近年、深層化・複雑化が進むニューラルネットワークの推論は多くの電力を消費することが知られており、限られたエネルギーしか搭載できないロボットを低消費電力で制御することが求められています。一方、脳の仕組みを模倣したスパイキングニューラルネットワーク（SNN）は、専用の計算素子を用いることで高い電力効率を実現できるため、様々な分野で注目されています。当研究室では、SNNの特性を活かし、低消費電力でありながら優れた学習性能と環境変化への頑健性を両立するアルゴリズムの研究に取り組んでいます。 

近年、深層化・複雑化が進むニューラルネットワークの推論は多くの電力を消費することが知られており、限られたエネルギーしか搭載できないロボットを低消費電力で制御することが求められています。一方、脳の仕組みを模倣したスパイキングニューラルネットワーク（SNN）は、専用の計算素子を用いることで高い電力効率を実現できるため、様々な分野で注目されています。当研究室では、SNNの特性を活かし、低消費電力でありながら優れた学習性能と環境変化への頑健性を両立するアルゴリズムの研究に取り組んでいます。 

深層強化学習では「状態–行動–報酬」の経験を大量に集める必要があります。そのため、実環境だけで学習を続けると、学習にかかる時間が非常に長くなるうえ、機材への負担や実験コストも大きく膨らんでしまいます。そこで当研究室では、仮想環境上に構築したソフトロボットモデルを用いたエージェントの事前学習に関する研究を行っています。 仮想環境上でエージェントを十分に学習し、実機に適用することで実世界における実験コストを減らすことを目指しています。

イベントカメラは低遅延・高速動作・高ダイナミックレンジが求められるロボティクスやコンピュータビジョン分野において活用が期待されています。当研究室ではイベントカメラを用いた人物の動作認識や、動的機器の異常検知を目的とした、イベントカメラ映像解析のためのスパイキングニューラルネットワークに関する研究を行っています。

自動車の衝突防止に用いられているミリ波レーダを人物のジェスチャ認識へ応用する研究を行っています。ミリ波レーダは、カメラのように映像を取得する必要がないため、プライバシーへの配慮が求められる環境での活用に適しています。当研究室では、ミリ波レーダから得られる信号を解析し、人物の動作を理解するニューラルネットワーク、およびその学習手法について研究を進めています。