大規模データセットを用いたロボット物体把持タスクの学習の効率化に関する研究

2021 Fiscal Year Research-status Report

• Project/Area Number: 19K20369
• Research Institution: The University of Tokyo
• Principal Investigator: 黒瀬 優介 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
• Keywords: 機械学習 / 画像処理 / ロボティクス

Outline of Annual Research Achievements

本研究では，大規模なデータセットを作成できないような環境においても高精度な物体把持を実現するために，ロボットの物体把持分野における大規模データ セットによる学習を高効率化することを目的とする.これまでロボティクスの分野において軌道そのものを大規模データセットで扱うことは，正解の軌道を与え るプロセスのコストの高さから，申請者の知る限りあまり研究されていない.しかし，近年，深層学習と自己教師付き学習の枠組みが開発されたことによって， 大規模なデータセットの開発というものが可能になった.
そこで，本研究では大規模データによるロボットの学習を高効率化させるための手法の開発を試みる. 本年度も高効率化させるための手法の検討を継続して行なった．深層学習においては，教師データ付きの大規模データセットの構築が前提であり，そのアノテーションコストは膨大なものとなる．大規模データを用意するだけでもかなりの労力を必要とするにもかかわらず、それに追加してアノテーションを人手で付ける労力まで必要とすることは無視することはできない。そこで，アノテーションの付与されていないデータから，ロボット自身が教師情報を自己判断して学習を行う自己教師付き学習の検討を当該年度は行なった．ロボットが自己判断してデータの特徴を学習してくれることにより，アノテーションコストの削減につながる．具体的には，事前学習として画像データを用いて自己教師付き学習を行い，後段の実タスクの学習につなげる手法の検討を行なった．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本年度も継続して手法の開発を行なっており，さまざまな手法を検討している．コロナウィルスの影響や利用する予定だったロボットの影響により、計画に多少の変更点は出ているが，本研究テーマに応用できるものであり，本質的な変更とはなっていないため，上記の区分に設定している．

Strategy for Future Research Activity

今後は，ロボットの実タスクを意識した手法の開発に取り組んでいきたいと考えている．今年度取り組んだ自己教師付き学習だけでなく、さまざまな手法に取り組み、実タスクに活かすことのできる手法の探索をより進める．今後もコロナウィルスの影響もあり，キャンパスへの立ち入りが思うようにできないケースも考えられるため，ロボティクスだけに限らずより一般的な技術開発など臨機応変に対応していく予定である.

Causes of Carryover

次年度使用額が生じた理由は，新型コロナウィルスの影響もあり行う予定だった研究を次年度以降にし，先に手法の開発に取り組んで いるためである.また，国際学会への参加も難しく，このような変更が生じている.次年度以降は手法構築のための物品の購入等を計画している.