講義では，公式や手順を覚えるだけの表面的な理解にとどまらず，「なぜそうなるのか」を自分の頭で発見してもらうことを目指しています。
研究では，システムの振る舞いをデータ分析と数学的解析から得た知見を組み合わせ，世に役立てるシステム数理解析工学研究グループに所属しています。
講義では，公式や手順を覚えるだけの表面的な理解にとどまらず，「なぜそうなるのか」を自分の頭で発見してもらうことを目指しています。
研究では，システムの振る舞いをデータ分析と数学的解析から得た知見を組み合わせ，世に役立てるシステム数理解析工学研究グループに所属しています。
制御理論の基礎とPythonによるシミュレーション技術に加え，UnityなどのXR技術を用いたインタフェース開発を学べます。ヒトを対象とした操作実験を通じて，実験の計画・実施・分析の一連の流れも身に付きます。
操作するヒトに提示する情報の工夫によって，操作が難しい機械をより容易に扱えるようにするための研究です。たとえば倒立振子（棒を手のひらの上で立てるような課題）では，未来の情報を常に表示することで，制御に必要な情報量を減らせることがわかっています。この情報量の削減が操作の容易化につながると考えており，ドローンや建設機械など操作が難しい実機への展開を目指しています。
強化学習の理論とPythonによる実装技術を学べます。シミュレーションから実機への展開を一貫して経験でき，C言語によるマイコン実装などハードウェアに近い開発スキルも身に付きます。
強化学習AIに与える情報の工夫によって，ロボットの自律制御をより効率的に学習させるための研究です。強化学習とは，AIが試行錯誤を繰り返しながら自ら操作方法を獲得する技術ですが，十分な性能を得るまでに膨大なデータ量と時間を要することが課題です。ヒトの場合と同じ倒立振子のシステムでは，学習に必要なデータ量と時間を大幅に削減でき，最終的な性能も向上することが確認されています。この手法がより複雑なシステムにも有効であると考えており，二足歩行ロボットなどへの展開を目指しています。