Transfer Learning for Robot Grasping Task

2022 Fiscal Year Final Research Report

• 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
• Keywords: 機械学習 / 大規模モデル / 転移学習

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.

Free Research Field

機械学習

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．