自律ロボットは複数のタスクを生涯を通じて順次学習していくことが望ましい姿といえます． しかし，近年注目を集めているニューラルネットワークによる学習はこのような「継続学習」が行えずに，これまで学習した内容を上書きしてしまう「破滅的忘却」という問題を抱えています．
この研究では，破滅的忘却を緩和するために，
- フラクタルネットワーク構造を用いたタスクの疑似モジュール化
- 重要なネットワークパラメータを保持しつつ不必要なものを初期化する正則化項の設計
などを行っています． これらの技術を応用して，4脚ロボットにおける歩行制御の階層学習や，ロボットアームによる文字の模倣学習なども行っています．