― 新機能ＳＮＮ研究室 ―

ＳＮＮにおけるＲＷＣ研究

Bert Kappen

（ニューラル・ネットワーク協会（ＳＮＮ））

　1990年1月、オランダ経済省のオランダ情報科学奨励プログラム（Stimulation Program Informatics in the Netherlands (SPIN)）の主導により、ニューラ ル・ネットワーク国家研究プログラムが開始されました。この研究プログラム の実施機関がSNNです。SNNの目標は、生物学及び人工システムにおけるニュー ラル・ネットワークとニューラル情報処理に関する基礎研究と応用研究を奨励 し、応用が期待される分野を見極め、ニューラル・ネットワークに関する既存 の知識を産業アプリケーションに移行することです。
　SNNは、オランダ国内におけるニューラル・ネットワークに関する研究の大部分をコーディネートしています。この研究プログラムでは、ロボティクス、ビジョン、パターン認識・認知システム、および各種の応用分野に向けたニューラル情報処理方式を研究しています。SNNは、発展が著しいこの分野における最新の研究開発に絶えず注意を向け、産業界から大きな関心が寄せられている分野の新しいプロジェクトを指導しています。SNNは、産業界との協力の下に、具体的な産業アプリケーションにおける問題をニューラル・ネットを用いて解決することに取り組んで ます。現在、Nijmegen大学、Utrecht大学、Amsterdam大学、Delft大学、Groningen大学のニューラル・ネットワーク研究学科がSNNに参加しています。

■研究チーム

　RWCの研究は、Amsterdam大学、Utrecht大学、Nijmegen大学の研究グループが 実施しています。Amsterdam大学のグループは、主に目標追跡とロボットナビ ゲーションの感知機能の研究に従事し、リアルワールドでの実現を目指すロボットの研究所の一翼を担っています。Utrecht大学のグループは、頑健なビジョ ン用のマルチレゾリューション・モデルの開発では伝統があります。Nijmegen大学のグループは、ニューラル・ネットワークに関する数々の理論的研究を行っています。また、実験的脳研究にも伝統があります。
　以上のグループは、マル チレゾリューション・ビジョン・システムと経路プランニングから成るロボティクス・システムに関して、SNNで共同研究を行った実績があります。ニューラル・ネットワークは、制御及び経路プランニングのタスクを学習します。このシステムの解説をビデオでもお見せできます。

図１　自己制御型探索用のロボットビークル

■RWCにおけるSNNの研究

　SNNは、RWCにおける能動認知理解プロジェクトに参加しています。このプロジェクトの目標は、複雑な動的マルチセンサ環境における知覚、推論、行動計画の新しい理論、手法、および実現方法を開発することです。この研究成果は、ロボティクスとマルチメディア応用において展開される予定です。能動認知理解の方法には、工業プロセス、医学用画像処理、決断支援、財務分析、言語・スクリプト認識などの他の分野にも応用できるという汎用性が必要です。
　現在、次のようなリアルワールド・コンピューティングの基本的重要課題に取り組んでます。

◇確率的知識表現

　純粋な論理に基づく従来のルール・ベースシステムでは、不確定な（不正確、不完全、または一貫性がない）データに対処できない。どうでもよい場合を除き、完全な知識を得ることができないリアルワールド・コンピューティングでの応用では、特にこのことが問題になる。主要課題は、意味論的に正しく、計算論的に効率がよいシステムを設計することである。また、これらのシステムには、データから学習する能力と、構造的ドメイン知識を組み込む能力が必要である。このプロジェクトで我々は、確率論の枠組の中でドメイン情報を適応手法（例えばニューラル・ネットワーク）と結合できる方法を開発したい。これらの方法は、医療診断アプリケーションで実証される予定である。

◇変化する環境における学習　変化する環境で学習を実行する場合、学習表現の安定性がきわめて重大な課題になる。現在の環境においてまだその表現が適当であるのかどうかをシステムが判断する基準は何か。システムにはどの程度の適応性が必要か。我々は、変化する環境における学習システムの行動に関する一般理論を開発した。これを基にして、変化する環境における頑健な学習アルゴリズムを現在開発中である。

◇反応的な動きと計画的な動きとの統合

　多くのロボット・システムと非ロボット・システムにおいて、コマンド・レベルと実行レベルの間に不整合がある。コマンド・レベルが高レベルの記号言語で定式化される傾向があるのに対し、実行レベルは低レベルのデバイス制御コマンドで定式化される傾向がある。現在のところ、これらのレベル間の遷移は、アプリケーションごとに手作業で行われ、一般的な用語ではまったく理解されていない。コマンド・レベル（計画的な動き）と実行レベル（反応的な動き）を統合する汎用方式を設計することが、重要な課題である。我々は、オフィス内移動ロボットを具体例に取り、適当な中間表現を開発する予定である。

◇マルチレゾリューション知識表現

　認知・学習などの高次処理、高レベルのロボット・ビジョンにとって、低レベルのビジョン処理演算子によるイメージ構造の抽出という前処理が不可欠である。スケール空間理論は、注視前ビジョンまたは未関与ビジョンに関するコンピュータ・ビジョン研究で、最近になって開発されたものである。スケール空間理論は、イメージのマルチスケール階層構造を明示的に考慮するもので、ノイズが多いイメージにおいて極めて頑健である。我々は、提案されたニューラル・ネットワークとロボット・アプリケーションの入力に必要なイメージ構造を高い信頼度で抽出するために、この数学的枠組を適用することを提案する。我々は、3次元視覚化用のマルチレゾリューション画像エディタと、ロボティクスの文脈でのオブジェクト認識用の特徴検出システムの設計を通して、我々の方法を実証する予定である。その成果は、たとえば地震予知、リモート感知、ビデオ画像処理（娯楽業界）、監視システム、視覚検査などの他の分野にも等しく応用できる。

「星月夜の糸杉のある道」

Vincent van Gogh作 ( Kroeller-Mueller国立美術館）

b)　フィルタリングされたイメージが中断された線を閉じている。

この手法は、指紋のイメージや他の縞状パターンの処理に有用である。

図２　一貫性強化拡散フィルタリング　※

※ J.A. Weickert, B.M. ter Haar Romeny, M.A. Viergever: conservative image transformations with restoration and scale-space properties. Proc. 1996 IEEE Int. Conf. on Image Processing (ICIP-96, Sept. 16-19, 1996, Lausanne)