slide1
Download
Skip this Video
Download Presentation
最近の 4 年生・修士の研究内容

Loading in 2 Seconds...

play fullscreen
1 / 59

最近の 4 年生・修士の研究内容 - PowerPoint PPT Presentation


  • 157 Views
  • Uploaded on

最近の 4 年生・修士の研究内容. 星野研究室一同. 研究室の概要. 人間の知能獲得システム 人間の感性評価システム 人間らしい意思決定支援システム 人間にやさしいヒューマンインタフェース 人間らしい知的制御システム. 知能システム 機械学習. マインドストーム 2足歩行ロボット ロボカップ. ヒューマンインタフェース 感性工学. 研究テーマは自由 アイデアと実践あるのみ!. ファジィ理論:高速ライントレースカーのファジィ制御 (M2) ヒューマンインタフェース:ヘリコプタ操縦支援 (OG) モーションキャプチャでの人間の動作解析 ( 新規 )

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' 最近の 4 年生・修士の研究内容' - kirby


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2
研究室の概要
  • 人間の知能獲得システム
  • 人間の感性評価システム
  • 人間らしい意思決定支援システム
  • 人間にやさしいヒューマンインタフェース
  • 人間らしい知的制御システム

知能システム

機械学習

マインドストーム

2足歩行ロボット

ロボカップ

ヒューマンインタフェース

感性工学

slide3
研究テーマは自由アイデアと実践あるのみ!
  • ファジィ理論:高速ライントレースカーのファジィ制御(M2)
  • ヒューマンインタフェース:ヘリコプタ操縦支援(OG)
  • モーションキャプチャでの人間の動作解析(新規)
  • 最適化問題:ゼミ発表スケジューリング問題(OB)
  • 知能ロボット:ネットワークコントロールロボ(OB)
          • 強化学習による最短経路探索問題(OB)
  • 感性工学:キャラクタデザインのための
  •               カラーパレット支援システム(OB)
  • RoboCup:強化学習によるサッカーロボットの制御(OG)
  • FPGAを用いた高速ラベリングによる ロボットサッカーボール追跡(星野)
  • 自己組織化アルゴリズムを用いたネクタイ・Yシャツ組み合せ
  • コーディネーションシステム(星野)
  • ParticleSwarmOptimizationを用いた階層型ニューラルネットワークの学習(星野)
  • 画像処理フィルタ自動設計研究(星野)
slide4

マインドストームとは?

レゴ・エデュケーショナル・ディビジョン社(デンマーク)と

マサチューセッツ工科大学が共同開発したロボット製作キットです。

光センサー,タッチセンサー,プロセッサーボックスがあり,

これらと各パーツを組み合わせてロボットを製作します.

コントロールプログラムをプログラミングしてPCから

ダウンロードして使います.

slide5

ロボットを動かすプログラム例

スイッチOn-Offの二分木型の決定木

slide7

押さない

3回押す

1回押す

回転(採)

左移動

1回押す

1回押す

全停止

押さない

1回押す

2回押す

押さない

回転(放)

右移動

押さない

1回押す

4回押す

押さない

ボタン一つでコントロールするインタフェース

状態遷移図(論理回路)

1回押す...左へ移動

2回押す...右へ移動

3回押す...アーム回転

採る方向

4回押す...アーム回転

放す方向

※動作中に1回押すと動作が停止

※押さないと現状維持

slide8
ボールを打ち返す動作
  • タッチセンサーを使って、ボールが当たったことに反応し、モーターでボールを打ち返す。
slide9
ボールを探す・シュート!!
  • 光センサーを使い、回転してボールの場所を探す。見つけたらボールに向かって突進。
slide10

一瞬でボールだけを見分けてます.

フェイストラッキングもやってます.

slide11
高速ライントレースカーのファジィ制御 ジグザグ なめらか バンバン制御 ファジィ制御
slide13

ネットワークロボット:

ネットワークとロボットを融合させたロボットシステム

・広視野カメラ

・GPS

など…

外部センサ

無線LAN

エージェント

環境

ネットワーク

slide14

ネットワークロボットとネットタンサー―ネットタンサーの基本概要とシステムの開発環境―ネットワークロボットとネットタンサー―ネットタンサーの基本概要とシステムの開発環境―

  • 製品名:

NetTansor

(以下NT)

  • 発売元:

バンダイ

  • 特徴:

・ウェブカムユニット搭載

・無線LANによる遠隔操作

・画像処理ライブラリ

・コンパイル

・アプリケーションの実行

slide15
RGB表色系

RGB表色系

  • 光の三原色の輝度値で色を表現する
  • カメラから取り込まれた値はBGRの順番
    • Red : 赤 0~255 : 8bit
    • Green : 緑 0~255 : 8bit
    • Blue : 青 0~255 : 8bit
slide16
HSV表色系
  • 感覚的に色を捉えることが事ができる
  • 領域を分離抽出するのに適している
    • Hue : 色相
    • Saturation : 彩度
    • Value : 明度

Hue Circle : 色相環

slide17
障害物・目標物の認識

NTからの取得画像

運搬物(緑)の認識画像

H:50~75

障害物(赤)の認識画像

運搬先(青)の認識画像

H:0~20,

150~179

H:95~120

60°

slide18
物体の位置情報の取得

NTからの取得画像

NT前方直線上の障害物

障害物の認識画像

障害物の認識範囲

60°

slide19
物体の位置情報の取得

・それぞれの処理画像から抽出物の右下の座標を取得.物体の位置関係を認識する.

・画面の下側に近いものを優先的に回避するように行動する.

(218,135)

(263,207)

障害物の認識画像

運搬物の認識画像

H:0~20,

150~179

H:50~75

60°

slide20
仕事エリア環境と物体認識―仕事エリアの環境設定―仕事エリア環境と物体認識―仕事エリアの環境設定―

NetTansor

ゴール

壁を設置しない

110cm

133cm

運搬物

障害物

※各物体はランダムに配置する

障害物をよけながら運搬物をゴールに運びます.

slide21

遺伝的アルゴリズム

algorithm:人間や機械に仕事をさせるときの手順のこと。

    停止しない場合はprocedure(手順・手続き)という。

生物の進化(選択淘汰・突然変異)の原理に着想

遺伝子操作により良い個体を残すことで問題解決

遺伝子

選択

交叉

突然変異

個体

slide22
遺伝的アルゴリズムを使って,ゼミスケジューリングを自動計算遺伝的アルゴリズムを使って,ゼミスケジューリングを自動計算
particleswarmoptimization
ParticleSwarmOptimizationアルゴリズム

個体全体で最も良い位置(G-BEST)は全体に通知される.

個体(粒子:Particle)が過去に得た良い位置(P-BEST)は個体自身に通知される.

slide24
PSOの処理手順
  • 各粒子の初期位置 x particleと初期速度 vparticleをランダムに初期化.
  • xpbestを現在位置x particleに初期化.
  • xgbestを群全体で最も良い適応度を持つ粒子の位置xpbestに初期化.
  • 設定した回数まで以下の5~9を繰返す.
  • (5)式に従って x particleを更新.
  • 新たな位置x particleで適応度を計算.
  • xpbestでの適応度よりも良い値が得られたら、xpbestを新たな位置と適応 度に置き換える.
  • (xpbestは個体が過去の中で最良適応度を得た位置)
  • xgbestでの適応度よりも良い値が得られたら、xgbestを新たな位置と適応 度に置き換える.
  • (xgbestは郡全体の中で最良適応度を持つ位置)
  • (6)式に従ってvparticleを更新する。
slide25
PSOの軌跡関数の最大値探索

パーティクルが真ん中に集まってくる.

PSOは最適解,准最適な付近に粒子が

集まる傾向がある. G-BESTの効果

slide26
感性工学

「感性工学とは,これから生まれる商品に対して,消費者の抱いているイメージや感性を商品デザインに翻訳する工学技術」

  • 消費者の感性やイメージを正確に把握
  • 人の感性⇔商品の機能,外観,色...etc
slide27
因子分析
  • 散らばった情報に共通性を見出して、そこに隠されている、本質的な意味を示す手法

あなたは国語と英語の点数が良いから文系タイプね。

単純な要因(印象評価)

共通の因子でまとめる

因子分析

(固有値 問題)

slide29
キャラクターと色の感性評価

やわらかさの因子

愛着の因子

   図:キャラクターマッピング          

slide30

因子分析結果

カラーイメージスケールの因子

■SOFT – HARD

  ■WARM – COOL

 の形容詞対を含んでいる。

slide31
キャラクターと色の感性評価

  キャラクターマッピング                 カラーイメージスケール

slide32
キャラクターと色の感性評価

  キャラクターマッピング                 カラーイメージスケール

slide33

ポジショニングマップによるバイクの商品開発ポジショニングマップによるバイクの商品開発

感性評価を使って商品のポジショニングを行う!

商品間の位置関係がわかるように

ポジショニング

商品をマップ上に配置

バイクA   バイクD

               新しいバイク

バイクB    バイクE

      バイクF

    カブ       バイクG  バイクC

自社商品と競合の位置関係を見極める

ニッチ(すきま)は何処?

どの商品に近いものを作りたい?

企画の方向付けができる⇒ニッチ商品の開発

slide34
ニッチ商品の提案

デュエット,マーチ

ファンカーゴ,bB,キューブ

シビック,フィット,ビッツ

ロードスター,インタグラー

この辺ニッチ商品のターゲットエリア

slide35
BS ブレインストーミング

アレックス・F・オズボーンによって考案された会議方式のひとつ

集団思考・集団発想法・ブレインストーミング法(BS法)・ブレスト・課題抽出

可能性は無視して,未来への夢物語を膨らますことが重要!!

「ブレインストーミングの4原則」

1.判断・結論を出さない(結論厳禁)

2.粗野な考えを歓迎する(自由奔放)

3.量を重視する(質より量)

4.アイディアを結合し発展させる(結合改善)

「否定的発言」は厳禁!!

slide36
BS法のアイスブレーク・フリートーク お題:面接につけるネクタイ(因子得点マップ)
slide38
AHP(階層分析法)

2つの要素の一対比較という直感的で単純な判断の積み重ねで,

これを基に問題全体の大局的な判断を支援する.

実際に組織の中だけではなく社会や公共の意思決定の場で広く実際に利用されている.

面接に付けていくネクタイの意思決定をしてみる...

slide39

強化学習の構成

  • 状態認識器環境状態を認識しルール集合を生成
  • 行動選択器 生成されたルール集合から行動を決定
  • 学習器 環境から報酬を受取りルールの重みを更新
slide40

Heterogeneous Multi-Agent System

お互いが影響しあう

A2

A1

問題を速やかに解決.

slide41
ファイヤーパニック問題

First 30,000 trials

Last 30,000 trials

第22回 ファジィ システム シンポジウム in 札幌 ソフトコンピューティングとエンタテインメント

CGIE2006 での企画セッション「Soft Computing and Games/Entertainment」 

slide42
ペット型ロボットをもちいた独居者の在宅データ取得と隠れセミマルコフモデル(HSMM)による体調不良推定ペット型ロボットをもちいた独居者の在宅データ取得と隠れセミマルコフモデル(HSMM)による体調不良推定
  • AIBO ERS-7型
  • PCとAIBOは無線LANで常に通信
  • 実験場所はワンルームマンションの一室
  • 被験者はその部屋に住む女性1名

第22回 ファジィ システム シンポジウム in 札幌 知的画像処理

食卓

クローゼット

テレビ

浴室

トイレ

ベッド

デスク

洗濯機

台所

slide43
システムの流れ

在宅データ取得システム

  • 被験者が画像中に
  • いるかどうかを調査
  • いる場合,発見場所と
  • 発見時刻を在宅データ
  • として記録

送信

画像データを取得

非日常生活推定システム

  •  得られた在宅データから,日常の生活モデルを構築
  •  日常と違う日を,非日常として推定する
  •  構築と推定には,隠れセミマルコフモデルを使用
slide44
モルフォロジー演算の自動調整
  • FPGAのよる画像処理のハードウエア化
  • 高速かつリアルタイム処理が可能
  • 画像処理+ハードウエアの専門知識が不可欠
  • 基本的なモジュール+処理系

パラメータチューニング

FPGAのシミュレーションはPC上で可能

ターゲット:㈱ユーテック社製 gTOPシリーズ使用

slide45
モルフォロジー演算
  • 基本的なフィルタ演算
    • 膨張(Dilation) 収縮(Erosion)‏
    • 組合せ演算 … オープニング(Opening)‏

    クロージング(Closing)‏

dilation
膨張(Dilation)‏

OpenCVではcvDilate()関数を使います.

8近傍(4近傍)の場合:

   入力注目画素と近傍画素(9 or 5)の一つでも

黒なら出力注目画素は,黒

対象画像

構成要素

erosion
収縮(Erosion)‏

OpenCVではcvErode()関数を使います.

8近傍(4近傍)の場合:

   入力注目画素と近傍画素(9 or 5)の一つでも

白なら出力注目画素は,白

対象画像

構成要素

opening
オープニング(Opening)‏

収縮⇒膨張の処理を行う.OpenCVではcvMorphologyEx関数を使います.処理としては膨張,収縮の順番で処理

対象画像

対象画像

構成要素

構成要素

closig
クロージング(Closig)‏

膨張⇒収縮の処理を行う.OpenCVでは cvMorphologyEx関数を使います.処理としては収縮,膨張の順番で処理

対象画像

対象画像

構成要素

構成要素

slide50
特殊な処理
  • グラジエント

Dailationした画像からErosionした画像を減算(XOR,OR)

(エッジを検出に相当)

  • トップハット変換

元画像からOpeningした画像を減算(XOR,OR)

  • ブラックハット変換

Closingした画像から元画像を減算(XOR,OR)

slide51
演算例

元画像(2値画像)   Dilation(膨張) Erosion(収縮) Opening

Closing グラジエント トップハット変換 ブラックハット変換

32bit
32bitで各処理を表現
  • gTOPのFPGAモジュールの制御レジスタ準拠
  • 256段階のグレー色データ画像(白~灰~黒)
  • 2値化、反転(ネガポジ)のオペレーションを追加
  • 32ビット1本で表現できる.

反転(ネガポジ):白~黒のデータを

黒~白に変換

2値化:ある閾値で白・黒に分割

slide53
メディアンフィルタ
  • 対象画素の8近傍の画素データから

  中間値を取得

  • 対象画素を中間値に

{1,2,3,5,5,7,8,9,10}の真中は5

slide54
進化計算
  • 生物の進化を模倣した解探索アルゴリズム

a)評価の低い子x2を選択

b)交叉 2つの子に似た子供を作る

c)突然変異 親とは無関係な特徴も持たせる

d)新しい子を評価

slide55
進化計算
  • 生物の進化を模倣した解探索アルゴリズム

a)評価の低い遺伝子列を選択

b)交叉 {11110000} {00111100}

⇒ {11111100} {00110000}

二つの遺伝子列の一部を入れ替え

c)突然変異{11110000}

⇒ {11111000}

    遺伝子を一定確立で反転

d)遺伝子列を評価(理想欠陥画像との類似誤差)‏

slide56
FPGAモジュール制御レジスタ
  • bit0 4 or 8近傍選択
  • bit1~bit3 Selector1

(膨張,収縮,Closing, Opening, Closing, OpeningとClosingのOR, OpeningとClosingのXOR)

  • bit4 Selector2

(入力画像とSelector1処理画像とのXOR)

  • bit8~bit11 パラメータ m (3x3~13x13)
  • bit12~bit15 未使用(実ボードのみで使用)
  • bit16~bit19 パラメータ n (3x3~13x13)
  • bit20~bit23 メディアンフィルタ(on-off,3x3~11x11)
  • bit24 元画像をネガポジ処理
  • bit25~bit31 2値化閾値
slide57
モフォロジを使って異物を見つけてみる.ミミズみたいな異物...わかるかな?モフォロジを使って異物を見つけてみる.ミミズみたいな異物...わかるかな?

原画像

slide58
実験結果異物発見成功!!

実験1回目

実験2回目

ad