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

専任講師

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
    -
    継続中

    慶應義塾大学, 理工学部 電気情報工学科, 専任講師

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

研究キーワード 【 表示 / 非表示

  • ニューラルネットワーク

  • リカレントニューラルネットワーク

  • 深層学習

  • 計算論的精神医学

  • 認知ロボティクス

 

論文 【 表示 / 非表示

  • 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.

  • Tool-Use Model to Reproduce the Goal Situations Considering Relationship Among Tools, Objects, Actions and Effects Using Multimodal Deep Neural Networks

    Saito N., Ogata T., Mori H., Murata S., Sugano S.

    Frontiers in Robotics and AI (Frontiers in Robotics and AI)  8 2021年09月

    査読有り

     概要を見る

    We propose a tool-use model that enables a robot to act toward a provided goal. It is important to consider features of the four factors; tools, objects actions, and effects at the same time because they are related to each other and one factor can influence the others. The tool-use model is constructed with deep neural networks (DNNs) using multimodal sensorimotor data; image, force, and joint angle information. To allow the robot to learn tool-use, we collect training data by controlling the robot to perform various object operations using several tools with multiple actions that leads different effects. Then the tool-use model is thereby trained and learns sensorimotor coordination and acquires relationships among tools, objects, actions and effects in its latent space. We can give the robot a task goal by providing an image showing the target placement and orientation of the object. Using the goal image with the tool-use model, the robot detects the features of tools and objects, and determines how to act to reproduce the target effects automatically. Then the robot generates actions adjusting to the real time situations even though the tools and objects are unknown and more complicated than trained ones.

  • Homogeneous Intrinsic Neuronal Excitability Induces Overfitting to Sensory Noise: A Robot Model of Neurodevelopmental Disorder

    Hayato Idei, Shingo Murata, Yuichi Yamashita, Tetsuya Ogata

    Frontiers in Psychiatry (Frontiers Media SA)  11 ( 762 ) 1 - 15 2020年08月

    研究論文(学術雑誌), 共著, 査読有り

     概要を見る

    Neurodevelopmental disorders, including autism spectrum disorder, have been intensively investigated at the neural, cognitive, and behavioral levels, but the accumulated knowledge remains fragmented. In particular, developmental learning aspects of symptoms and interactions with the physical environment remain largely unexplored in computational modeling studies, although a leading computational theory has posited associations between psychiatric symptoms and an unusual estimation of information uncertainty (precision), which is an essential aspect of the real world and is estimated through learning processes. Here, we propose a mechanistic explanation that unifies the disparate observations via a hierarchical predictive coding and developmental learning framework, which is demonstrated in experiments using a neural network-controlled robot. The results show that, through the developmental learning process, homogeneous intrinsic neuronal excitability at the neural level induced via self-organization changes at the information processing level, such as hyper sensory precision and overfitting to sensory noise. These changes led to multifaceted alterations at the behavioral level, such as inflexibility, reduced generalization, and motor clumsiness. In addition, these behavioral alterations were accompanied by fluctuating neural activity and excessive development of synaptic connections. These findings might bridge various levels of understandings in autism spectrum and other neurodevelopmental disorders and provide insights into the disease processes underlying observed behaviors and brain activities in individual patients. This study shows the potential of neurorobotics frameworks for modeling how psychiatric disorders arise from dynamic interactions among the brain, body, and uncertain environments.

  • Paradoxical sensory reactivity induced by functional disconnection in a robot model of neurodevelopmental disorder

    Hayato Idei, Shingo Murata, Yuichi Yamashita, Tetsuya Ogata

    Neural Networks (Center for Open Science)  138   150 - 163 2020年06月

    共著, 査読有り,  ISSN  08936080

     概要を見る

    <p>Hyper- and hyporeactivity to sensory stimuli is a diagnostic feature of autism spectrum disorder and has been reported in many neurodevelopmental disorders. However, the computational mechanisms underlying such paradoxical responses remain unclear. Here, using a robot controlled by a hierarchical recurrent neural network model with predictive processing and a learning mechanism, we simulated how functional disconnection alters the learning process and affects subsequent behavioral reactivity to environmental change. The results show that, through the learning process, functional disconnection between distinct network levels simultaneously lowered the precision of sensory information and higher-level prediction. These changes caused the robot to exhibit sensory-dominated and sensory-ignoring behaviors ascribed to sensory hyperreactivity and hyporeactivity, respectively. Furthermore, local functional disconnection at the sensory processing level similarly induced hyporeactivity due to low sensory precision. These findings suggest a computational explanation for co-existing sensory hyper- and hyporeactivity and insights at various levels of understanding in neurodevelopmental disorders.</p>

  • 不確実性の推定と自閉スペクトラム症ー神経ロボティクス実験による症状シミュレーションー

    出井勇人, 村田真悟, 尾形哲也, 山下祐一

    精神医学 62 ( 2 ) 219 - 229 2020年02月

    研究論文(学術雑誌), 共著, 査読有り

全件表示 >>

研究発表 【 表示 / 非表示

  • 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

  • Altered Sense of Self Induced by Functional Disconnection in a Hierarchical Neural Network: A Neuro-Robotics Study

    Hayato Idei, Shingo Murata, Yuichi Yamashita, Tetsuya Ogata

    International Consortium on Hallucination Research and Related Symptoms Kyoto Satellite Meeting (ICHR 2018 KYOTO), 

    2018年10月

    その他

  • Altered Behavioral Flexibility and Generalization Induced by Reduced Heterogeneity of Intrinsic Neuronal Excitability: A Neurorobotics Study

    Hayato Idei, Shingo Murata, Yuichi Yamashita, Tetsuya Ogata

    WPA XVII World Congress of Psychiatry, 

    2017年10月

    その他

  • Representation Learning of Logical Words via Seq2seq Learning from Linguistic Instructions to Robot Actions

    Tatsuro Yamada, Shingo Murata, Hiroaki Arie, Tetsuya Ogata

    Workshop on Representation Learning for Human and Robot Cognition, The 5th International Conference on Human–Agent Interaction (HAI 2017), 

    2017年10月

    その他

  • Logically Complex Symbol Grounding for Interactive Robots by Seq2seq Learning with an LSTM-RNN

    Tatsuro Yamada, Shingo Murata, Hiroaki Arie, Tetsuya Ogata

    The Thirtieth Annual Conference on Neural Information Processing Systems (NIPS 2016), 

    2016年12月

    その他

全件表示 >>

競争的研究費の研究課題 【 表示 / 非表示

  • 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), 未設定

     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, 未設定

     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.

  • ロボット構成論による精神障害における多様な病態の統合的理解

    2017年04月
    -
    2020年03月

    早稲田大学, 科学研究費助成事業 若手研究(B), 村田 真悟, 若手研究(B), 未設定

     研究概要を見る

    本研究課題では,精神障害における多様な症状を生み出す脳・神経メカニズムをロボット構成論によりシステムレベルで統合的に理解することを目指している.具体的には,不確実性を考慮した予測誤差最小化原理が脳の神経回路における基本的な計算原理であるという仮説を提案し,その仮説を神経回路モデルで具現化し,ロボットに実装することで評価を行う.
    同原理に基づく階層的な神経回路モデルを構築し,ロボット実験による正常モデル及び異常モデルの評価を行った.具体的には,感覚運動情報の不確実性を予測学習可能な階層的な神経回路モデルを構築した.構築したモデルを小型ヒューマノイドロボットに実装し,他者との協調インタラクション課題を学習させた.このようにしてロボットは正常モデルを獲得するが,正常モデルによって推定される不確実性を強制的に増幅・減少させることで異常モデルを構築した.その結果,正常モデルにおいてはロボットの外部環境に変化が生じた際,モデルによって推定された不確実性によって適切に重み付けされた予測誤差が上位回路のPBまで伝播することで,行動の切り替えが実現された.一方,異常モデルにおいては,行動切り替えが困難であることや同一行動への固執・硬直といった多様なふるまいが観測された.これは,モデルによって推定された不確実性を強制的に書き換えることで,誤差信号が通常よりも減少・増幅することで生じたと考えられる.
    さらに,このような不確実性に関する推定の破綻をもたらす原因の検討を行った.具体的には,神経回路の階層間の結合重みにノイズを付与することで機能的断裂をシミュレートした結果,正常な神経回路よりも不確実性の推定値が常時高くなることが確認された.これは,神経回路の階層間の機能的断裂が学習過程において不確実性の推定異常を引き起こしたということを示す.
    平成30年度は,精神障害の病態メカニズムの理解として,(1)不確実性に関する推定の破綻がもたらす影響の検討,(2)ロボット実験による精神障害モデルの評価,(3)不確実性に関する推定の破綻をもたらす原因の検討を行う予定であった.このうち,一部は平成29年度に着手することができていたことから,当初の想定よりも多くの時間を確保することができ,当初の計画以上に進展することができた.
    成果発表を国内の学術講演会・査読付き国際会議において行っており,学術雑誌論文としてもまとめ,既に計算論的精神医学分野初の専門誌Computational Psychiatryに掲載されている.
    これまでの研究において,(1)不確実性に関する推定の破綻がもたらす影響の検討と(2)不確実性に関する推定の破綻をもたらす原因の検討を行ってきた.その結果,(1)誤差信号が通常よりも減少・増幅することで行動切り替えが困難であることや同一行動への固執・硬直といった多様なふるまいが観測された.また,(2)神経回路の階層間の機能的断裂が学習過程において不確実性の推定異常を引き起こす,ということがわかっている.さらに,平成30年度に行ったロボット実験において,当初想定していなかった興味深いデータを得ることができた.得られたデータについては,力学系・情報理論的指標に基づいた追加の解析を行うことで,研究を推進することができると考えられる.これらの結果を統合して,知覚・行動に関する異常性,幻覚・妄想・コミュニケーション障害といった多様な病態メカニズムの原理説明を試みる.
    本研究は認知神経科学・精神医学・ロボティクス,機械学習等の学際的研究であるため,学会発表やワークショップへの参加,ロボット実験のデモンストレーション,ウェブページでの研究資源の開示を通して幅広い分野の研究者と交流し議論を深める.

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

  • 電気情報工学輪講

    2022年度

  • 自然科学実験

    2022年度

  • 理工学基礎実験

    2022年度

  • 機械学習基礎

    2022年度

  • 総合デザイン工学課題研究

    2022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

  • 2021年

    Associate Editor, IEEE/RSJ IROS 2021

  • 2021年

    Associate Editor, IEEE ICDL 2021

  • 2020年

    Associate Editor, IEEE/RSJ IROS 2020

  • 2019年06月
    -
    継続中

    正規委員, 人工知能学会編集委員会

  • 2019年

    Associate Editor, IEEE/RSJ IROS 2019

全件表示 >>