慶應義塾研究者情報データベース

経歴 【 表示 ／ 非表示 】

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 】

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 】

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 】

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 】

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

• ニューラルネットワーク

全件表示 >>

著書 【 表示 ／ 非表示 】

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 】

論文 【 表示 ／ 非表示 】

• Real-World Robot Control by Deep Active Inference With a Temporally Hierarchical World Model

  Fujii K., Murata S.

  IEEE Robotics and Automation Letters 11 （ 1 ） 890 - 897 2026年

  　概要を見る

  Robots in uncertain realworld environments must perform both goaldirected and exploratory actions. However, most deep learning-based control methods neglect exploration and struggle under uncertainty. To address this, we adopt deep active inference, a framework that accounts for human goal-directed and exploratory actions. Yet, conventional deep active inference approaches face challenges due to limited environmental representation capacity and high computational cost in action selection. We propose a novel deep active inference framework that consists of a world model, an action model, and an abstract world model. The world model encodes environmental dynamics into hidden state representations at slow and fast timescales. The action model compresses action sequences into abstract actions using vector quantization, and the abstract world model predicts future slow states conditioned on the abstract action, enabling low-cost action selection. We evaluate the framework on object-manipulation tasks with a real-world robot. Results show that it achieves high success rates across diverse manipulation tasks and switches between goal-directed and exploratory actions in uncertain settings, while making action selection computationally tractable. These findings highlight the importance of modeling multiple timescale dynamics and abstracting actions and state transitions.

  • Access to Document (DOI)

• System 0/1/2/3: Quad-Process Theory for Multitimescale Embodied Collective Cognitive Systems

  Taniguchi T., Hirai Y., Suzuki M., Murata S., Horii T., Tanaka K.

  Artificial Life 31 （ 4 ） 465 - 496 2025年12月

  　概要を見る

  This article introduces the System 0/1/2/3 framework as an extension of dual-process theory, employing a quad-process model of cognition. Expanding upon System 1 (fast, intuitive thinking) and System 2 (slow, deliberative thinking), we incorporate System 0, which represents precognitive embodied processes, and System 3, which encompasses collective intelligence and symbol emergence. We contextualize this model within Bergson's philosophy by adopting multiscale time theory to unify the diverse temporal dynamics of cognition. System 0 emphasizes morphological computation and passive dynamics, illustrating how physical embodiment enables adaptive behavior without explicit neural processing. Systems 1 and 2 are explained from a constructive perspective, incorporating neurodynamical and artificial intelligence (AI) viewpoints. In System 3, we introduce collective predictive coding to explain how societal-level adaptation and symbol emergence operate over extended timescales. This comprehensive framework ranges from rapid embodied reactions to slow-evolving collective intelligence, offering a unified perspective on cognition across multiple timescales, levels of abstraction, and forms of human intelligence. The System 0/1/2/3 model provides a novel theoretical foundation for understanding the interplay between adaptive and cognitive processes, thereby opening new avenues for research in cognitive science, AI, robotics, and collective intelligence.

  • Access to Document (DOI)

• Variational Adaptive Noise and Dropout towards Stable Recurrent Neural Networks

  Kobayashi T., Murata S.

  2025 IEEE International Conference on Development and Learning ICDL 2025 （IEEE）     1 - 6 2025年09月

  　概要を見る

  This paper proposes a novel stable learning theory for recurrent neural networks (RNNs), so-called variational adaptive noise and dropout (VAND). As stabilizing factors for RNNs, noise and dropout on the internal state of RNNs have been separately confirmed in previous studies. We reinterpret the optimization problem of RNNs as variational inference, showing that noise and dropout can be derived simultaneously by transforming the explicit regularization term arising in the optimization problem into implicit regularization. Their scale and ratio can also be adjusted appropriately to optimize the main objective of RNNs, respectively. In an imitation learning scenario with a mobile manipulator, only VAND is able to imitate sequential and periodic behaviors as instructed.

  • Access to Document (DOI)

• Active Inference with Dynamic Planning and Information Gain in Continuous Space by Inferring Low-Dimensional Latent States

  Matsumoto T., Fujii K., Murata S., Tani J.

  Entropy 27 （ 8 ）  2025年08月

  　概要を見る

  Active inference offers a unified framework in which agents can exhibit both goal-directed and epistemic behaviors. However, implementing policy search in high-dimensional continuous action spaces presents challenges in terms of scalability and stability. Our previously proposed model, T-GLean, addressed this issue by enabling efficient goal-directed planning through low-dimensional latent space search, further reduced by conditioning on prior habituated behavior. However, the lack of an epistemic term in minimizing expected free energy limited the agent’s ability to engage in information-seeking behavior that can be critical for attaining preferred outcomes. In this study, we present EFE-GLean, an extended version of T-GLean that overcomes this limitation by integrating epistemic value into the planning process. EFE-GLean generates goal-directed policies by inferring low-dimensional future posterior trajectories while maximizing expected information gain. Simulation experiments using an extended T-maze task—implemented in both discrete and continuous domains—demonstrate that the agent can successfully achieve its goals by exploiting hidden environmental information. Furthermore, we show that the agent is capable of adapting to abrupt environmental changes by dynamically revising plans through simultaneous minimization of past variational free energy and future expected free energy. Finally, analytical evaluations detail the underlying mechanisms and computational properties of the model.

  • Access to Document (DOI)

• Selection of Exploratory or Goal-Directed Behavior by a Physical Robot Implementing Deep Active Inference

  Igari K., Fujii K., Haddon-Hill G.W., Murata S.

  Communications in Computer and Information Science （Springer Nature Switzerland）  2193 CCIS   165 - 178 2024年12月

  最終著者, 責任著者, 査読有り,  ISSN  1865-0929

  　概要を見る

  Intelligent robots are being developed with the expectation that they will perform various tasks in diverse environments. Such robots need to autonomously engage in both exploratory behavior to reduce environmental uncertainty and goal-directed behavior to achieve their preferred observations (or goals). In this study, we focus on active inference, which provides a unified scheme for these distinct behavioral modes. Policy selection in active inference is based on minimizing expected free energy (EFE), which consists of one term representing epistemic value and another representing extrinsic value. Specifically, we investigate the influence of preference precision, which controls the balance between these two terms, on policy selection by a physical robot receiving high-dimensional and uncertain observations. We developed a deep active inference framework comprising a world model and a policy suggester. The world model predicts future hidden states and observations based on candidate policies from the policy suggester. The EFE for each policy is approximated using the predicted future hidden states and observations as well as the preferred observation. We implemented our proposed framework in a robot, requiring it to select a policy that minimizes EFE and then generate actions accordingly. The experimental results showed that the robot implementing the proposed framework selected exploratory or goal-directed behavior depending on the level of preference precision. These findings suggest that adjusting preference precision plays a crucial role in the autonomous selection of exploratory or goal-directed behavior in real-world situations with potential uncertainty.

  • Access to Document (DOI)

全件表示 >>

KOARA（リポジトリ）収録論文等 【 表示 ／ 非表示 】

KOARA（リポジトリ）収録論文等 【 表示 ／ 非表示 】

• 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

  村田, 真悟

  科学研究費補助金研究成果報告書 2022年

• 人と描画AIエージェントのインタラクションに関する大規模Web実験

  村田, 真悟

  福澤諭吉記念慶應義塾学事振興基金事業報告集 （福澤基金運営委員会）  2022年

• 深層学習を用いたサブゴールの生成による協働ロボットの未完作業の継承と修正

  村田, 真悟

  学事振興資金研究成果実績報告書 （慶應義塾大学）  2021年

• 人と描画AIエージェントのインタラクションに関する大規模Web実験

  村田, 真悟

  福澤諭吉記念慶應義塾学事振興基金事業報告集 （福澤基金運営委員会）  2021年

• ロボットによる巧みな物体操作を実現するための自己教師あり学習法の提案

  村田, 真悟

  学事振興資金研究成果実績報告書 （慶應義塾大学）  2020年

総説・解説等 【 表示 ／ 非表示 】

総説・解説等 【 表示 ／ 非表示 】

• Special issue on world models and predictive coding in robotics (Part I)

  Taniguchi T., Ognibene D., Jamone L., Ugur E., Lanillos P., Ciria A., Suzuki M., Murata S., Nakata Y., Nakamura T.

  Advanced Robotics （Advanced Robotics）  37 （ 13 ）  2023年

  ISSN  01691864

  • Access to Document (DOI)

• Special issue on world models and predictive coding in robotics (part II)

  Taniguchi T., Ognibene D., Jamone L., Ugur E., Lanillos P., Ciria A., Suzuki M., Murata S., Nakata Y., Nakamura T.

  Advanced Robotics （Advanced Robotics）  37 （ 19 ）  2023年

  ISSN  01691864

  • Access to Document (DOI)

研究発表 【 表示 ／ 非表示 】

研究発表 【 表示 ／ 非表示 】

• Deep Active Inference with Reconstructive and Contrastive Learning

  Kentaro Fujii, Takuya Isomura, Shingo Murata

  The 5th International Workshop on Active Inference, 

  2024年09月

  , 

  ポスター発表

• 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）

全件表示 >>

競争的研究費の研究課題 【 表示 ／ 非表示 】

競争的研究費の研究課題 【 表示 ／ 非表示 】

• 精神障害の計算論的診断学：次元・カテゴリー統合による次世代疾病概念の構築

  2025年04月

  -

  2030年03月

  日本学術振興会, 科学研究費助成事業, 山下 祐一, 村田 真悟, 鈴木 真介, 片平 健太郎, 村田 真悟, 鈴木 真介, 片平 健太郎, 基盤研究(A), 未設定

  　研究概要を見る

  現行の精神障害診断カテゴリーは生物学的・臨床的妥当性が不十分であり、新たな疾病概念の確立が求められている。そこで、本研究は機械学習（ML）・人工知能（AI）技術を基盤とする計算論的精神医学に基づき、精神障害の背後にある連続的・離散的潜在状態を捉え、それを次元的・カテゴリー的臨床判断に統合する新たな疾病概念（「計算論的診断学」）を構築する。具体的には、階層的・動的、かつ連続的・離散的性質を併せ持つ潜在状態抽出を可能にする計算モデルの開発と、抽出した潜在状態を次元的・カテゴリー的性質を併せ持つ臨床判断に融合させる計算論的手法を確立し、WEB実験により疾病概念の妥当性と臨床的有用性を検証する。

• 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

  　研究概要を見る

  人とロボットの長期にわたる持続的なインタラクションの実現が期待される．本研究は，その実現のための一つのアプローチとして，人同士のインタラクションを支える脳内情報処理の「計算原理」を理解し，その原理に基づいてロボットの知的情報処理機構を開発する．具体的には，理論神経科学の分野で提唱されている自由エネルギー原理（Free-Energy Principle: FEP）に注目する．理論的枠組みであるFEPに対して，深層学習分野で培われてきた実世界応用可能なアルゴリズムを適用することでロボットの知的情報処理機構を構築し，人―ロボット間インタラクション実験を通じて，開発技術を検証する．
  本研究課題では，人同士のインタラクションを支える脳内情報処理の「計算原理」を理解し，その原理に基づいてロボットの知的情報処理機構を開発することを目的とする．具体的には，理論神経科学の分野で提唱されている自由エネルギー原理（Free-Energy Principle: FEP）に注目する．理論的枠組みであるFEPに対して，深層学習分野で培われてきた実世界応用可能なアルゴリズムを適用することでロボットの知的情報処理機構を構築し，人―ロボット間インタラクション実験を通じて，開発技術を検証する．
  令和6年度は，FEPを実世界環境でのインタラクションにスケールさせるためのフレームワークの構築を行なった．具体的には，高次元の観測情報時系列から潜在的なダイナミクスを抽出するための世界モデル，観測情報に応じたロボットの行動系列候補を生成可能な方策モデルを実装し，数値実験及びロボット実験による評価を行なった．世界モデルについては，時系列データの処理機構としてRNNを用いたモデルとTransformerを用いたモデルを実装した．また，方策モデルについては，RNNを用いたモデルと拡散モデルを用いたモデルを実装した．
  数値実験及び実ロボット実験によって，世界モデルの自己回帰的な観測予測能力，方策モデルの観測に応じた行動系列候補の生成能力を確認した．これらの成果は，人とインタラクションしながらロボットが期待自由エネルギーを最小化する行動を選択するための基盤となるものであり，本研究の目的に向けた重要な進展である．
  現在までに，自由エネルギー原理（FEP）に基づくロボットの知的情報処理機構の構築に向け，世界モデルおよび方策モデルの実装と評価を進めた．これらの成果の一部は，査読付き国際会議において発表を行い，対外的な評価も得ている．加えて，人とロボットの物理的なインタラクションを実現するために，ロボットのインピーダンス制御の環境整備も進めており，実験系のさらなる拡充に取り組んでいる．これらの取り組みにより，実環境下での人ーロボットインタラクションの実現に向けた基盤を着実に構築しつつある．
  今後の研究では令和6年度に構築した計算フレームワークを利用して，人とロボット間のインタラクション実験を実施していく．具体的には，人の動作や力の変化に応じてロボットが適応的に行動を選択する状況を設定し，期待自由エネルギーの最小化に基づく行動選択メカニズムの有効性を検証する．また，インピーダンス制御による柔軟な力のやり取りを活用し，物理的インタラクションにおける双方向の適応過程を明らかにすることを目指す．これにより，FEPに基づくロボットの意思決定機構が実環境下で人との協調的行動にどのように寄与するかを体系的に評価する．

• 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。

全件表示 >>

受賞 【 表示 ／ 非表示 】

受賞 【 表示 ／ 非表示 】

• Advanced Robotics Best Survey Paper Award

  Tadahiro Taniguchi, Shingo Murata, Masahiro Suzuki, Dimitri Ognibene, Pablo Lanillos, Emre Ugur, Lorenzo Jamone, Tomoaki Nakamura, Alejandra Ciria, Bruno Lara, Giovanni Pezzulo, 2024年09月, The Robotics Society of Japan

• 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 】

担当授業科目 【 表示 ／ 非表示 】

• 機械学習基礎

  2026年度

• 総合デザイン工学博士研究

  2026年度

• 自然科学実験

  2026年度

• 総合デザイン工学修士研究２

  2026年度

• 総合デザイン工学課題研究

  2026年度

全件表示 >>

所属学協会 【 表示 ／ 非表示 】

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 】

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

• 2024年

  -

  継続中

  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

全件表示 >>