Project/Area Number |
21J10059
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Single-year Grants |
Section | 国内 |
Review Section |
Basic Section 60060:Information network-related
|
Research Institution | Osaka University |
Principal Investigator |
吉村 直也 大阪大学, 情報科学研究科, 特別研究員(DC2)
|
Project Period (FY) |
2021-04-28 – 2023-03-31
|
Project Status |
Completed (Fiscal Year 2022)
|
Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2022: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2021: ¥800,000 (Direct Cost: ¥800,000)
|
Keywords | 行動認識 / マルチモーダルデータセット / 作業員の行動認識 / 産業ドメイン / データセット構築 |
Outline of Research at the Start |
行動認識技術とは,ユーザの体等に装着したセンサから得られたデータを用いて,そのユーザの行動を推定する技術であり,推定した行動に基づく実世界指向サービスの最適化を実現する重要基盤技術の1つである.しかし,センサの性能やセンサの装着部位・装着方法の差異などにより,認識精度は実験環境と実環境では大きく異なることが指摘されている.本研究では,デバイスの種類や装着位置の差異にロバストな行動認識技術の実現を目指す.
|
Outline of Annual Research Achievements |
行動認識技術とは、ユーザの体に装着したセンサから得られたセンサデータを解析し、そのユーザの行動を推定する技術である。体に装着したセンサを使用するため、センサの装着場所や装着方法が認識精度に大きな影響を与える。本年度はこの問題の解決に向けたデータセットの構築と、装着位置の行動認識性能への影響の評価を試みた。 センサの装着位置・方法と認識精度の関係を正確に調べるため、物流センタにおける梱包作業を記録したマルチモーダルデータセット「OpenPack Dataset」を構築した。6個のウェアラブルセンサを含めて、16人の被験者から53時間を上回るデータを収集することができた。これは既存の作業行動認識データセットとして最大級である。 構築したOpenPack Datasetには、3次元の骨格情報も含まれる。センサの装着位置と認識精度の関係を、ウェアラブルセンサから直接収集したデータと、3次元の骨格情報から計算した加速度データを用いて分析した。センサから収集したデータを用いた検証では、どのセンサも80%程度の精度で認識できるが、左上腕のセンサは常にスコアが低い傾向にあるなどの影響が確認できた。また、3次元骨格情報を用いた検証では、加速度データの生成から認識までのパイプラインの構築と装着位置による認識精度への影響も確認できたが、実際のセンサに比べて精度が低いなど改善点も明らかになった。 データセットの構築だけではなく、データセットの活用を進めるため 国際会議 Percom 2023 WS BiRDにおいて、「OpenPack Challenge 2022」という行動認識コンペティションを実施した。本コンペでは、33チーム、106名の参加登録があり、延べ28,153回のダウンロードがあった。これらの数字からも、構築したデータセットが他の研究者からも注目度が高いものであることがわかる。
|
Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|