| Project/Area Number |
22K17978
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61050:Intelligent robotics-related
|
|---|
| Research Institution | National Institute of Information and Communications Technology (2023)
Aoyama Gakuin University (2022) |
|---|
Principal Investigator |
Ito Seiya 国立研究開発法人情報通信研究機構, ユニバーサルコミュニケーション研究所先進的リアリティ技術総合研究室, 研究員 (30938709)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 3Dモデリング / 意味情報 / 概念階層 / 階層画像分類 / 深層学習 / 領域分割 / スーパーピクセル / 物体パーツ認識 |
|---|
| Outline of Research at the Start |
様々な社会問題を解決するための手段としてロボットへの期待が高まっており，ロボットは周辺環境の地図を構築し，その環境を幾何的・意味的に理解しながら，柔軟に行動することが求められる．本研究では，上位概念が下位概念を包含する概念階層に基づいて意味情報を処理することにより，状況に適した概念レベルの意味情報をもつ3次元環境地図を構築する，階層型セマンティックモデリングを実現する．また，環境地図は扱う意味情報の増加やシーンの大規模化に伴い肥大化するため，幾何情報と意味情報を圧縮し，コンパクトな環境地図を実現する．
|
| Outline of Final Research Achievements |
This study developed a foundational technology for robots to understand their surrounding environments geometrically and semantically, facilitating flexible decision making. The core of this technology is an image recognition algorithm based on conceptual hierarchies, which allows the construction of 3D environment maps that encompass various levels of semantic information. To evaluate the performance of semantic modeling, a new benchmark dataset was constructed, which combines real-world dynamic elements and static environments, enabling analysis in dynamic contexts. Furthermore, to address the issue of data bloat caused by increasing semantic information, this study developed a method for efficiently compressing both the geometric and semantic data of objects.
|
| Academic Significance and Societal Importance of the Research Achievements |
環境のセマンティックモデリングに関する研究はコンピュータビジョンやロボティクス分野で進められてきているが、意味推定には既存の画像認識技術を利用しており、その多くは認識対象とするクラスを同列に扱っている。本研究では、認識対象とするクラスに基づいて、抽象度の高いクラスから具体的なクラスまで、異なる概念レベルでの意味理解を可能にした。これにより、ロボットが複雑な環境や多様な概念を効率的に処理できるようになるため、学術的意義は大きいといえる。また、ロボットの複雑な環境に対する柔軟な理解および適応能力を向上させ、ロボットの実用化に貢献することが期待される。
|
