[2Q5-GS-3] Knowledge utilization and sharing:

[2Q5-GS-3-02] Is It Possible to Train Self-Localization Models in Unfamiliar and Unseen Places?: An Approach via Data-Free Knowledge Transfer

〇Kenta Tsukahara¹, Kanji Tanaka¹, Daiki Iwata¹, Tomoe Hiroki¹ (1. Fukui University)

[[Online]]

Keywords: Data-Free Knowledge Transfer, reconstruct

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。