村田 真悟 (ムラタ シンゴ)

MURATA Shingo

写真a

所属(所属キャンパス)

理工学部 電気情報工学科 (矢上)

職名

准教授

HP

経歴 【 表示 / 非表示

  • 2016年04月
    -
    2018年03月

    早稲田大学, 創造理工学部 総合機械工学科, 助手

  • 2018年04月
    -
    2020年03月

    国立情報学研究所, 情報学プリンシプル研究系, 助教

  • 2018年04月
    -
    2020年03月

    総合研究大学院大学, 複合科学研究科 情報学専攻, 助教

  • 2020年04月
    -
    2024年03月

    慶應義塾大学, 理工学部 電気情報工学科, 専任講師

  • 2024年04月
    -
    継続中

    慶應義塾大学, 理工学部 電気情報工学科, 准教授

学歴 【 表示 / 非表示

  • 2007年04月
    -
    2011年03月

    早稲田大学, 創造理工学部, 総合機械工学科

    大学, 卒業

  • 2011年04月
    -
    2013年03月

    早稲田大学, 大学院創造理工学研究科, 総合機械工学専攻

    大学院, 修了, 修士

  • 2013年04月
    -
    2016年03月

    早稲田大学, 大学院創造理工学研究科, 総合機械工学専攻

    大学院, 修了, 博士後期

学位 【 表示 / 非表示

  • 博士(工学), 早稲田大学, 課程, 2016年03月

 

研究分野 【 表示 / 非表示

  • 認知ロボティクス

  • ロボット学習

  • 計算論的精神医学

  • 情報通信 / 知能情報学

  • 情報通信 / 知能ロボティクス

研究キーワード 【 表示 / 非表示

  • 深層学習

  • 認知ロボティクス

  • ロボット学習

  • 計算論的精神医学

  • 予測符号化

全件表示 >>

 

著書 【 表示 / 非表示

  • Cognitive Robotics

    Angelo Cangelosi, Minoru Asada, The MIT Press, 2022年04月

    担当範囲: Machine Learning for Cognitive Robotics

論文 【 表示 / 非表示

  • World models and predictive coding for cognitive and developmental robotics: frontiers and challenges

    Taniguchi T., Murata S., Suzuki M., Ognibene D., Lanillos P., Ugur E., Jamone L., Nakamura T., Ciria A., Lara B., Pezzulo G.

    Advanced Robotics (Advanced Robotics)  37 ( 13 ) 780 - 806 2023年06月

    査読有り,  ISSN  0169-1864

     概要を見る

    Creating autonomous robots that can actively explore the environment, acquire knowledge and learn skills continuously is the ultimate achievement envisioned in cognitive and developmental robotics. Importantly, if the aim is to create robots that can continuously develop through interactions with their environment, their learning processes should be based on interactions with their physical and social world in the manner of human learning and cognitive development. Based on this context, in this paper, we focus on the two concepts of world models and predictive coding. Recently, world models have attracted renewed attention as a topic of considerable interest in artificial intelligence. Cognitive systems learn world models to better predict future sensory observations and optimize their policies, i.e. controllers. Alternatively, in neuroscience, predictive coding proposes that the brain continuously predicts its inputs and adapts to model its own dynamics and control behavior in its environment. Both ideas may be considered as underpinning the cognitive development of robots and humans capable of continual or lifelong learning. Although many studies have been conducted on predictive coding in cognitive robotics and neurorobotics, the relationship between world model-based approaches in AI and predictive coding in robotics has rarely been discussed. Therefore, in this paper, we clarify the definitions, relationships, and status of current research on these topics, as well as missing pieces of world models and predictive coding in conjunction with crucially related concepts such as the free-energy principle and active inference in the context of cognitive and developmental robotics. Furthermore, we outline the frontiers and challenges involved in world models and predictive coding toward the further integration of AI and robotics, as well as the creation of robots with real cognitive and developmental capabilities in the future.

  • Interaction between Functional Connectivity and Neural Excitability in Autism: A Novel Framework for Computational Modeling and Application to Biological Data

    Takahashi Y., Murata S., Ueki M., Tomita H., Yamashita Y.

    Computational Psychiatry (Computational Psychiatry)  7 ( 1 ) 14 - 29 2023年01月

    査読有り

     概要を見る

    Functional connectivity (FC) and neural excitability may interact to affect symptoms of autism spectrum disorder (ASD). We tested this hypothesis with neural network simulations, and applied it with functional magnetic resonance imaging (fMRI). A hierarchical recurrent neural network embodying predictive processing theory was subjected to a facial emotion recognition task. Neural network simulations examined the effects of FC and neural excitability on changes in neural representations by developmental learning, and eventually on ASD-like performance. Next, by mapping each neural network condition to subject subgroups on the basis of fMRI parameters, the association between ASD-like performance in the simulation and ASD diagnosis in the corresponding subject subgroup was examined. In the neural network simulation, the more homogeneous the neural excitability of the lower-level network, the more ASD-like the performance (reduced generalization and emotion recognition capability). In addition, in homogeneous networks, the higher the FC, the more ASD-like performance, while in heterogeneous networks, the higher the FC, the less ASD-like performance, demonstrating that FC and neural excitability interact. As an underlying mechanism, neural excitability determines the generalization capability of top-down prediction, and FC determines whether the model’s information processing will be top-down prediction-dependent or bottom-up sensory-input dependent. In fMRI datasets, ASD was actually more prevalent in subject subgroups corresponding to the network condition showing ASD-like performance. The current study suggests an interaction between FC and neural excitability, and presents a novel framework for computational modeling and biological application of a developmental learning process underlying cognitive alterations in ASD.

  • ロボットによる予測学習の計算論的精神医学への応用

    村田真悟

    日本ロボット学会誌 (The Robotics Society of Japan)  40 ( 9 ) 796 - 801 2022年11月

    筆頭著者, 責任著者,  ISSN  0289-1824

  • Latent Representation in Human-Robot Interaction With Explicit Consideration of Periodic Dynamics

    Kobayashi T., Murata S., Inamura T.

    IEEE Transactions on Human-Machine Systems (IEEE Transactions on Human-Machine Systems)  52 ( 5 ) 928 - 940 2022年10月

    査読有り,  ISSN  2168-2291

     概要を見る

    This article presents a new data-driven framework for analyzing periodic physical human-robot interaction (pHRI) in latent state space. The model representing pHRI is critical for elaborating human understanding and/or robot control during pHRI. Recent advancements in deep learning technology would allow us to train such a model on a dataset collected from the actual pHRI. Our framework is based on a variational recurrent neural network (VRNN), which can process time-series data generated by a pHRI. This study modifies VRNN to explicitly integrate the latent dynamics from robot to human and to distinguish it from a human state estimate module. Furthermore, to analyze periodic motions, such as walking, we integrate VRNN with a new recurrent network based on reservoir computing (RC), which has random and fixed connections between numerous neurons. By boosting RC into a complex domain, periodic behavior can be represented as phase rotation in the complex domain without decaying the amplitude. A rope rotation/swinging experiment was used to validate the proposed framework. The proposed framework, trained on the collected experiment dataset, achieved the latent state space in which variation in periodic motions can be distinguished. The best prediction accuracy of the human observations and robot actions was obtained in such a well-distinguished space.

  • Neural network modeling of altered facial expression recognition in autism spectrum disorders based on predictive processing framework

    Takahashi Y., Murata S., Idei H., Tomita H., Yamashita Y.

    Scientific Reports (Scientific Reports)  11 ( 1 )  2021年12月

    査読有り

     概要を見る

    The mechanism underlying the emergence of emotional categories from visual facial expression information during the developmental process is largely unknown. Therefore, this study proposes a system-level explanation for understanding the facial emotion recognition process and its alteration in autism spectrum disorder (ASD) from the perspective of predictive processing theory. Predictive processing for facial emotion recognition was implemented as a hierarchical recurrent neural network (RNN). The RNNs were trained to predict the dynamic changes of facial expression movies for six basic emotions without explicit emotion labels as a developmental learning process, and were evaluated by the performance of recognizing unseen facial expressions for the test phase. In addition, the causal relationship between the network characteristics assumed in ASD and ASD-like cognition was investigated. After the developmental learning process, emotional clusters emerged in the natural course of self-organization in higher-level neurons, even though emotional labels were not explicitly instructed. In addition, the network successfully recognized unseen test facial sequences by adjusting higher-level activity through the process of minimizing precision-weighted prediction error. In contrast, the network simulating altered intrinsic neural excitability demonstrated reduced generalization capability and impaired emotional clustering in higher-level neurons. Consistent with previous findings from human behavioral studies, an excessive precision estimation of noisy details underlies this ASD-like cognition. These results support the idea that impaired facial emotion recognition in ASD can be explained by altered predictive processing, and provide possible insight for investigating the neurophysiological basis of affective contact.

全件表示 >>

KOARA(リポジトリ)収録論文等 【 表示 / 非表示

総説・解説等 【 表示 / 非表示

研究発表 【 表示 / 非表示

  • Real-World Robot Control Based on Contrastive Active Inference with Learning from Demonstration

    Kentaro Fujii, Takuya Isomura, Shingo Murata

    The 4th International Workshop on Active Inference, 

    2023年09月

    ポスター発表

  • A Deep Generative Model for Extracting Shared and Private Latent Representations from Multimodal Data

    Kaito Kusumoto, Shingo Murata

    International Symposium on Predictive Brain and Cognitive Feelings,, 

    2023年07月

    ポスター発表

  • Multiple Timescale Recurrent State-Space Model for Learning Long-Horizon Tasks

    Kentaro Fujii, Shingo Murata

    International Symposium on Predictive Brain and Cognitive Feelings, 

    2023年07月

    ポスター発表

  • Action Modification Based on Real-time Amortized Inference of Others’ Intentions Using Backward RNN

    Yukiko Orui, Shingo Murata

    The 54th ISCIE International Symposium on Stochastic Systems Theory and Its Applications (SSS '22), 

    2022年10月

    口頭発表(一般)

  • Analysis of Imitative Interactions between Typically Developed or Autistic Participants and a Robot with a Recurrent Neural Network

    Shingo Murata, Kai Hirano, Naoto Higashi, Shin-ichiro Kumagaya, Yuichi Yamashita, Tetsuya Ogata

    The Ninth Joint IEEE International Conference on Development and Learning and on Epigenetic Robotics (ICDL-EpiRob 2019), 

    2019年08月

    その他

全件表示 >>

競争的研究費の研究課題 【 表示 / 非表示

  • ロボットのための自由エネルギー原理に基づくインタラクション基盤技術

    2024年04月
    -
    2027年03月

    日本学術振興会, 科学研究費助成事業, 村田 真悟, 基盤研究(B), 研究代表者

  • 脳の計算原理とプレイデータに基づく実世界ロボット学習

    2022年10月
    -
    2026年03月

    科学技術振興機構, 戦略的創造研究推進事業(さきがけ), 研究代表者

  • Understanding hierarchical statistical learning of sequential perception with dynamic multiple timescale models

    2021年10月
    -
    2025年03月

    日本学術振興会, 科学研究費助成事業, HEINRICH Stefan, 大黒 達也, 村田 真悟, 大黒 達也, 村田 真悟, 国際共同研究加速基金(国際共同研究強化(B)), 研究分担者

  • 人工知能技術と疾患横断的・次元的アプローチに基づく精神障害の計算論的診断学の創出

    2020年04月
    -
    2025年03月

    国立研究開発法人国立精神・神経医療研究センター, 科学研究費助成事業 基盤研究(A), 山下 祐一、片平 健太郎, 国里 愛彦, 村田 真悟, 杉原 玄一, 高村 真広, 基盤研究(A), 研究分担者

     研究概要を見る

    生物学的知見の蓄積により、現行の精神障害カテゴリーは生物学的妥当性を欠くことが明らかになり、研究方略の抜本的方向修正の必要性が指摘されている。本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、既存の精神障害カテゴリーにとらわれない疾患横断的・次元的アプローチに基づき、機械学習・人工知能(AI)技術を含む計算論的精神医学の手法を適用することで、新しい精神障害の表現型:症候学的タイプ、バイオタイプ、計算論的表現型を明らかにする。さらに、深層学習技術を用いて、見出された各水準の表現型相互の媒介メカニズムを明らかにすることにより、精神障害の統合的理解と新しい診断体系を創出する。

  • 二個体間における協調の形成と崩壊の予測符号化に基づくロボット構成論的理解

    2019年04月
    -
    2022年03月

    国立情報学研究所, 村田 真悟, 若手研究, 研究代表者

     研究概要を見る

    本研究は他者との協調を支える認知情報処理機構の理解を目的とし,構成論的手法により取り組む.特に,(i)環境変化や他者のふるまいといった外的要因と(ii)自己の将来の行動に関する計画や意図といった内的要因により生じる協調の形成とその崩壊に関する動的過程に着目する.具体的には,脳の情報処理の仕組みとして提案されている予測符号化を再帰型神経回路モデルにより具現化し,二台のロボットそれぞれに実装する.そして,実環境における二台のロボット間の相互作用学習実験を行う.他者(ロボット)との相互作用の結果生じる互いの意図の動的な収斂と発散により,協調の形成・崩壊に関する動的過程が観察可能であると期待される.

全件表示 >>

受賞 【 表示 / 非表示

  • 全国大会優秀賞

    2020年07月, 2020年度 人工知能学会全国大会(第34回)

    受賞区分: 国内学会・会議・シンポジウム等の賞

  • Best Paper Award

    Tatsuro Yamada, Shingo Murata, Hiroaki Arie, Tetsuya Ogata, 2016年09月, The 25th International Conference on Artificial Neural Networks (ICANN 2016)

    受賞区分: 国際学会・会議・シンポジウム等の賞

  • 大会奨励賞

    2014年03月, 情報処理学会 第76回全国大会

    受賞区分: 国内学会・会議・シンポジウム等の賞

 

担当授業科目 【 表示 / 非表示

  • 電気情報工学セミナーⅡ

    2024年度

  • 電気情報工学輪講

    2024年度

  • 自然科学実験

    2024年度

  • 理工学基礎実験

    2024年度

  • 機械学習基礎

    2024年度

全件表示 >>

 

所属学協会 【 表示 / 非表示

  • IEEE, 

    2016年
    -
    継続中
  • 人工知能学会, 

    2014年
    -
    継続中
  • 日本ロボット学会, 

    2012年
    -
    継続中

委員歴 【 表示 / 非表示

  • 2024年
    -
    継続中

    Section Editor, Special Section on "Cognitive Development and Symbol Emergence" in Advanced Robotics

  • 2021年11月
    -
    継続中

    Associate Editor, IEEE Transactions on Cognitive and Developmental Systems

  • 2021年

    Associate Editor, IEEE/RSJ IROS 2021

  • 2021年

    Associate Editor, IEEE ICDL 2021

  • 2020年

    Associate Editor, IEEE/RSJ IROS 2020

全件表示 >>