2020 Fiscal Year Research-status Report
The realization of next-generation SLAM technique based on self-diagnosis map: maintenance-free SLAM
| Project/Area Number |
20K12008
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
田中 完爾 福井大学, 学術研究院工学系部門, 准教授 (30325899)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 移動ロボット / SLAM / 自己診断型地図 / bag-of-words / 訓練手法 / メンテナンス / 故障診断 |
|---|
| Outline of Annual Research Achievements |
本年度は、下記の（１）～（３）の課題に取り組んだ。
（１）単眼SLAMシステムの故障診断に関する研究：SLAMシステムのサブモジュール間の不整合を故障インジケータとして利用する、新しい故障診断手法を提案した。一対比較法（PC）や異常検知法（AD）などの既存手法が、外部の知識ベース（例：背景画像群、背景モデル）を要求するのに対し、提案法は、SLAMシステムを唯一の知識ベースとして利用するため、外部の知識ベースをメンテナンスする必要がない。特に、単眼SLAMシステムでは、スケール変化に起因する見かけ上の不整合を、本質的な不整合と区別することが重要となる。そこで、スケール変化に頑健な、bag-of-words 情景モデルを基盤とする新しいSLAMシステムを開発した。さらに、利用可能な知識ベースの種類に応じて、既存手法（PC、AD）と提案手法（FD）を切り替えて組み合わせることで、さらなる診断性能の向上を実現した。
（２）視覚場所分類器のメンテナンスに関する研究：視覚場所分類器（VPC）のメンテナンスコストに注目した、新しい訓練手法を提案した。提案手法は、訓練画像列から、重要でない大部分を破棄し、必要最小限の訓練データを切り出す。この必要最小限の訓練データをもちいることで、VPCは、訓練ドメインへ過適応することなく、ドメイン変化へ適応することが可能になった。
（３）深層場所分類器の故障診断に関する研究：深層場所分類器の認識誤りを故障インジケータとして利用する、新しい故障診断手法を提案した。特に、深層場所分類器では、内部の信号流を解析することが困難なため、入出力信号のみに基づく簡便な診断手法を開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」で述べた、（１）～（３）のサブテーマについて、それぞれ、１件～３件の国際会議論文・雑誌論文を発表した。また、数件の国際会議論文を発表予定である。
|
| Strategy for Future Research Activity |
これまでの研究成果をさらに発展させて、SLAM技術と故障診断技術の融合領域を推進していく。特に、SLAM技術に関しては、これまでに扱ってきた bag-of-words 型 SLAM システム、および、視覚場所分類器システムだけでなく、最先端の深層SLAMシステムを含む、より広い融合領域を推進していく。
|
| Causes of Carryover |
コロナ渦により、予定していた国際会議が開催されず、そのため、2020年度に未使用額が生じた。次年度使用額は、物品購入費にあてて、研究活動を推進していく計画である。
|
