2021 Fiscal Year Annual Research Report
知能処理の回路化とロボットプラットフォームへの適用
| Project/Area Number |
20J23242
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
小野 智寛 九州工業大学, 生命体工学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2020-04-24 – 2023-03-31
|
| Keywords | 家庭用サービスロボット / シミュレータ / データセット生成 / 深層学習 / 物体認識 / Sim2Real |
|---|
| Outline of Annual Research Achievements |
家庭用サービスロボットにおける，認識機能の自動獲得を目指して，フォトリアリスティックなシミュレータを用いた深層学習訓練用データセットの自動生成システムの研究開発を行った．
提案システムでは，Sim2Realのために，強化学習で用いられるDomain Randomizationを応用し，背景のテクスチャや色，物体の位置，光源の位置や強さ，鏡面反射率など様々なパラメータを複雑に変化させ，多様なデータセットを生成する．CPUにXeon W-2235を使用した場合，シミュレータを５並列で動作させることで，１時間で約２５万枚の画像・アノテーションデータを同時に生成することができ，人が撮影・アノテーションして作成する場合に比べ，約８７７倍高速であった．また，YCBオブジェクト内の５５クラスを用いて，５０万枚のデータを生成し，インスタンスセグメンテーションのモデル（YolactEdge）を学習したところ，APが71.10%であった．このことから，Sim2Realでの頑健な物体認識ができていることがわかった．
提案システムを用いて学習した物体認識システムを，家庭用ホームサービスロボットの国際的な競技会である，World Robot Challenge (WRC) 2020 Partner Robot Challenge (Real Space)で使用したところ，約７９%の認識率を達成することができ，実ロボットでの使用にも問題ないことが確認できた．WRCでは，室内環境があらかじめ指定されているが，シミュレータでは様々な環境を用意することで，どのような環境でも頑健な物体認識ができることを目指した．そして，この成果は，本競技会での優勝に大きく貢献した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
フォトリアリスティックなシミュレータを用いることで，本年度行った物体認識だけでなく，環境認識や物体の把持点推定，触覚センサや力覚センサを用いたマルチモーダル認識への応用も可能であると考える．これらの技術を一つのシステムでデータを生成，学習できるようにすることで，ロボットが自ら考え，認識することが可能である．家庭環境は日々動的に変化することから，家庭用サービスロボットの社会実装には，このような技術は絶対に必要であると考えている．
これらの理由から，本研究はおおむね順調に進展していると考える．
|
| Strategy for Future Research Activity |
今後は，シミュレータでのデータセット生成について，更に研究開発を続け，環境認識や物体の把持点推定，マルチモーダル認識への応用を行う予定である．また，Domain Randomizationの各種パラメータにおける精度の貢献度を検証し，さらなる精度向上を目指す．
さらに，家庭用サービスロボットへの応用だけでなく，一般的な物体認識・環境認識についても応用できるように汎用化を進める．
|
