卒業論文「柔軟な戦略変更に向けた、模倣学習の教師データからの逸脱の認識に関する研究」
深層模倣学習によるロボット制御ではニューラルネットワークの性質上、同じ状態に対して複数種類の行動(物体操作など)を学習するのが困難という課題がある。この問題に対して、中間層で行動の種類を表す潜在変数を学習するような、オートエンコーダに基づくモデルを開発することで複数の行動を分類して学習することに成功した。さらに1つの行動中に予測誤差が生じた際には別の行動に切り替えることで、失敗時に行動変更することを可能にした。