Transfer Learning for Robot Grasping Task

Research Project

Project/Area Number	19K20369
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 61050:Intelligent robotics-related
Research Institution	The University of Tokyo
Principal Investigator	KUROSE YUSUKE 東京大学, 先端科学技術研究センター, 助教 (20832512)
Project Period (FY)	2019-04-01 – 2023-03-31
Project Status	Completed (Fiscal Year 2022)
Budget Amount *help	¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000) Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000) Fiscal Year 2021: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000) Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000) Fiscal Year 2019: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Keywords	機械学習 / 大規模モデル / 転移学習 / ドメイン適応 / ドメイン一般化 / 画像処理 / ロボティクス / 大規模データ処理 / 物体把持
Outline of Research at the Start	近年，深層学習による煩雑な環境においても高い精度で物体把持を可能にする手法が開発されたが，この手法は非常に大規模なデータセットを必要とする．ロボットにおいてそのロボット専用の大規模なデータセットを準備することは非常にコストが高く，研究室のような環境では困難である．そこで本研究では，ロボットの物体把持に関する学習を効率化するアルゴリズムの開発に取り組み，比較的小規模なデータセットで同等の精度を実現することを目指す．
Outline of Final Research Achievements	In recent years, with the development of deep learning, models trained on large-scale data have made a big impact. However, the process of preparing and training on large-scale data is a very labor-intensive task. Therefore, in this study, we investigated how to efficiently utilize models learned on large-scale data for other models. Specifically, we studied domain adaptation in multi-instance learning and domain generalization. In each case, we confirmed that our method outperforms conventional and comparative methods.
Academic Significance and Societal Importance of the Research Achievements	本研究では，大規模データで学習したモデルをどう効率良く別のモデルに生かしていくかという点で研究を進めた．当初の予定では，ロボットの実機を対象としたタスクを想定していたが，コロナウィルスによる大学への入溝制限等により実機を用いて進めることが困難となった．そのため，それらを支える基礎的な技術の開発に取り組むこととなった．そのため，基礎的な技術の開発を行うこととなったが，それにより汎用的な手法の開発に繋がることになった．現在は大企業のみが大規模データによる学習を行えるが，それらを利用してそうでない人たちが自由に学習を行える環境を作ることができる未来に本研究は繋がっていくのではないかと考える．