第37回 日本ロボット学会学術講演会にて，下記の内容に関する口頭発表を行います．

階層型マルコフ決定過程に基づく高速パス探索による運転行動予測
下坂研究室では，ドライバの運転データから，
逆強化学習を用いて運転行動規範を獲得する技術に関して研究を行っています．

逆強化学習は，プロドライバの運転データから規範を直接学習することができるため，
人の感覚に合った滑らかな運転行動を再現するために有用です．

一方，離散的なマルコフ決定過程を採用し，さらにグリッド状の離散化を施した場合，
逆強化学習の計算量が指数的に増加してしまう課題がありました．

そこで，本発表では，学習・推論時に不可欠な，
最適パス探索の計算時間を削減する状態空間の階層化法を紹介いたします．

マルチラベルLSTMに基づく大規模クラス行動認識
下坂研究室では，スマート建機から得られるマルチモーダルなセンサから
作業推定を行う統計モデルの構築に関する研究を行なっています．

建機の作業現場は多岐にわたるため，大規模な作業クラスが存在しているおり，不均衡なデータとなっています．
そのため，一般的な多クラス識別では学習が上手く行えないクラスや，学習データがないクラスが存在します．

そこで，マルチラベルを用いてデータが少ないクラスに対し，
より単純なラベルの組み合わせとして表現する方法を取り入れています．
マルチラベルを付与することで，詳細なラベルで見たときには学習データが存在することを期待しています．

一方マルチラベルの時系列データを出力する問題として捉えてみると，
近年よく研究されているリカレントニューラルモデルでは十分な議論が
行われてきませんでした．

そこで，本発表では，時系列マルチラベリングに対して有効な，
時系列とラベル間関係性をモデリング化する深層学習モデルについて紹介いたします．

-発表情報-
RSJ2019詳細プログラム
階層型マルコフ決定過程に基づく高速パス探索による運転行動予測, 細馬慎平*，須ヶ﨑聖人*，竹中一仁**，平野大輔**，孫理天**，下坂正倫*

マルチラベルLSTMに基づく大規模クラス行動認識，安部永*，日野拓也***，杉原幹英***，池谷浩樹***，下坂正倫*

(*東京工業大学，**株式会社デンソー，***株式会社小松製作所)