ｘ k ）の周辺
においてシナプス荷重の修正が行われるユニットの集合
（学習対象ユニット集合）。Ｌ（ｎw ）と称される場合
もある。 ・Ｃ（ｎw l （ｘ k-1 ））：移動経路に沿った１つ前の
位置ｋ−１における学習時ウィナー・ユニットがｎw l
（ｘ k-1 ）であるとき、現在の位置ｋにおける学習時ウ
ィナー・ユニットｎw l （ｘ k ）の候補になるユニット
の集合（学習時ウィナー・ユニット候補集合）。Ｃ（ｎ
w ）と称される場合もある。 ・（ｉn ，ｊn ）：番号ｎのユニットのトポロジカル・
マップ上での位置。 ・（ｉnw，ｊnw）：番号ｎのウィナー・ユニットのトポ
ロジカル・マップ上での位置。 次に、図２の各部の詳細について説明する。 ＜環境と移動ロボット＞図２の地図学習装置が搭載され
る移動ロボットが動き回る環境（動作範囲）として、例
えば、図３に示されるような、平面上の円形の環境が想
定される。この円形の環境は、平面上に定義されたｘｙ
座標系の原点に中心があり、半径がＲである。環境に
は、Ｍ個のランドマークがあるとする。 ＜センサー部２０１の説明＞センサー部２０１は、移動
体が環境内を移動して到達した位置において、環境から
の情報を多種類のセンサーを利用して収集する。また、
センサー部２０１は、移動駆動部２０２から移動距離、
移動方向、消費エネルギー等の情報も収集する。それら
の収集された情報を表現するセンサー情報ｄ k は、セン
サー情報処理部２０３に伝達される。
置の構成図である。この地図学習装置は、センサー部２
０１、移動駆動部２０２、センサー情報処理部２０３、
地図表現部２０４、学習調節部２０５、及び学習実行部
２０６から構成される。そして、この地図学習装置は、
地図学習モードと地図参照モードの２つの動作モードで
動作する。地図学習モードでは、この地図学習装置を搭
載した移動体が、環境内を動き回り、環境情報を収集し
て、環境の地図を学習する。一方、地図参照モードで
は、学習した地図をナビゲーション等に利用する。 ＜用語と記号の説明＞図２の構成について説明する前
に、以下の説明において使用される用語と記号を定義す
る。 ・ｎ（１≦ｎ≦Ｎ）：トポロジカル・マップを構成する
Ｎ（＝Ｎ1 ×Ｎ2 ）個のユニットの番号。 ・ｋ（１≦ｋ≦Ｋ）：移動経路に沿った学習位置の番
号。この位置は、移動経路に沿って、所定時間間隔毎又
は所定距離の移動毎或いはセンサー情報が所定閾値以上
に変化する毎に決定される。 ・ｄ k ：位置ｋにおいて、センサー部２０１により計測
されるセンサー情報ベクトル。 ・ｘ k ：位置ｋにおいて、センサー情報処理部２０３に
よって処理されトポロジカル・マップに入力される入力
ベクトル。 ・参照時ウィナー・ユニット：地図参照モードでのウィ
ナー・ユニット。 ・学習時ウィナー・ユニット：地図学習モードでのウィ
ナー・ユニット。 ・ｎw r （ｘ k ）：移動経路に沿った位置ｋでの入力ｘ
k に対する参照時ウィナー・ユニット番号。参照時ウィ
ナー・ユニットｎw r （ｘ k ）とも称する。 ・ｎw l （ｘ k ）：移動経路に沿った位置ｋでの入力ｘ
k に対する学習時ウィナー・ユニット番号。学習時ウィ
ナー・ユニットｎw l （ｘ k ）とも称する。 ・Ｌ（ｎw l （ｘ k ））：移動経路に沿った現在の位置
ｋでの学習時ウィナー・ユニットｎw l （ｘ k ）の周辺
においてシナプス荷重の修正が行われるユニットの集合
（学習対象ユニット集合）。Ｌ（ｎw ）と称される場合
もある。 ・Ｃ（ｎw l （ｘ k-1 ））：移動経路に沿った１つ前の
位置ｋ−１における学習時ウィナー・ユニットがｎw l
（ｘ k-1 ）であるとき、現在の位置ｋにおける学習時ウ
ィナー・ユニットｎw l （ｘ k ）の候補になるユニット
の集合（学習時ウィナー・ユニット候補集合）。Ｃ（ｎ
w ）と称される場合もある。 ・（ｉn ，ｊn ）：番号ｎのユニットのトポロジカル・
マップ上での位置。 ・（ｉnw，ｊnw）：番号ｎのウィナー・ユニットのトポ
ロジカル・マップ上での位置。 次に、図２の各部の詳細について説明する。 ＜環境と移動ロボット＞図２の地図学習装置が搭載され
る移動ロボットが動き回る環境（動作範囲）として、例
えば、図３に示されるような、平面上の円形の環境が想
定される。この円形の環境は、平面上に定義されたｘｙ
座標系の原点に中心があり、半径がＲである。環境に
は、Ｍ個のランドマークがあるとする。 ＜センサー部２０１の説明＞センサー部２０１は、移動
体が環境内を移動して到達した位置において、環境から
の情報を多種類のセンサーを利用して収集する。また、
センサー部２０１は、移動駆動部２０２から移動距離、
移動方向、消費エネルギー等の情報も収集する。それら
の収集された情報を表現するセンサー情報ｄ k は、セン
サー情報処理部２０３に伝達される。
【００４５】具体的には図３の例において、移動ロボッ
トは、Ｍ個のランドマークからの距離を計測できるセン
サーを有し、移動経路に沿った位置ｋにおいて、ランド
マークからの距離ｄ k ＝（ｄk (1) ，ｄk (2) ，・・，
ｄk (m) ，・・ｄk (M) ），（１≦ｋ≦Ｋ）を計測す
る。ここで、ｄk (m) は、位置ｋからランドマークｍま
での距離を示す。 ＜移動駆動部２０２の説明＞移動駆動部２０２は、モー
ター等の駆動部を制御して移動体を移動させる。地図学
習モードでは、移動駆動部２０２は、移動体が環境内を
動き回るように、ランダム・ウォークをさせたり、行っ
たことがない場所へ移動させたり、環境の境界で移動方
向を変更する等の機能を有する。地図の学習の終了後の
地図参照モードでは、移動駆動部２０２は、地図表現部
２０４が表現する地図を利用してナビゲーションを行
い、環境内を効率的に移動する機能を有する。
トは、Ｍ個のランドマークからの距離を計測できるセン
サーを有し、移動経路に沿った位置ｋにおいて、ランド
マークからの距離ｄ k ＝（ｄk (1) ，ｄk (2) ，・・，
ｄk (m) ，・・ｄk (M) ），（１≦ｋ≦Ｋ）を計測す
る。ここで、ｄk (m) は、位置ｋからランドマークｍま
での距離を示す。 ＜移動駆動部２０２の説明＞移動駆動部２０２は、モー
ター等の駆動部を制御して移動体を移動させる。地図学
習モードでは、移動駆動部２０２は、移動体が環境内を
動き回るように、ランダム・ウォークをさせたり、行っ
たことがない場所へ移動させたり、環境の境界で移動方
向を変更する等の機能を有する。地図の学習の終了後の
地図参照モードでは、移動駆動部２０２は、地図表現部
２０４が表現する地図を利用してナビゲーションを行
い、環境内を効率的に移動する機能を有する。
【００４６】また、移動駆動部２０２は、移動経路に沿
った位置ｋにおいて移動方向をセンサー部２０１に伝達
する。 ＜センサー情報処理部２０３＞センサー情報処理部２０
３は、センサー部２０１が収集したセンサー情報ｄ kを
規格化すると共に、地図表現部２０４であるトポロジカ
ル・マップへの入力として適合した形式ｘ k に変換す
る。また、移動駆動部２０２から運動情報（移動方向
等）を受け取って、それを学習調節部２０５に伝達す
る。
った位置ｋにおいて移動方向をセンサー部２０１に伝達
する。 ＜センサー情報処理部２０３＞センサー情報処理部２０
３は、センサー部２０１が収集したセンサー情報ｄ kを
規格化すると共に、地図表現部２０４であるトポロジカ
ル・マップへの入力として適合した形式ｘ k に変換す
る。また、移動駆動部２０２から運動情報（移動方向
等）を受け取って、それを学習調節部２０５に伝達す
る。
【００４７】具体的には、センサー情報処理部２０３
は、センサー情報ｄ k を、下記数１２式〜数１４式によ
って、入力ｘ k に変換する。すなわち、まず、センサー
情報ｄ k の成分ｄk (m) （１≦ｍ≦Ｍ）のそれぞれに対
して、下記数１２式で示されるバンド・パス・フィルタ
（ガウシアン・フィルタの一種）の演算が実行される。
は、センサー情報ｄ k を、下記数１２式〜数１４式によ
って、入力ｘ k に変換する。すなわち、まず、センサー
情報ｄ k の成分ｄk (m) （１≦ｍ≦Ｍ）のそれぞれに対
して、下記数１２式で示されるバンド・パス・フィルタ
（ガウシアン・フィルタの一種）の演算が実行される。
【００４８】
【数１２】
【００４９】ここで、μj (m) 及びσ(m) （１≦ｊ≦
Ｇ）は、それぞれランドマークｍからの距離ｄk (m) に
対するフィルタのパラメータ（ガウシアン・フィルタの
平均と分散）であり、Ｇはｄk (m) に対して演算される
フィルタの個数である。μj (m)及びσ(m) の値は、移
動ロボットとランドマークｍの間の最大距離max(m)と最
小距離min(m)とから、下記数１３式に基づいて設定され
る。
Ｇ）は、それぞれランドマークｍからの距離ｄk (m) に
対するフィルタのパラメータ（ガウシアン・フィルタの
平均と分散）であり、Ｇはｄk (m) に対して演算される
フィルタの個数である。μj (m)及びσ(m) の値は、移
動ロボットとランドマークｍの間の最大距離max(m)と最
小距離min(m)とから、下記数１３式に基づいて設定され
る。
【００５０】
【数１３】
【００５１】次に、センサー情報ｄ k の成分ｄ
k (m) （１≦ｍ≦Ｍ）のそれぞれに対する数１２式の演
算結果が、下記数１４式に基づいて、１つのベクトルに
まとめられて規格化されることにより、入力ベクトルｘ
k が算出される。
k (m) （１≦ｍ≦Ｍ）のそれぞれに対する数１２式の演
算結果が、下記数１４式に基づいて、１つのベクトルに
まとめられて規格化されることにより、入力ベクトルｘ
k が算出される。
【００５２】
【数１４】
【００５３】上記数１４式の右辺の分母は、その右辺の
分子によって得られるベクトルを、単位ベクトルに規格
化するための項である。このようにして得られる入力ｘ
k が、図２の地図表現部２０４であるトポロジカル・マ
ップに入力される。
分子によって得られるベクトルを、単位ベクトルに規格
化するための項である。このようにして得られる入力ｘ
k が、図２の地図表現部２０４であるトポロジカル・マ
ップに入力される。
【００５４】今、例えばセンサーが２個あり２つの場所
で、センサー情報ｄ 1 ＝(1.0,1.0),ｄ 2 ＝(2.0,2.0) が
得られたとする。これらの値を単純に規格化すれば（す
なわち単位ベクトルに変換すれば）、共に（２-1/2，２
-1/2）となって区別がつかなくなってしまう。そこで、
センサー情報ｄ k （ｋ＝１，２）の各成分に対して数１
２式に示されるバンド・パス・フィルタの演算が実行さ
れ、その演算結果を使用して数１４式に基づくベクトル
化及び規格化が行われる。ここで、センサー情報ｄ
k （ｋ＝１，２）の各成分に対してそれぞれＧ＝１１個
のガウシアン・フィルタが演算されるとし、この場合
に、μj (m) ＝σ(m) ＝0.27 （１≦ｊ≦Ｇ，ｍ＝１，
２）とすれば、上記センサー情報ｄ 1 及びｄ 2 は、数１
２式及び数１４式の演算によって、図４(a) 及び(b) に
示される成分を有する入力ｘ 1 及びｘ 2に変換される。
なお、入力ｘ k ＝（第１成分の１１個の値，第２成分の
１１個の値）（ｋ＝１，２）である。図４(a) 及び(b)
から、数１２式及び数１４式に示される演算によって、
センサー情報ｄ 1 及びｄ 2 が、相互に区別できる形式で
入力ｘ 1 及びｘ 2 に変換されることがわかる。また、こ
れらの演算は、トポロジカル・マップの各ユニットへの
入力の最大値を、ある値で抑えることができるという利
点も有している。 ＜地図表現部２０４の説明＞次に、図２の地図表現部２
０４は、センサー情報処理部２０３においてセンサー情
報ｄ k から上述のようにして得られた入力ｘ k を入力
し、トポロジカル・マップを用いて環境地図を表現す
る。ここで、トポロジカル・マップには、Ｎ（＝Ｎ（＝
Ｎ1 ×Ｎ2 ）個のユニットが格子状に配置されている
（後述する図１４参照）。
で、センサー情報ｄ 1 ＝(1.0,1.0),ｄ 2 ＝(2.0,2.0) が
得られたとする。これらの値を単純に規格化すれば（す
なわち単位ベクトルに変換すれば）、共に（２-1/2，２
-1/2）となって区別がつかなくなってしまう。そこで、
センサー情報ｄ k （ｋ＝１，２）の各成分に対して数１
２式に示されるバンド・パス・フィルタの演算が実行さ
れ、その演算結果を使用して数１４式に基づくベクトル
化及び規格化が行われる。ここで、センサー情報ｄ
k （ｋ＝１，２）の各成分に対してそれぞれＧ＝１１個
のガウシアン・フィルタが演算されるとし、この場合
に、μj (m) ＝σ(m) ＝0.27 （１≦ｊ≦Ｇ，ｍ＝１，
２）とすれば、上記センサー情報ｄ 1 及びｄ 2 は、数１
２式及び数１４式の演算によって、図４(a) 及び(b) に
示される成分を有する入力ｘ 1 及びｘ 2に変換される。
なお、入力ｘ k ＝（第１成分の１１個の値，第２成分の
１１個の値）（ｋ＝１，２）である。図４(a) 及び(b)
から、数１２式及び数１４式に示される演算によって、
センサー情報ｄ 1 及びｄ 2 が、相互に区別できる形式で
入力ｘ 1 及びｘ 2 に変換されることがわかる。また、こ
れらの演算は、トポロジカル・マップの各ユニットへの
入力の最大値を、ある値で抑えることができるという利
点も有している。 ＜地図表現部２０４の説明＞次に、図２の地図表現部２
０４は、センサー情報処理部２０３においてセンサー情
報ｄ k から上述のようにして得られた入力ｘ k を入力
し、トポロジカル・マップを用いて環境地図を表現す
る。ここで、トポロジカル・マップには、Ｎ（＝Ｎ（＝
Ｎ1 ×Ｎ2 ）個のユニットが格子状に配置されている
（後述する図１４参照）。
【００５５】地図参照モードでは、地図表現部２０４
は、移動経路に沿った位置ｋにおけるセンサー情報ｄ k
から算出された入力ｘ k （１≦ｋ≦Ｋ）を、シナプス荷
重ｗ n∈ＲM*G （数１４式参照）を介して、トポロジカ
ル・マップのそれぞれのユニットに入力する。そして、
地図表現部２０４は、トポロジカル・マップ上で、入力
ｘ k に対する参照時ウィナー・ユニットｎw r （ｘ k ）
と出力ｙn を、下記数１５式及び数１６式に基づいて算
出する。
は、移動経路に沿った位置ｋにおけるセンサー情報ｄ k
から算出された入力ｘ k （１≦ｋ≦Ｋ）を、シナプス荷
重ｗ n∈ＲM*G （数１４式参照）を介して、トポロジカ
ル・マップのそれぞれのユニットに入力する。そして、
地図表現部２０４は、トポロジカル・マップ上で、入力
ｘ k に対する参照時ウィナー・ユニットｎw r （ｘ k ）
と出力ｙn を、下記数１５式及び数１６式に基づいて算
出する。
【００５６】
【数１５】
【００５７】
【数１６】
【００５８】図５は、地図参照モードにおける図２の地
図学習装置の動作を示すフローチャートである。まず、
センサー部２０１が、現在の移動位置ｋにおけるセンサ
ー情報ｄ k を獲得する（図５の５０１）。
図学習装置の動作を示すフローチャートである。まず、
センサー部２０１が、現在の移動位置ｋにおけるセンサ
ー情報ｄ k を獲得する（図５の５０１）。
【００５９】次に、センサー情報処理部２０３が、数１
２式〜数１４式に基づいて、現在の移動位置ｋにおける
センサー情報ｄ k に対応する入力ｘ k を計算する（図５
の５０２）。
２式〜数１４式に基づいて、現在の移動位置ｋにおける
センサー情報ｄ k に対応する入力ｘ k を計算する（図５
の５０２）。
【００６０】続いて、地図表現部２０４が、数１５式及
び数１６式に基づいて、移動位置ｋにおける参照時ウィ
ナー・ユニットｎw r （ｘ k ）と出力ｙn を算出する
（図５の５０３）。なお、これらの演算は、図１３を用
いて後述するように、並列計算が可能である。
び数１６式に基づいて、移動位置ｋにおける参照時ウィ
ナー・ユニットｎw r （ｘ k ）と出力ｙn を算出する
（図５の５０３）。なお、これらの演算は、図１３を用
いて後述するように、並列計算が可能である。
【００６１】移動駆動部２０２等は、地図表現部２０４
が算出した出力ｙn に基づいて、環境内での現在の位置
を把握し、予めプログラムされた行動を実行する（マッ
プの利用：図５の５０４）。
が算出した出力ｙn に基づいて、環境内での現在の位置
を把握し、予めプログラムされた行動を実行する（マッ
プの利用：図５の５０４）。
【００６２】そして、移動駆動部２０２は、現在の位置
ｋが移動の終わり位置であるか否かを判定し（図５の５
０５）、終わり位置でないと判定した場合には、次の位
置ｋ＋１への移動制御を実行し（図５の５０５→５０６
→５０１）、終わり位置になったと判定した場合には、
移動制御を終了する。 ＜学習調節部２０５の説明＞学習調節部２０５は、地図
学習モードにおいて、センサー情報処理部２０３がセン
サー部２０１から取得するセンサー情報ｄ k に基づいて
算出した入力ｘ k を用いて、現在の位置ｋにおける学習
時ウィナー・ユニットｎw l （ｘ k ）を決定する。
ｋが移動の終わり位置であるか否かを判定し（図５の５
０５）、終わり位置でないと判定した場合には、次の位
置ｋ＋１への移動制御を実行し（図５の５０５→５０６
→５０１）、終わり位置になったと判定した場合には、
移動制御を終了する。 ＜学習調節部２０５の説明＞学習調節部２０５は、地図
学習モードにおいて、センサー情報処理部２０３がセン
サー部２０１から取得するセンサー情報ｄ k に基づいて
算出した入力ｘ k を用いて、現在の位置ｋにおける学習
時ウィナー・ユニットｎw l （ｘ k ）を決定する。
【００６３】この場合に、本発明に関連する特徴とし
て、学習調節部２０５は、下記数１７式の第２式に示さ
れるように、移動経路に沿った１つ前の位置ｋ−１にお
ける処理で算出された学習時ウィナー・ユニット候補集
合Ｃ（ｎw l （ｘ k-1 ））の範囲内のみから、現在の位
置ｋにおける学習時ウィナー・ユニットｎw l （ｘ k ）
を算出する。なお、ｋ＝１（先頭位置）の場合には、学
習調節部２０５は、数１７式の第１式に示されるよう
に、環境の全範囲から、先頭位置ｋ＝１における学習時
ウィナー・ユニットｎw l （ｘ 1 ）を算出する。
て、学習調節部２０５は、下記数１７式の第２式に示さ
れるように、移動経路に沿った１つ前の位置ｋ−１にお
ける処理で算出された学習時ウィナー・ユニット候補集
合Ｃ（ｎw l （ｘ k-1 ））の範囲内のみから、現在の位
置ｋにおける学習時ウィナー・ユニットｎw l （ｘ k ）
を算出する。なお、ｋ＝１（先頭位置）の場合には、学
習調節部２０５は、数１７式の第１式に示されるよう
に、環境の全範囲から、先頭位置ｋ＝１における学習時
ウィナー・ユニットｎw l （ｘ 1 ）を算出する。
【００６４】
【数１７】
【００６５】この学習時ウィナー・ユニット候補集合Ｃ
（ｎw l （ｘ k-1 ））は、数１８式〜数２６式を用いて
後述するように、１つ前の位置ｋ−１における処理で算
出された学習時ウィナー・ユニットｎw l （ｘ k-1 ）に
対して特定の範囲に存在するユニットの集合、或いは、
１つ前の位置ｋ−１における処理で算出された学習時ウ
ィナー・ユニットｎw l （ｘ k-1 ）に対して特定の範囲
であって、かつ学習調節部２０５がセンサー情報処理部
２０３を介して移動駆動部２０２から取得する運動情報
（移動方向等）に基づいて決定される特定の範囲に存在
するユニットの集合である。
（ｎw l （ｘ k-1 ））は、数１８式〜数２６式を用いて
後述するように、１つ前の位置ｋ−１における処理で算
出された学習時ウィナー・ユニットｎw l （ｘ k-1 ）に
対して特定の範囲に存在するユニットの集合、或いは、
１つ前の位置ｋ−１における処理で算出された学習時ウ
ィナー・ユニットｎw l （ｘ k-1 ）に対して特定の範囲
であって、かつ学習調節部２０５がセンサー情報処理部
２０３を介して移動駆動部２０２から取得する運動情報
（移動方向等）に基づいて決定される特定の範囲に存在
するユニットの集合である。
【００６６】「従来の技術」の項で説明したように、入
力ｘ k （センサー情報ｄ k ）は、移動体の移動経路に沿
って与えられるにもかかわらず、従来の学習則では、移
動経路に沿った現在の位置ｋにおける学習時ウィナー・
ユニットｎw l （ｘ k ）は、１つ前の位置ｋ−１におけ
る処理において算出された学習時ウィナー・ユニットｎ
w l （ｘ k-1 ）の位置とは無関係に算出されていた。
力ｘ k （センサー情報ｄ k ）は、移動体の移動経路に沿
って与えられるにもかかわらず、従来の学習則では、移
動経路に沿った現在の位置ｋにおける学習時ウィナー・
ユニットｎw l （ｘ k ）は、１つ前の位置ｋ−１におけ
る処理において算出された学習時ウィナー・ユニットｎ
w l （ｘ k-1 ）の位置とは無関係に算出されていた。
【００６７】これに対して、本実施の形態では、現在の
位置ｋにおける学習時ウィナー・ユニットｎ
w l （ｘ k ）は、上述したように、移動体の移動経路に
よる制約を受けて決定されるため、学習が効率的かつ正
確に行われるという、大きな特徴を有するのである。
位置ｋにおける学習時ウィナー・ユニットｎ
w l （ｘ k ）は、上述したように、移動体の移動経路に
よる制約を受けて決定されるため、学習が効率的かつ正
確に行われるという、大きな特徴を有するのである。
【００６８】学習調節部２０５は、上述したようにして
現在の位置ｋにおける学習時ウィナー・ユニットｎw l
（ｘ k ）を決定した後、そのユニットの周辺においてシ
ナプス荷重の修正が行われるべき学習対象ユニット集合
Ｌ（ｎw l （ｘ k ））を決定し、その集合を学習実行部
２０６に伝達する。
現在の位置ｋにおける学習時ウィナー・ユニットｎw l
（ｘ k ）を決定した後、そのユニットの周辺においてシ
ナプス荷重の修正が行われるべき学習対象ユニット集合
Ｌ（ｎw l （ｘ k ））を決定し、その集合を学習実行部
２０６に伝達する。
【００６９】これと共に、学習調節部２０５は、学習時
ウィナー・ユニットｎw l （ｘ k ）に対して特定の範囲
に存在するユニットの集合、或いは、学習時ウィナー・
ユニットｎw l （ｘ k-1 ）に対して特定の範囲であっ
て、かつ学習調節部２０５がセンサー情報処理部２０３
を介して移動駆動部２０２から取得する運動情報（移動
方向等）に基づいて決定される特定の範囲に存在するユ
ニットの集合として、学習時ウィナー・ユニット候補集
合Ｃ（ｎw l （ｘ k ））を算出する。これは、前述した
ように、移動経路に沿った次の位置での処理において、
学習時ウィナー・ユニット候補集合Ｃ（ｎ
w l （ｘ k-1 ））として参照されることになる。
ウィナー・ユニットｎw l （ｘ k ）に対して特定の範囲
に存在するユニットの集合、或いは、学習時ウィナー・
ユニットｎw l （ｘ k-1 ）に対して特定の範囲であっ
て、かつ学習調節部２０５がセンサー情報処理部２０３
を介して移動駆動部２０２から取得する運動情報（移動
方向等）に基づいて決定される特定の範囲に存在するユ
ニットの集合として、学習時ウィナー・ユニット候補集
合Ｃ（ｎw l （ｘ k ））を算出する。これは、前述した
ように、移動経路に沿った次の位置での処理において、
学習時ウィナー・ユニット候補集合Ｃ（ｎ
w l （ｘ k-1 ））として参照されることになる。
【００７０】以下に、学習時ウィナー・ユニット候補集
合Ｃ（ｎw l （ｘ k-1 ））と、学習対象ユニット集合Ｌ
（ｎw l （ｘ k ））の具体的な設定例を示す。なお、表
示の簡単のため、学習時ウィナー・ユニットｎw l （ｘ
k ）はｎw と略す。従って、Ｃ（ｎw l （ｘ k-1 ））は
Ｃ（ｎw ）と略され、また、Ｌ（ｎw l （ｘ k ））はＬ
（ｎw ）と略される。また、＜用語と記号の説明＞にお
いて前述したように、（ｉn ，ｊn ）は番号ｎのユニッ
トのトポロジカル・マップ上での位置を示し、（ｉnw，
ｊnw）は番号ｎの学習時ウィナー・ユニットｎw のトポ
ロジカル・マップ上での位置を示す。設定例１ 下記数１８式に示されるように、Ｃ（ｎw ），Ｌ
（ｎw ）は共に、図６に示される位置（ｉnw，ｊnw）に
存在する学習時ウィナー・ユニットｎw 自身と、それに
隣接する８個のユニットの、計９個のユニットの集合と
して設定される。
合Ｃ（ｎw l （ｘ k-1 ））と、学習対象ユニット集合Ｌ
（ｎw l （ｘ k ））の具体的な設定例を示す。なお、表
示の簡単のため、学習時ウィナー・ユニットｎw l （ｘ
k ）はｎw と略す。従って、Ｃ（ｎw l （ｘ k-1 ））は
Ｃ（ｎw ）と略され、また、Ｌ（ｎw l （ｘ k ））はＬ
（ｎw ）と略される。また、＜用語と記号の説明＞にお
いて前述したように、（ｉn ，ｊn ）は番号ｎのユニッ
トのトポロジカル・マップ上での位置を示し、（ｉnw，
ｊnw）は番号ｎの学習時ウィナー・ユニットｎw のトポ
ロジカル・マップ上での位置を示す。設定例１ 下記数１８式に示されるように、Ｃ（ｎw ），Ｌ
（ｎw ）は共に、図６に示される位置（ｉnw，ｊnw）に
存在する学習時ウィナー・ユニットｎw 自身と、それに
隣接する８個のユニットの、計９個のユニットの集合と
して設定される。
【００７１】
【数１８】
【００７２】設定例２ 下記数１９式に示されるように、Ｃ（ｎw ）は、図７に
示される位置（ｉnw，ｊnw）に存在する学習時ウィナー
・ユニットｎw 自身と、その上下左右に位置する４個の
ユニットの、計５個のユニットの集合として設定され、
Ｌ（ｎw ）は、図６に示されるユニットの集合として設
定される。
示される位置（ｉnw，ｊnw）に存在する学習時ウィナー
・ユニットｎw 自身と、その上下左右に位置する４個の
ユニットの、計５個のユニットの集合として設定され、
Ｌ（ｎw ）は、図６に示されるユニットの集合として設
定される。
【００７３】
【数１９】
【００７４】設定例３ 下記数２０式に示されるように、Ｃ（ｎw ），Ｌ
（ｎw ）は共に、図７に示される位置（ｉnw，ｊnw）に
存在する学習時ウィナー・ユニットｎw 自身と、その上
下左右に位置する４個のユニットの、計５個のユニット
の集合として設定される。
（ｎw ）は共に、図７に示される位置（ｉnw，ｊnw）に
存在する学習時ウィナー・ユニットｎw 自身と、その上
下左右に位置する４個のユニットの、計５個のユニット
の集合として設定される。
【００７５】
【数２０】
【００７６】設定例４ 上記設定例１〜３では、Ｃ（ｎw ），Ｌ（ｎw ）は、移
動経路に沿った１つ前の位置における処理で算出された
学習時ウィナー・ユニットｎw のみから、それぞれの範
囲が決定されている。
動経路に沿った１つ前の位置における処理で算出された
学習時ウィナー・ユニットｎw のみから、それぞれの範
囲が決定されている。
【００７７】これに加えて、設定例４では、移動体の移
動方向も考慮して、Ｃ（ｎw ）及びＬ（ｎw ）の範囲が
設定される。まず、移動体の移動方向が、９０°間隔
で、図８(a) 及び数２１式に示される４方向に分類され
る。学習調節部２０５は、この移動方向情報（運動情
報）を、センサー情報処理部２０３を介して移動駆動部
２０２から受け取る。
動方向も考慮して、Ｃ（ｎw ）及びＬ（ｎw ）の範囲が
設定される。まず、移動体の移動方向が、９０°間隔
で、図８(a) 及び数２１式に示される４方向に分類され
る。学習調節部２０５は、この移動方向情報（運動情
報）を、センサー情報処理部２０３を介して移動駆動部
２０２から受け取る。
【００７８】
【数２１】
【００７９】そして、下記数２２式に示されるように、
移動方向に応じて、Ｃ（ｎw ）は、位置（ｉnw，ｊnw）
（図９(a) 〜(d) の黒丸）に存在する学習時ウィナー・
ユニットｎw を中心として、図９(a) 〜(d) に示される
ユニットの集合として設定される。
移動方向に応じて、Ｃ（ｎw ）は、位置（ｉnw，ｊnw）
（図９(a) 〜(d) の黒丸）に存在する学習時ウィナー・
ユニットｎw を中心として、図９(a) 〜(d) に示される
ユニットの集合として設定される。
【００８０】
【数２２】
【００８１】また、Ｌ（ｎw ）は、数２３式に示される
ように、Ｃ（ｎw ）と同じに設定されるか、或いは、数
２４式に示されるように、図６に示されるユニットの集
合として設定される。
ように、Ｃ（ｎw ）と同じに設定されるか、或いは、数
２４式に示されるように、図６に示されるユニットの集
合として設定される。
【００８２】
【数２３】
【００８３】
【数２４】
【００８４】設定例５ 設定例５では、まず、移動体の移動方向が、９０°間隔
で、図８(b) 及び数２５式に示される４方向に分類され
る。
で、図８(b) 及び数２５式に示される４方向に分類され
る。
【００８５】
【数２５】
【００８６】そして、下記数２６式に示されるように、
移動方向に応じて、Ｃ（ｎw ）は、位置（ｉnw，ｊnw）
（図１０(a) 〜(d) の黒丸）に存在する学習時ウィナー
・ユニットｎw を中心として、図１０(a) 〜(d) に示さ
れるユニットの集合として設定される。
移動方向に応じて、Ｃ（ｎw ）は、位置（ｉnw，ｊnw）
（図１０(a) 〜(d) の黒丸）に存在する学習時ウィナー
・ユニットｎw を中心として、図１０(a) 〜(d) に示さ
れるユニットの集合として設定される。
【００８７】
【数２６】
【００８８】また、Ｌ（ｎw ）は、設定例４の場合と同
様に、数２３式に示されるように、Ｃ（ｎw ）と同じに
設定されるか、或いは、数２４式に示されるように、図
６に示されるユニットの集合として設定される。 ＜学習実行部２０６の説明＞次に、図２に示される学習
実行部２０６は、地図学習モードにおいて、上述の学習
調節部２０５から移動経路に沿った現在の位置ｋにおけ
る学習対象ユニット集合Ｌ（ｎw l （ｘ k ））を受け
て、下記数２７式に従って、シナプス荷重ｗ iの変化分
Δｗ i を計算する。
様に、数２３式に示されるように、Ｃ（ｎw ）と同じに
設定されるか、或いは、数２４式に示されるように、図
６に示されるユニットの集合として設定される。 ＜学習実行部２０６の説明＞次に、図２に示される学習
実行部２０６は、地図学習モードにおいて、上述の学習
調節部２０５から移動経路に沿った現在の位置ｋにおけ
る学習対象ユニット集合Ｌ（ｎw l （ｘ k ））を受け
て、下記数２７式に従って、シナプス荷重ｗ iの変化分
Δｗ i を計算する。
【００８９】
【数２７】
【００９０】ここで、ηは、数１１式の場合と同様であ
る。これにより、学習対象ユニット集合Ｌ（ｎw l （ｘ
k ））に属するユニットのシナプス荷重ｗ i のみが学習
によって修正され、その他のユニットのシナプス荷重ｗ
i は変化させられない。
る。これにより、学習対象ユニット集合Ｌ（ｎw l （ｘ
k ））に属するユニットのシナプス荷重ｗ i のみが学習
によって修正され、その他のユニットのシナプス荷重ｗ
i は変化させられない。
【００９１】その後、数２７式によって計算された変化
分Δｗ i を用いて、下記数２８式に基づいて、シナプス
荷重ｗ i が更新される。ここで、数２８式の右辺の分母
は、シナプス荷重ｗ i のノルムが１となるように規格化
を行うための項である。
分Δｗ i を用いて、下記数２８式に基づいて、シナプス
荷重ｗ i が更新される。ここで、数２８式の右辺の分母
は、シナプス荷重ｗ i のノルムが１となるように規格化
を行うための項である。
【００９２】
【数２８】
【００９３】＜地図学習モード時の全体動作の説明＞図
１１は、地図参照モードにおける図２の地図学習装置の
動作を示すフローチャートである。
１１は、地図参照モードにおける図２の地図学習装置の
動作を示すフローチャートである。
【００９４】まず、センサー部２０１が、現在の移動位
置ｋにおけるセンサー情報ｄ k を獲得する（図１１の１
１０１）。次に、センサー情報処理部２０３が、数１２
式〜数１４式に基づいて、現在の移動位置ｋにおけるセ
ンサー情報ｄ k に対応する入力ｘ k を計算する（図１１
の１１０２）。
置ｋにおけるセンサー情報ｄ k を獲得する（図１１の１
１０１）。次に、センサー情報処理部２０３が、数１２
式〜数１４式に基づいて、現在の移動位置ｋにおけるセ
ンサー情報ｄ k に対応する入力ｘ k を計算する（図１１
の１１０２）。
【００９５】次に、学習調節部２０５が、移動経路に沿
った１つ前の位置ｋ−１での処理で算出している学習時
ウィナー・ユニット候補集合Ｃ（ｎw l （ｘ k-1 ））の
範囲内において、各ユニットの出力ｗ i ・ｘ k ，ｉ∈Ｃ
（ｎw l （ｘ k-1 ））を計算する（図１１の１１０
３）。
った１つ前の位置ｋ−１での処理で算出している学習時
ウィナー・ユニット候補集合Ｃ（ｎw l （ｘ k-1 ））の
範囲内において、各ユニットの出力ｗ i ・ｘ k ，ｉ∈Ｃ
（ｎw l （ｘ k-1 ））を計算する（図１１の１１０
３）。
【００９６】続いて、学習調節部２０５が、ステップ１
１０３で計算した出力から、数１７式に基づいて、移動
経路に沿った現在の位置ｋにおける学習時ウィナー・ユ
ニットｎw l （ｘ k ）を決定する（図１１の１１０
４）。
１０３で計算した出力から、数１７式に基づいて、移動
経路に沿った現在の位置ｋにおける学習時ウィナー・ユ
ニットｎw l （ｘ k ）を決定する（図１１の１１０
４）。
【００９７】更に、学習調節部２０５が、数１８式〜数
２６式に基づいて、現在の位置ｋにおける学習対象ユニ
ット集合Ｌ（ｎw l （ｘk ））と、次の位置のための学
習時ウィナー・ユニット候補集合Ｃ（ｎw l （ｘ k ））
を決定する（図１１の１１０５）。このようにして決定
されたＬ（ｎw l （ｘ k ））は、学習実行部２０６に伝
達される。また、Ｃ（ｎw l （ｘ k ））は、移動経路に
沿った次の位置での学習調節部２０５による処理（図１
１の１１０３）において、学習時ウィナー・ユニット候
補集合Ｃ（ｎw l （ｘ k-1 ））として参照される。
２６式に基づいて、現在の位置ｋにおける学習対象ユニ
ット集合Ｌ（ｎw l （ｘk ））と、次の位置のための学
習時ウィナー・ユニット候補集合Ｃ（ｎw l （ｘ k ））
を決定する（図１１の１１０５）。このようにして決定
されたＬ（ｎw l （ｘ k ））は、学習実行部２０６に伝
達される。また、Ｃ（ｎw l （ｘ k ））は、移動経路に
沿った次の位置での学習調節部２０５による処理（図１
１の１１０３）において、学習時ウィナー・ユニット候
補集合Ｃ（ｎw l （ｘ k-1 ））として参照される。
【００９８】次に、学習実行部２０６が、数２７式及び
数２８式に基づいて、学習調節部２０５から伝達された
学習対象ユニット集合Ｌ（ｎw l （ｘ k ））に属するユ
ニットのシナプス荷重ｗ i に対して、学習処理を実行す
る（図１１の１１０６）。
数２８式に基づいて、学習調節部２０５から伝達された
学習対象ユニット集合Ｌ（ｎw l （ｘ k ））に属するユ
ニットのシナプス荷重ｗ i に対して、学習処理を実行す
る（図１１の１１０６）。
【００９９】そして、移動駆動部２０２は、現在の位置
ｋが移動の終わり位置であるか否かを判定し（図１１の
１１０７）、終わり位置でないと判定した場合には、次
の位置ｋ＋１への移動制御を実行し（図１１の１１０７
→１１０８→１１０１）、終わり位置になったと判定し
た場合には、移動制御及び地図学習モードの処理を終了
する。
ｋが移動の終わり位置であるか否かを判定し（図１１の
１１０７）、終わり位置でないと判定した場合には、次
の位置ｋ＋１への移動制御を実行し（図１１の１１０７
→１１０８→１１０１）、終わり位置になったと判定し
た場合には、移動制御及び地図学習モードの処理を終了
する。
【０１００】以上の地図学習モードの処理が終了した後
に、＜地図表現部２０４の説明＞の項で説明した図５の
動作フローチャートで示される地図参照モードの処理が
実行されると、図１２に示されるように、現実の環境内
の移動体の各位置ｋ間の関係が、地図表現部２０４内の
トポロジカル・マップにおいて計算される各参照時ウィ
ナー・ユニットｎw r （ｘ k ）間の位置関係と、良く一
致するようになる。 ＜ハードウエア構成例の説明＞図１３は、図２に示され
る本実施の形態における地図学習装置がハードウエアに
よって構成される場合の、構成例を示す図である。
に、＜地図表現部２０４の説明＞の項で説明した図５の
動作フローチャートで示される地図参照モードの処理が
実行されると、図１２に示されるように、現実の環境内
の移動体の各位置ｋ間の関係が、地図表現部２０４内の
トポロジカル・マップにおいて計算される各参照時ウィ
ナー・ユニットｎw r （ｘ k ）間の位置関係と、良く一
致するようになる。 ＜ハードウエア構成例の説明＞図１３は、図２に示され
る本実施の形態における地図学習装置がハードウエアに
よって構成される場合の、構成例を示す図である。
【０１０１】図１３において、入力部１３０１は図２の
センサー部２０１及びセンサー情報処理部２０３に対応
し、並列計算ユニット１３０２は図２の地図表現部２０
４に対応し、地図学習の制御部１３０３は図２の学習調
節部２０５及び学習実行部２０６に対応し、出力部１３
０４は図２の移動駆動部２０２の一部の機能に対応す
る。また、表示部１３０５は、並列計算ユニット１３０
２の出力に基づいて地図を表示する。そして、入力部１
３０１、並列計算ユニット１３０２、地図学習の制御部
１３０３、出力部１３０４、及び表示部１３０５は、バ
ス１３０６によって相互に接続される。
センサー部２０１及びセンサー情報処理部２０３に対応
し、並列計算ユニット１３０２は図２の地図表現部２０
４に対応し、地図学習の制御部１３０３は図２の学習調
節部２０５及び学習実行部２０６に対応し、出力部１３
０４は図２の移動駆動部２０２の一部の機能に対応す
る。また、表示部１３０５は、並列計算ユニット１３０
２の出力に基づいて地図を表示する。そして、入力部１
３０１、並列計算ユニット１３０２、地図学習の制御部
１３０３、出力部１３０４、及び表示部１３０５は、バ
ス１３０６によって相互に接続される。
【０１０２】図１３の特徴は、並列計算ユニット１３０
２が、トポロジカル・マップの各ユニットに対応して並
列に構成され、図５のステップ５０３、図１１のステッ
プ１１０３、図１１のステップ１１０６として示される
トポロジカル・マップの各ユニットに依存する計算を並
列に計算できる点である。これにより、地図参照モード
及び地図学習モードでの各処理を、高速に実行すること
が可能となる。 ＜シミュレーション実験の結果の説明＞以上の本実施の
形態の有効性を示すために、計算機シミュレーション実
験を行った。まず、以下に、実験条件を示す。
２が、トポロジカル・マップの各ユニットに対応して並
列に構成され、図５のステップ５０３、図１１のステッ
プ１１０３、図１１のステップ１１０６として示される
トポロジカル・マップの各ユニットに依存する計算を並
列に計算できる点である。これにより、地図参照モード
及び地図学習モードでの各処理を、高速に実行すること
が可能となる。 ＜シミュレーション実験の結果の説明＞以上の本実施の
形態の有効性を示すために、計算機シミュレーション実
験を行った。まず、以下に、実験条件を示す。
【０１０３】・トポロジカル・マップのユニット数：Ｎ
＝４９（＝７×７）。それぞれのユニットには、図１４
に示される番号が付加される。 ・図３に示される円形環境の半径：Ｒ＝1.0 m 。
＝４９（＝７×７）。それぞれのユニットには、図１４
に示される番号が付加される。 ・図３に示される円形環境の半径：Ｒ＝1.0 m 。
【０１０４】・図３に示される円形環境の中心位置（座
標）：原点(0,0) 。 ・ランドマークの数：Ｍ＝３。 ・ランドマークの位置（座標）：(1.0,0),(0,1.0),(-2/
3,-2/3) 。
標）：原点(0,0) 。 ・ランドマークの数：Ｍ＝３。 ・ランドマークの位置（座標）：(1.0,0),(0,1.0),(-2/
3,-2/3) 。
【０１０５】・ランドマークからの各距離ｄk (m) （１
≦ｋ≦２００，１≦ｍ≦３）に対するガウシアン・フィ
ルタの個数：Ｇ＝１１。 ・ランドマークの距離の最大、最小：(max,min)=(2.0,
0) 。
≦ｋ≦２００，１≦ｍ≦３）に対するガウシアン・フィ
ルタの個数：Ｇ＝１１。 ・ランドマークの距離の最大、最小：(max,min)=(2.0,
0) 。
【０１０６】・移動経路に沿った学習位置の総数：0.2
m 間隔の200 点。 ・移動経路：移動体は、図１５に示されるように、原点
(0,0) から移動を開始し、ほぼランダムに環境内を動き
回る。
m 間隔の200 点。 ・移動経路：移動体は、図１５に示されるように、原点
(0,0) から移動を開始し、ほぼランダムに環境内を動き
回る。
【０１０７】・学習前のシナプス荷重ｗ i ：ランダムに
設定されるが、規格されている。 以下の説明では、まず、数１０式及び数１１式に基づく
従来のトポロジカル・マップの学習則が採用された場合
のシミュレーション結果を示し、次に、数１７式、数２
７式、及び数２８式に基づく本実施の形態によるトポロ
ジカル・マップの学習則が採用された場合のシミュレー
ション結果を示す。
設定されるが、規格されている。 以下の説明では、まず、数１０式及び数１１式に基づく
従来のトポロジカル・マップの学習則が採用された場合
のシミュレーション結果を示し、次に、数１７式、数２
７式、及び数２８式に基づく本実施の形態によるトポロ
ジカル・マップの学習則が採用された場合のシミュレー
ション結果を示す。
【０１０８】（１）学習前の状態 図１６は、学習前の地図（トポロジカル・マップ）の様
子を示した図である。この図は、移動ロボットが円形環
境内の0.1 m 間隔の格子上の位置(0.1x,0.1y)に存在す
ると仮定して、その位置で計測されるセンサー情報ｄ k
が入力ｘ k に変換された上でトポロジカル・マップに入
力された場合の参照時ウィナー・ユニットｎ
w r （ｘ k ）の番号を、上記位置上に表記したものであ
る。
子を示した図である。この図は、移動ロボットが円形環
境内の0.1 m 間隔の格子上の位置(0.1x,0.1y)に存在す
ると仮定して、その位置で計測されるセンサー情報ｄ k
が入力ｘ k に変換された上でトポロジカル・マップに入
力された場合の参照時ウィナー・ユニットｎ
w r （ｘ k ）の番号を、上記位置上に表記したものであ
る。
【０１０９】図１６からわかるように、学習前のトポロ
ジカル・マップのシナプス荷重ｗ iはランダムであるた
め、図１４に示されるように配置されているユニットの
位置関係と、移動ロボットの図１５に示される座標内で
の位置関係は、全く無関係になっている。
ジカル・マップのシナプス荷重ｗ iはランダムであるた
め、図１４に示されるように配置されているユニットの
位置関係と、移動ロボットの図１５に示される座標内で
の位置関係は、全く無関係になっている。
【０１１０】（２）従来の学習則が採用された場合 図１７は、数１０式及び数１１式に基づく従来のトポロ
ジカル・マップの学習則に従って、２０００回の学習が
行われた後の地図（トポロジカル・マップ）の様子を示
した図である。図１７では、図１４に示されるように配
置されているユニットの位置関係と、移動ロボットの図
１５に示される座標内での位置関係は、相対的な位置関
係において部分的には一致しているものの、ねじれが起
きている部分もあり、全体としては正しい地図が得られ
ていないことがわかる。
ジカル・マップの学習則に従って、２０００回の学習が
行われた後の地図（トポロジカル・マップ）の様子を示
した図である。図１７では、図１４に示されるように配
置されているユニットの位置関係と、移動ロボットの図
１５に示される座標内での位置関係は、相対的な位置関
係において部分的には一致しているものの、ねじれが起
きている部分もあり、全体としては正しい地図が得られ
ていないことがわかる。
【０１１１】（３）本実施の形態による学習則が採用さ
れた場合 図１８は、数１７式、数２７式、及び数２８式に基づく
本実施の形態によるトポロジカル・マップの学習則に従
い、かつ、Ｃ（ｎw ）及びＬ（ｎw ）が、数２２式，数
２４式、及び図８(a) ，図９(a) 〜(d) に示されるよう
に設定された場合において、２０００回の学習が行われ
た後の地図（トポロジカル・マップ）の様子を示した図
である。図１８からわかるように、図１４に示されるよ
うに配置されているユニットの位置関係と、移動ロボッ
トの図１５に示される座標内での位置関係は、非常に良
く一致しており、センサー情報ｄ k から地図が正確に作
成されたことがわかる。
れた場合 図１８は、数１７式、数２７式、及び数２８式に基づく
本実施の形態によるトポロジカル・マップの学習則に従
い、かつ、Ｃ（ｎw ）及びＬ（ｎw ）が、数２２式，数
２４式、及び図８(a) ，図９(a) 〜(d) に示されるよう
に設定された場合において、２０００回の学習が行われ
た後の地図（トポロジカル・マップ）の様子を示した図
である。図１８からわかるように、図１４に示されるよ
うに配置されているユニットの位置関係と、移動ロボッ
トの図１５に示される座標内での位置関係は、非常に良
く一致しており、センサー情報ｄ k から地図が正確に作
成されたことがわかる。
【０１１２】なお、本シミュレーションでは、図３に示
される円形の環境が図１４に示される方形のトポロジカ
ル・マップに写像されているが、両者の形状を一致させ
ることにより、更に正確な地図を作成することが可能で
ある。 ＜他の実施の形態の説明＞以上説明した実施の形態にお
いては、地図学習モードにおいて、移動経路に沿った１
つ前の位置ｋ−１における処理によって得られる学習時
ウィナー・ユニットｎw l （ｘ k-1 ）に基づいて、現在
の位置ｋにおける学習時ウィナー・ユニットｎw l （ｘ
k ）の範囲が限定されているが、１つ以上前の複数の位
置における結果に基づいてその範囲が限定されてもよ
い。
される円形の環境が図１４に示される方形のトポロジカ
ル・マップに写像されているが、両者の形状を一致させ
ることにより、更に正確な地図を作成することが可能で
ある。 ＜他の実施の形態の説明＞以上説明した実施の形態にお
いては、地図学習モードにおいて、移動経路に沿った１
つ前の位置ｋ−１における処理によって得られる学習時
ウィナー・ユニットｎw l （ｘ k-1 ）に基づいて、現在
の位置ｋにおける学習時ウィナー・ユニットｎw l （ｘ
k ）の範囲が限定されているが、１つ以上前の複数の位
置における結果に基づいてその範囲が限定されてもよ
い。
【０１１３】また、上述の実施の形態においては、移動
方向に基づいて、現在の位置ｋにおける学習時ウィナー
・ユニットｎw l （ｘ k ）の範囲が限定される例も示さ
れているが、そのほかにも、移動速度をはじめとする種
々の運動情報に基づいてその範囲が限定されてもよい。
方向に基づいて、現在の位置ｋにおける学習時ウィナー
・ユニットｎw l （ｘ k ）の範囲が限定される例も示さ
れているが、そのほかにも、移動速度をはじめとする種
々の運動情報に基づいてその範囲が限定されてもよい。
【０１１４】更に、上述の実施の形態においては、地図
学習モードにおける学習時ウィナー・ユニットｎ
w l （ｘ k ）の範囲のみでなく、地図参照モードにおけ
る参照時ウィナー・ユニットｎw r （ｘ k ）の範囲も、
移動経路に関連する情報に基づいて限定されてもよい。
学習モードにおける学習時ウィナー・ユニットｎ
w l （ｘ k ）の範囲のみでなく、地図参照モードにおけ
る参照時ウィナー・ユニットｎw r （ｘ k ）の範囲も、
移動経路に関連する情報に基づいて限定されてもよい。
【０１１５】加えて、本実施の形態では、トポロジカル
・マップが移動体の地図の用途で使用された場合におけ
る学習則を例として開示しているが、本発明はこれに限
られるものではなく、入力の分類、運動制御、音声認
識、ベクトル量子化、組合せ最適化問題などの、多方面
へのトポロジカル・マップの応用分野において、学習時
ウィナー・ユニット又は参照時ウィナー・ユニットを、
パターンの変化の連続性を示す情報に基づいて限定する
ことにより、学習処理及び参照処理の効率及び精度を飛
躍的に向上させることができる。
・マップが移動体の地図の用途で使用された場合におけ
る学習則を例として開示しているが、本発明はこれに限
られるものではなく、入力の分類、運動制御、音声認
識、ベクトル量子化、組合せ最適化問題などの、多方面
へのトポロジカル・マップの応用分野において、学習時
ウィナー・ユニット又は参照時ウィナー・ユニットを、
パターンの変化の連続性を示す情報に基づいて限定する
ことにより、学習処理及び参照処理の効率及び精度を飛
躍的に向上させることができる。
【０１１６】
【発明の効果】本発明によれば、学習モード又は参照モ
ードにおいて、トポロジカル・マップ上でウィナー・ユ
ニットが演算される場合に、予めその演算範囲をウィナ
ー・ユニット候補集合として限定しておくことにより、
効率的かつ精度の高いウィナー・ユニットの演算が可能
となる。
ードにおいて、トポロジカル・マップ上でウィナー・ユ
ニットが演算される場合に、予めその演算範囲をウィナ
ー・ユニット候補集合として限定しておくことにより、
効率的かつ精度の高いウィナー・ユニットの演算が可能
となる。
【０１１７】また、本発明において、ウィナー・ユニッ
ト候補集合が、現在の入力タイミングに近接する過去
（例えば１つ前）の入力タイミングにおいて算出された
ウィナー・ユニットに基づいて、或いは、そのウィナー
・ユニットと、入力ベクトル変化方向算出手段が算出し
た現在の入力タイミングにおける入力ベクトルの変化方
向とに基づいて決定されることにより、入力ベクトルの
変化状態をウィナー・ユニットの算出処理に反映させる
ことができ、入力ベクトルの性質に応じた効率的かつ精
度の高いウィナー・ユニットの算出が可能となる。
ト候補集合が、現在の入力タイミングに近接する過去
（例えば１つ前）の入力タイミングにおいて算出された
ウィナー・ユニットに基づいて、或いは、そのウィナー
・ユニットと、入力ベクトル変化方向算出手段が算出し
た現在の入力タイミングにおける入力ベクトルの変化方
向とに基づいて決定されることにより、入力ベクトルの
変化状態をウィナー・ユニットの算出処理に反映させる
ことができ、入力ベクトルの性質に応じた効率的かつ精
度の高いウィナー・ユニットの算出が可能となる。
【０１１８】また、本発明が、トポロジカル・マップの
学習モードに対して適用され、かつ環境内での移動体の
移動経路をナビゲートするための地図として使用される
場合に、移動体の移動経路及び移動方向に関する情報
が、ウィナー・ユニット候補集合に反映されるため、学
習時のウィナー・ユニットを移動体の移動経路及び移動
方向による制約のもとで決定することができ、学習を効
率的かつ正確に行うことが可能となる。
学習モードに対して適用され、かつ環境内での移動体の
移動経路をナビゲートするための地図として使用される
場合に、移動体の移動経路及び移動方向に関する情報
が、ウィナー・ユニット候補集合に反映されるため、学
習時のウィナー・ユニットを移動体の移動経路及び移動
方向による制約のもとで決定することができ、学習を効
率的かつ正確に行うことが可能となる。
【０１１９】更に、本発明が、トポロジカル・マップの
学習モードに対して適用される場合に、移動体の移動経
路及び移動方向に関する情報を、シナプス荷重ベクトル
を更新すべき学習対象ユニット集合の決定に反映させる
ことができ、やはり学習を効率的かつ正確に行うことが
可能となる。
学習モードに対して適用される場合に、移動体の移動経
路及び移動方向に関する情報を、シナプス荷重ベクトル
を更新すべき学習対象ユニット集合の決定に反映させる
ことができ、やはり学習を効率的かつ正確に行うことが
可能となる。
【０１２０】加えて、本発明が、トポロジカル・マップ
の参照モードに対して適用され、かつ環境内での移動体
の移動経路をナビゲートするための地図として使用され
る場合に、移動体の移動経路及び移動方向に関する情報
が、ウィナー・ユニット候補集合に反映されるため、参
照時のウィナー・ユニットを移動体の移動経路及び移動
方向による制約のもとで決定することができ、参照を効
率的かつ正確に行うことが可能となる。
の参照モードに対して適用され、かつ環境内での移動体
の移動経路をナビゲートするための地図として使用され
る場合に、移動体の移動経路及び移動方向に関する情報
が、ウィナー・ユニット候補集合に反映されるため、参
照時のウィナー・ユニットを移動体の移動経路及び移動
方向による制約のもとで決定することができ、参照を効
率的かつ正確に行うことが可能となる。
【図１】本発明のブロック図である。
【図２】本実施の形態における地図学習装置の構成図で
ある。
ある。
【図３】移動ロボットと円形環境を示す図である。
【図４】センサー情報処理部の説明図である。
【図５】地図参照モードでの動作フローチャートであ
る。
る。
【図６】Ｃ（ｎw ），Ｌ（ｎw ）の設定例１，２を示す
図である。
図である。
【図７】Ｃ（ｎw ），Ｌ（ｎw ）の設定例２を示す図で
ある。
ある。
【図８】移動方向の分類を示す図である。
【図９】Ｃ（ｎw ），Ｌ（ｎw ）の設定例４を示す図で
ある。
ある。
【図１０】Ｃ（ｎw ），Ｌ（ｎw ）の設定例５を示す図
である。
である。
【図１１】地図学習モードでの動作フローチャートであ
る。
る。
【図１２】学習後の地図（トポロジカル・マップ）の説
明図である。
明図である。
【図１３】本実施の形態のハードウエア構成例を示す図
である。
である。
【図１４】ユニットの番号を示す図である。
【図１５】移動ロボットの移動経路を示す図である。
【図１６】学習前の地図（ウィナー・ユニットの配置）
を示す図である。
を示す図である。
【図１７】従来の学習則で学習が行われた後の地図（ウ
ィナー・ユニットの配置）を示す図である。
ィナー・ユニットの配置）を示す図である。
【図１８】本実施の形態における学習則で学習が行われ
た後の地図（ウィナー・ユニットの配置）を示す図（設
定例４を使ってＣ，Ｌを決定した場合）である。
た後の地図（ウィナー・ユニットの配置）を示す図（設
定例４を使ってＣ，Ｌを決定した場合）である。
【図１９】トポロジカル・マップの構成図である。
１０１ トポロジカル・マップ １０２ ウィナー・ユニット候補集合算出手段 １０３ ウィナー・ユニット算出手段 １０４ 入力ベクトル変化方向算出手段 ２０１ センサー部 ２０２ 移動駆動部 ２０３ センサー情報処理部 ２０４ 地図表現部 ２０５ 学習調節部 ２０６ 学習実行部 １３０１ 入力部 １３０２ 並列計算ユニット １３０３ 地図学習の制御部 １３０４ 出力部 １３０５ 表示部 １３０６ バス ｎ（１≦ｎ≦Ｎ） トポロジカル・マップを構成す
るＮ（＝Ｎ1 ×Ｎ2 ）個のユニットの番号。 ｋ（１≦ｋ≦Ｋ） 移動経路に沿った学習位置の番
号。ｄ k 位置ｋにおいて、センサー部２
０１により計測されるセンサー情報ベクトル。ｘ k 位置ｋにおいて、センサー情報
処理部２０３によって処理されトポロジカル・マップに
入力される入力ベクトル。 ｎw r （ｘ k ） 移動経路に沿った位置ｋでの入
力ｘ k に対する参照時ウィナー・ユニット番号。 Ｌ（ｎw l （ｘ k ）） 移動経路に沿った現在の位置ｋでの学習時ウィナー・ Ｌ（ｎw ） ユニットｎw l （ｘk ）の周辺においてシナプス荷重 の修正が行われるユニットの集合（学習対象ユニット 集合）。 Ｃ（ｎw l （ｘ k-1 ）） 移動経路に沿った１つ前の位置ｋ−１における学習 Ｃ（ｎw ） 時ウィナー・ユニットがｎw l （ｘ k-1 ）であるとき に、現在の位置ｋにおける学習時ウィナー・ユニット ｎw l （ｘ k ）の候補になるユニットの集合（学習時 ウィナー・ユニット候補集合）。 （ｉn ，ｊn ） 番号ｎのユニットの、トポロジ
カル・マップ上での位置。 （ｉnw，ｊnw） 番号ｎのウィナー・ユニット
の、トポロジカル・マップ上での位置。
るＮ（＝Ｎ1 ×Ｎ2 ）個のユニットの番号。 ｋ（１≦ｋ≦Ｋ） 移動経路に沿った学習位置の番
号。ｄ k 位置ｋにおいて、センサー部２
０１により計測されるセンサー情報ベクトル。ｘ k 位置ｋにおいて、センサー情報
処理部２０３によって処理されトポロジカル・マップに
入力される入力ベクトル。 ｎw r （ｘ k ） 移動経路に沿った位置ｋでの入
力ｘ k に対する参照時ウィナー・ユニット番号。 Ｌ（ｎw l （ｘ k ）） 移動経路に沿った現在の位置ｋでの学習時ウィナー・ Ｌ（ｎw ） ユニットｎw l （ｘk ）の周辺においてシナプス荷重 の修正が行われるユニットの集合（学習対象ユニット 集合）。 Ｃ（ｎw l （ｘ k-1 ）） 移動経路に沿った１つ前の位置ｋ−１における学習 Ｃ（ｎw ） 時ウィナー・ユニットがｎw l （ｘ k-1 ）であるとき に、現在の位置ｋにおける学習時ウィナー・ユニット ｎw l （ｘ k ）の候補になるユニットの集合（学習時 ウィナー・ユニット候補集合）。 （ｉn ，ｊn ） 番号ｎのユニットの、トポロジ
カル・マップ上での位置。 （ｉnw，ｊnw） 番号ｎのウィナー・ユニット
の、トポロジカル・マップ上での位置。
Claims (13)
- 【請求項１】 ２次元状に配置されたＮ個のユニットか
ら構成され、入力ベクトルが与えられたときに、前記各
ユニットへの入力が前記入力ベクトルの各成分とシナプ
ス荷重ベクトルの各成分との積の総和として決定され、
該各ユニットへの入力のうち最大の入力を受けたユニッ
トであるウィナー・ユニットのみが発火するように決定
されるトポロジカル・マップの演算装置であって、 現在の入力タイミングにおける入力ベクトルに対応する
ウィナー・ユニットの候補の集合であるウィナー・ユニ
ット候補集合を算出するウィナー・ユニット候補集合算
出手段と、 前記現在の入力タイミングにおける入力ベクトルに対応
するウィナー・ユニットを、前記ウィナー・ユニット候
補集合算出手段が算出したウィナー・ユニット候補集合
に含まれるユニットのうち最大の入力を受けたユニット
として算出するウィナー・ユニット算出手段と、 を含むことを特徴とするトポロジカル・マップ演算装
置。 - 【請求項２】 前記ウィナー・ユニット候補集合算出手
段は、現在の入力タイミングに近接する過去の入力タイ
ミングにおいて算出されたウィナー・ユニットに基づい
て、前記ウィナー・ユニット候補集合を算出する、 ことを特徴とする請求項１に記載のトポロジカル・マッ
プ演算装置。 - 【請求項３】 前記現在の入力タイミングにおける入力
ベクトルの変化方向を算出する入力ベクトル変化方向算
出手段を更に含み、 前記ウィナー・ユニット候補集合算出手段は、前記現在
の入力タイミングに近接する過去の入力タイミングにお
けるウィナー・ユニットと、前記入力ベクトル変化方向
算出手段が算出した前記現在の入力タイミングにおける
入力ベクトルの変化方向とに基づいて、前記ウィナー・
ユニット候補集合を算出する、 ことを特徴とする請求項１に記載のトポロジカル・マッ
プ演算装置。 - 【請求項４】 前記ウィナー・ユニットは、前記トポロ
ジカル・マップの各ユニットのシナプス荷重ベクトルを
更新する学習処理のために算出される、 ことを特徴とする請求項１乃至３の何れか１項に記載の
トポロジカル・マップ演算装置。 - 【請求項５】 前記トポロジカル・マップは、環境内で
の移動体の移動経路をナビゲートするための地図として
使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応する、 ことを特徴とする請求項４に記載のトポロジカル・マッ
プ演算装置。 - 【請求項６】 前記トポロジカル・マップは、環境内で
の移動体の移動経路をナビゲートするための地図として
使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応し、 前記ウィナー・ユニットは、前記トポロジカル・マップ
の各ユニットのシナプス荷重ベクトルを更新する学習処
理のために算出され、 前記ウィナー・ユニット候補集合算出手段は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、前記ウィナ
ー・ユニット候補集合に含まれる各ユニットの位置を
（ｉn ，ｊn ）、前記ウィナー・ユニット候補集合をＣ
（ｎw ）としたとき、下記数１式を満たすウィナー・ユ
ニット候補集合Ｃ（ｎw ）を算出する、 【数１】 ことを特徴とする請求項２に記載のトポロジカル・マッ
プ演算装置。 - 【請求項７】 前記トポロジカル・マップは、環境内で
の移動体の移動経路をナビゲートするための地図として
使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応し、 前記ウィナー・ユニットは、前記トポロジカル・マップ
の各ユニットのシナプス荷重ベクトルを更新する学習処
理のために算出され、 前記ウィナー・ユニット候補集合算出手段は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、前記ウィナ
ー・ユニット候補集合をＣ（ｎw ）としたとき、下記数
２式を満たすウィナー・ユニット候補集合Ｃ（ｎw ）を
算出する、 【数２】 ことを特徴とする請求項２に記載のトポロジカル・マッ
プ演算装置。 - 【請求項８】 前記トポロジカル・マップは、環境内で
の移動体の移動経路をナビゲートするための地図として
使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応し、 前記ウィナー・ユニットは、前記トポロジカル・マップ
の各ユニットのシナプス荷重ベクトルを更新する学習処
理のために算出され、 前記入力ベクトル変化方向算出手段は、前記現在の入力
タイミングにおける入力ベクトルの変化方向を、下記数
３式を満たす４方向dir1，dir2，dir3、dir4の何れかの
方向として算出し、 【数３】 前記ウィナー・ユニット候補集合算出手段は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、前記ウィナ
ー・ユニット候補集合をＣ（ｎw ）としたとき、前記入
力ベクトル変化方向算出手段が算出した前記現在の入力
タイミングにおける入力ベクトルの変化方向に応じて、
下記数４式を満たすウィナー・ユニット候補集合Ｃ（ｎ
w ）を算出する、 【数４】 ことを特徴とする請求項３に記載のトポロジカル・マッ
プ演算装置。 - 【請求項９】 前記トポロジカル・マップは、環境内で
の移動体の移動経路をナビゲートするための地図として
使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応し、 前記ウィナー・ユニットは、前記トポロジカル・マップ
の各ユニットのシナプス荷重ベクトルを更新する学習処
理のために算出され、 前記入力ベクトル変化方向算出手段は、前記現在の入力
タイミングにおける入力ベクトルの変化方向を、下記数
５式を満たす４方向dir1，dir2，dir3、dir4の何れかの
方向として算出し、 【数５】 前記ウィナー・ユニット候補集合算出手段は、現在の入
力タイミングの１つ前の入力タイミングで算出されたウ
ィナー・ユニットの位置を（ｉnw，ｊnw）、前記ウィナ
ー・ユニット候補集合をＣ（ｎw ）としたとき、前記入
力ベクトル変化方向算出手段が算出した前記現在の入力
タイミングにおける入力ベクトルの変化方向に応じて、
下記数６式を満たすウィナー・ユニット候補集合Ｃ（ｎ
w ）を算出する、 【数６】 ことを特徴とする請求項３に記載のトポロジカル・マッ
プ演算装置。 - 【請求項１０】 前記ウィナー・ユニットは、前記トポ
ロジカル・マップの各ユニットのシナプス荷重ベクトル
を更新する学習処理のために算出され、 前記ウィナー・ユニット算出手段が算出したウィナー・
ユニットと、前記入力ベクトル変化方向算出手段が算出
した前記現在の入力タイミングにおける入力ベクトルの
変化方向とに基づき、シナプス荷重ベクトルが更新され
るユニットの集合である学習対象ユニット集合を算出す
る学習対象ユニット集合算出手段と、 該学習対象ユニット集合算出手段が算出した学習対象ユ
ニット集合に含まれるユニットに対して、前記シナプス
荷重ベクトルを更新する学習処理を実行するシナプス荷
重ベクトル更新手段と、 を更に含む、 ことを特徴とする請求項３に記載のトポロジカル・マッ
プ演算装置。 - 【請求項１１】 前記ウィナー・ユニットは、前記トポ
ロジカル・マップの参照処理のために算出される、 ことを特徴とする請求項１乃至３の何れか１項に記載の
トポロジカル・マップ演算装置。 - 【請求項１２】 前記トポロジカル・マップは、環境内
での移動体の移動経路をナビゲートするための地図とし
て使用され、 前記入力ベクトルは、前記移動体の前記環境内での位置
を示すセンサー情報に対応する、 ことを特徴とする請求項１１に記載のトポロジカル・マ
ップ演算装置。 - 【請求項１３】 ２次元状に配置されたＮ個のユニット
から構成され、入力ベクトルが与えられたときに、前記
各ユニットへの入力が前記入力ベクトルの各成分とシナ
プス荷重ベクトルの各成分との積の総和として決定さ
れ、該各ユニットへの入力のうち最大の入力を受けたユ
ニットであるウィナー・ユニットのみが発火するように
決定されるトポロジカル・マップの演算方法であって、 現在の入力タイミングにおける入力ベクトルに対応する
ウィナー・ユニットの候補の集合であるウィナー・ユニ
ット候補集合を算出し、 前記現在の入力タイミングにおける入力ベクトルに対応
するウィナー・ユニットを、前記ウィナー・ユニット候
補集合に含まれるユニットのうち最大の入力を受けたユ
ニットとして算出する、 過程を含むことを特徴とするトポロジカル・マップ演算
方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19487396A JP3884103B2 (ja) | 1996-07-24 | 1996-07-24 | 入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法 |
| US08/828,693 US5937398A (en) | 1996-07-24 | 1997-03-31 | Topological map computation system and method in which the continuity of changes in input patterns is considered |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19487396A JP3884103B2 (ja) | 1996-07-24 | 1996-07-24 | 入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1040231A true JPH1040231A (ja) | 1998-02-13 |
| JP3884103B2 JP3884103B2 (ja) | 2007-02-21 |
Family
ID=16331736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19487396A Expired - Fee Related JP3884103B2 (ja) | 1996-07-24 | 1996-07-24 | 入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5937398A (ja) |
| JP (1) | JP3884103B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100749923B1 (ko) | 2005-12-08 | 2007-08-21 | 한국전자통신연구원 | 카메라와 표식을 이용한 이동 로봇의 측위 시스템 및 방법 |
| JP2009245236A (ja) * | 2008-03-31 | 2009-10-22 | Institute Of Physical & Chemical Research | 情報処理装置、情報処理方法、およびプログラム |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19734947B4 (de) * | 1997-08-13 | 2010-04-29 | Otte, Ralf, Dr. | Verfahren zur Steuerung von Prozeßvorgängen |
| US6996768B1 (en) * | 2000-06-15 | 2006-02-07 | International Business Machines Corporation | Electric publishing system and method of operation generating web pages personalized to a user's optimum learning mode |
| EP1554639B1 (de) * | 2002-10-23 | 2007-12-12 | Siemens Aktiengesellschaft | Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur bildung einer graphenstruktur zur beschreibung einer fläche mit einer freifläche und einer belegtfläche |
| KR100506097B1 (ko) * | 2004-02-04 | 2005-08-03 | 삼성전자주식회사 | 자기장 지도 생성 방법 및 장치와 이를 활용한 이동체의포즈 확인 방법 및 장치 |
| US7467115B2 (en) * | 2004-07-15 | 2008-12-16 | Neurosciences Research Foundation, Inc. | Mobile brain-based device having a simulated nervous system based on the hippocampus |
| US8948913B2 (en) * | 2009-10-26 | 2015-02-03 | Electronics And Telecommunications Research Institute | Method and apparatus for navigating robot |
| US8655813B2 (en) | 2010-12-30 | 2014-02-18 | International Business Machines Corporation | Synaptic weight normalized spiking neuronal networks |
| KR20130021616A (ko) * | 2011-08-23 | 2013-03-06 | 삼성전자주식회사 | 다중 측위를 이용한 단말의 측위 장치 및 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02210589A (ja) * | 1989-02-10 | 1990-08-21 | Nec Corp | 文字認識装置 |
| JPH0850548A (ja) * | 1994-08-05 | 1996-02-20 | Nikon Corp | 経路学習方法及び装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5222210A (en) * | 1990-12-03 | 1993-06-22 | Motorola, Inc. | Method of displaying the state of an artificial neural network |
| US5416308A (en) * | 1991-08-29 | 1995-05-16 | Video Lottery Technologies, Inc. | Transaction document reader |
| US5461696A (en) * | 1992-10-28 | 1995-10-24 | Motorola, Inc. | Decision directed adaptive neural network |
| US5557686A (en) * | 1993-01-13 | 1996-09-17 | University Of Alabama | Method and apparatus for verification of a computer user's identification, based on keystroke characteristics |
| JP3037432B2 (ja) * | 1993-11-01 | 2000-04-24 | カドラックス・インク | 光波オーブンによる食物調理方法および調理装置 |
| JPH07177502A (ja) * | 1993-12-17 | 1995-07-14 | Sutajio Gen:Kk | 画像情報圧縮方法、圧縮画像情報記録媒体、圧縮画像情報再生装置 |
| US5727130A (en) * | 1995-08-31 | 1998-03-10 | Motorola, Inc. | Genetic algorithm for constructing and tuning fuzzy logic system |
-
1996
- 1996-07-24 JP JP19487396A patent/JP3884103B2/ja not_active Expired - Fee Related
-
1997
- 1997-03-31 US US08/828,693 patent/US5937398A/en not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02210589A (ja) * | 1989-02-10 | 1990-08-21 | Nec Corp | 文字認識装置 |
| JPH0850548A (ja) * | 1994-08-05 | 1996-02-20 | Nikon Corp | 経路学習方法及び装置 |
Non-Patent Citations (3)
| Title |
|---|
| コホネン Ｔ．, 自己組織化マップ, vol. 第１版, CSNB199700229001, 15 June 1996 (1996-06-15), JP, pages 189 - 240, ISSN: 0000765739 * |
| 山村雅幸: "強化学習の特徴と発展の方向", システム／制御／情報, vol. 第３９巻第４号, CSNG200001028006, 15 April 1995 (1995-04-15), JP, pages 33 - 38, ISSN: 0000765740 * |
| 第５２回（平成８年前期）全国大会公演論文集（２）, CSNJ200400011001, 6 March 1996 (1996-03-06), JP, pages 49 - 2, ISSN: 0000765738 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100749923B1 (ko) | 2005-12-08 | 2007-08-21 | 한국전자통신연구원 | 카메라와 표식을 이용한 이동 로봇의 측위 시스템 및 방법 |
| JP2009245236A (ja) * | 2008-03-31 | 2009-10-22 | Institute Of Physical & Chemical Research | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US5937398A (en) | 1999-08-10 |
| JP3884103B2 (ja) | 2007-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bai et al. | Learning-based multi-robot formation control with obstacle avoidance | |
| Fan et al. | Fully distributed multi-robot collision avoidance via deep reinforcement learning for safe and efficient navigation in complex scenarios | |
| Fan et al. | Crowdmove: Autonomous mapless navigation in crowded scenarios | |
| CN111487864A (zh) | 一种基于深度强化学习的机器人路径导航方法及系统 | |
| Brook et al. | Collaborative grasp planning with multiple object representations | |
| CN111811517A (zh) | 一种动态局部路径规划方法及系统 | |
| CN116477505B (zh) | 一种基于深度学习的塔机实时路径规划系统及方法 | |
| Menna et al. | Real-time autonomous 3D navigation for tracked vehicles in rescue environments | |
| Terasawa et al. | 3d-cnn based heuristic guided task-space planner for faster motion planning | |
| CN105717923A (zh) | 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法 | |
| CN117234216B (zh) | 一种机器人深度强化学习运动规划方法及计算机可读介质 | |
| CN116718190B (zh) | 一种长距离密集人群场景下的移动机器人路径规划方法 | |
| JPH1040231A (ja) | 入力パターンの変化の連続性を考慮したトポロジカル・マップ演算装置及び方法 | |
| Oliveira et al. | Three-dimensional mapping with augmented navigation cost through deep learning | |
| Dubrawski et al. | Learning locomotion reflexes: A self-supervised neural system for a mobile robot | |
| Lu et al. | LPNet: A reaction-based local planner for autonomous collision avoidance using imitation learning | |
| Yevsieiev et al. | Building a traffic route taking into account obstacles based on the A-star algorithm using the python language | |
| CN114777769A (zh) | 一种室外变电站巡检机器人定位系统及其方法 | |
| CN104898675A (zh) | 一种机器人智能导航控制方法 | |
| Cai et al. | Deep reinforcement learning with multiple unrelated rewards for agv mapless navigation | |
| McCammon et al. | Topology-aware self-organizing maps for robotic information gathering | |
| Racz et al. | Artificial neural network for mobile robot topological localization | |
| Vega-Magro et al. | A flexible and adaptive spatial density model for context-aware social mapping: towards a more realistic social navigation | |
| Kurz | ALEF: An autonomous vehicle which learns basic skills and constructs maps for navigation | |
| Zhang et al. | Dimension-variable mapless navigation with deep reinforcement learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050621 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051018 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051207 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060328 |
|
| RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20060517 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060524 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20060517 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060829 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061005 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061114 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061116 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |