[1Q3-OS-7a] 統合AIへの展望

[1Q3-OS-7a-05] 海馬体に学んだ確率的生成モデルの実装と有効性検証

〇大竹 俊輔¹、前山 功伊¹、長谷川 翔一¹、中島 毅士¹、谷口 彰¹、谷口 忠大¹、山川 宏^2,3 (1. 立命館大学、2. 全脳アーキテクチャ・イニシアティブ、3. 東京大学)

キーワード：脳参照アーキテクチャ、海馬体、確率的生成モデル、Simultaneous Localization and Mapping、Recurrent State Space Model

本研究では海馬体の神経科学的知見に着想を受けた確率的生成モデル(HF-PGM)に基づき，具体的な計算論モデルを構築・実装し，その有効性の評価を行う．HF-PGMは脳参照アーキテクチャを確率的生成モデルとして表現したものであり，自己位置推定や場所のカテゴリゼーションが可能になるとされている．しかしながら，HF-PGMではモデルのアーキテクチャや確率分布は定められていない．そこで本研究では，世界モデルの一つであるRSSMと占有格子地図ベースのSLAMを統合することにより，HF-PGMと整合性を持つ確率的生成モデルを提案する．このモデルにより，従来の自己位置推定手法に対し性能を向上させることを示す．実験では，シミュレーション環境上で大域位置推定を行い，その性能を評価した．また，統合した世界モデルの潜在空間表現により，場所のカテゴリゼーションに関する性能の評価を行った．