本研究では、ナイーブエージェントが自己教師ありの方法で自分の身体画像を取得するプロセスを探求しています。仮説として、エージェントの身体は環境に比べて時間的安定性が高く、より一貫した感覚体験を生成するとしています。このため、エージェントは自らの運動経験に基づいて身体の外観を予測でき、この予測可能性を利用して身体画像を環境から自動的に分離することが可能です。具体的には、運動状態に関連する視覚的感覚状態を予測するための二重ブランチの逆畳み込みニューラルネットワークを提案し、シミュレーションされたPepperロボットを用いて収集したデータセットでネットワークを訓練しました。最終的に、このネットワークが生成する身体画像の品質を評価し、環境からの可視アームの自動分離を実現しました。