大会プログラム
モデル・人工知能・機械学習 (O1)
9月18日（木）
9:30 - 10:50
会場：IB館 大講義室
-
O1-1自動操縦への適応過程をシミュレーションによって検討した．実験とシミュレーションを定量的に対応づけるため，ACT-Rによるモデルを構築した．さらに，ACT-Rにおける強化学習機構を拡張するため，複数ルールのユーティリティを同期する機構，報酬の時間的加算，過去経験に基づく報酬予測機構を構築した．結果，実験データがよく再現され，上記の機構の妥当性が示された．本研究の意義はセミマルコフ過程における強化学習とACT-Rを結合したことにある．
-
O1-2不確実な環境下における意思決定には,新たな知識の探索と,既知の知識の利用という相反する2つの行動が要求されてジレンマが起こる. 先行研究ではこのジレンマに対して人間がランダム性を仮定している方策と相関があることが明らかになっている．一方で，他分野において人間がランダム系列を正しく認知することの困難さが指摘されており，矛盾が生じる．本研究では人間の意思決定課題における実際のデータを選択のランダム性という観点から分析した．
-
O1-3本研究では，複雑な相互作用を行う大自由度系である身体運動に着目し，それに反映される認知過程を捉えるための方法論の構築を目指す．身体運動を意味のある要素に分節化するために，本研究では，フラクタル次元に基づき身体状態をクラスタリングする分析法を提案する.この方法を用いて，立位時の外乱が与えられた場合や，読書時の座位の重心を分析することで，身体運動から認知負荷に相当する指標が得られる事が示唆された．
-
O1-4高度運転支援システム（ACC）の利用に関する長期の学習過程について検討を行った．実験では3名の成人が5~6週の間，ACC付きの普通乗用車を利用し，日常運転の様子と週1回の実験走行の様子が記録された．その結果，3名の参加者がそれぞれ大きく異なる学習過程を示し， ACCを利用・運転する時間が長いほど学習が進むわけではないことが示された．また，ACC利用過程は学習の程度を含め，複数の要因によって決定されることも示された．