[2Q5-GS-3] 知識の利用と共有：

[2Q5-GS-3-02] 馴染みのない未知の場所で自己位置推定モデルを訓練することは可能か？：データフリー知識移転によるアプローチ

〇塚原 健太¹、田中 完爾¹、岩田 大暉¹、廣木 智栄¹ (1. 福井大学)

[[オンライン]]

キーワード：データフリー知識移転、再構築

最先端の自己位置推定モデルは、ターゲットワークスペースで注釈付きデータセットが利用可能であることを前提としますが、オープンワールドではこの仮定が崩れることがあります。本研究では、ロボットが未知の場所で他のロボット（「教師」）から指導を受け、疑似トレーニングデータセットを生成して自己学習を行う新しいトレーニングスキームを提案します。このスキームは、教師モデルに最小限の仮定のみを課し、非協力的、ブラックボックス、トレーニング不可能な教師にも対応可能です。教師モデルを自己位置推定システムとして再利用し、通信チャネルとして活用することで、プライベートデータへの依存を排除します。また、教師との対話を通じて有効な質問シーケンスを設計し、学生モデルの学習に活用します。この手法は、再帰的知識蒸留に適用して安定したパフォーマンス向上を確認しました。