近年，自律移動ロボットの制御器の構築に際して，進化ロボティクスの分野が注目を 集めている．進化ロボティクスは，設計者が規定することが困難，かつロボットの行 動生成に対して必要な情報を，陽に意識しなくとも制御器の構築に反映できるという 利点を有する．しかしながら，進化は多くの試行とそれに対する評価を繰り返す必要 があり，この過程をオンラインで行うことは現実には不可能である．このような理由 により，計算機上に構築されたシミュレーションにて進化を行い，その結果，獲得し た最良個体を制御器として利用する試みが数多く行われてきた．しかしながら，進化 により獲得した制御器を利用した場合，シミュレーションでは考慮されなかった環境 要因の影響により，実環境において適切に機能させることが困難であるという問題点 を抱えていた．
本研究では，上記の問題を解決し，シミュレーション上で獲得した制御器をシー ムレスに実環境に適応可能な制御器の構築を目指している．これまでに、神経修飾物 質の働きにより発現される，生物の神経回路における多型性の概念に着目した動的再 編成ニューラルネットワークを提案し、自律移動ロボットの制御器として利用する試 みを行ってきた．
本発表では，提唱するニューラルネットワークと，従来手法として用いられてき た結線荷重が固定されたニューラルネットワークの能力のを実験を通じて比較する． /P>