[論文レビュー] Design of a Hybrid Robot Control System using Memristor-Model and Ant-Inspired Based Information Transfer Protocols

Ella Gale, Ben de Lacy Costello+1 more|arXiv (Cornell University)|Feb 17, 2014

Advanced Memory and Neural Computing参考文献 13被引用数 6

ひとこと要約

本稿では、帯域幅制限下でのセンサデータの優先順位付けを可能にする、メモリスタベースの非線形ダイナミクスとアリにインspiredした情報伝達プロトコルを組み合わせたハイブリッドロボット制御システムを提案する。データの豊かさと重要性を別々にモデル化することで、反復的・熟考的・ハイブリッド制御モードの間で適応的に入れ替えることが可能となり、リアルタイムのロボットアプリケーションにおける状況認識の向上と応答効率の向上が達成される。

ABSTRACT

It is not always possible for a robot to process all the information from its sensors in a timely manner and thus quick and yet valid approximations of the robot's situation are needed. Here we design hybrid control for a robot within this limit using algorithms inspired by ant worker placement behaviour and based on memristor-based non-linearity.

研究の動機と目的

• 高密度のセンサ入力があるにもかかわらず処理帯域が限られているロボットシステムにおける課題に対処すること。
• 生物学的注意メカニズムを模倣することで、情報過多の状況下でもリアルタイム意思決定を可能にする制御アーキテクチャの開発。
• メモリスタベースの非線形性とアリにインスパイアされた情報伝達を統合し、重要なデータの優先順位付けと動的制御モードの適応を可能にすること。
• チューナブルなパラメータを備えた再構成可能で階層的な制御システムを設計し、反復的・熟考的・ハイブリッド制御行動をサポートすること。
• 環境の関連性の変化に応じて、刺激間での注意の移動を可能にし、人間の認知的優先順位付けを模倣すること。

提案手法

• 時間に依存するパラメータ（β, ROn, V）を有する現象論的メモリスタモデルを用いて、プロセッサの帯域割り当てを模擬する。
• ROn をデータ帯域幅要件の指標とし、時間的に重要なデータやミッションクリティカルなデータの別個の重要度リストを維持する。
• 重要度に基づいてデータチャンクの優先順位を付けるために、アリにインスパイアされたアルゴリズムを適用し、高優先度入力を並列かつ分散的に収集可能にする。
• 特異値分解（SVD）を用いてセンサデータを情報チャンクに分解し、環境認識を完全性の異なるレベルで表現する。
• 行動のタイミングを制御するチューナブルな遅延パラメータ η（1 < η < N）を導入し、反復的（η = 1）から熟考的（η = N）への連続的移行を可能にする。
• ROn、重要度、β の時間変動を許容することで、環境の動的変化や入力ダイナミクスに応じた、オンラインでの注意と処理の焦点の再構成を可能にする。

実験結果

リサーチクエスチョン

• RQ1 処理帯域が全データ処理に十分でない状況下で、ロボットが効率的にセンサデータを優先順位付けできるか？
• RQ2 メモリスタベースの非線形ダイナミクスは、ロボット認識システムにおける情報フローのモデリングと制御に利用可能か？
• RQ3 アリの採餌行動をどのように改造すれば、ロボット制御における階層的データ優先順位付けを模倣できるか？
• RQ4 動的注意切り替えが、反復的と熟考的モードの間のハイブリッド制御を可能にする役割は何か？
• RQ5 単一のパラメータ（η）のチューニングによって、再構成を要しない状態で複数の時間スケールの応答をサポートできるか？

主な発見

• パラメータ η のチューニングにより、反復的・熟考的・ハイブリッド制御モード間の動的切り替えが可能であり、これは行動開始までの遅延を制御する。
• データの豊かさ（ROn）と重要性を分離することで、帯域使用と時間的緊急性の独立した優先順位付けが可能となり、システムの適応性が向上する。
• メモリスタベースの情報流入モデリングにより、非線形的かつ記憶依存的なメカニズムが得られ、データの新鮮さと処理負荷の模擬が可能になる。
• アリにインスパイアされたプロトコルは、並列処理により高重要度のデータチャンクを効果的に優先し、重要な刺激への迅速な応答を可能にするとともに、それ以外のデータ処理も継続する。
• すべての受信データを用いることで、長期的な環境モデリングが可能となり、学習や反復的応答に対する上位レベルの認知的オーバーライドが実現される。
• 時間変動するパラメータ（ROn、重要度、β）により、環境的要請や入力ダイナミクスの変化に応じたリアルタイムでの再構成が可能になる。