2021 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 |
今年度は、下記の（１）～（４）の課題に取り組んだ。
（１）オーダーメイド故障診断手法の開発： 新しいドメイン（物体特性、照明、視点、など）に自動的に適応するオーダーメイドの故障診断手法を開発した。具体的には、強化学習を介してネットワークアーキテクチャを探索するネットワーク自動設計手法を開発した。
（２）ランキングに基づくシーン記述子の開発： 類似度ベースのパタン認識（SIMBAD）と逆ランク特徴に基づく識別的・軽量な新しいシーン記述子を開発した。具体的には、ランドマーク辞書をSIMBADのためのプロトタイプとみなし、シーンをプロトタイプとの類似度ベクトルとして識別的に記述する。さらに、類似度ベクトルを逆ランク特徴により近似することで、軽量な情報検索、および、教師有り情報融合を実現した。
（３）ポーズグラフカットの研究： SLAMの標準的な解法であるポーズグラフSLAMの頑健性を向上させることを目的として、グラフカットからのアプローチを行った。具体的には、昨年度までに研究開発を行っていた最先端のグラフカット手法 Minimum Cost Multicut を、ポーズグラフの誤りエッジ検出の手段として用いた。さらに、この誤り検出手法を、研究開発している graph neural SLAM フレームワークに統合し、性能検証を行った。
（４）自己注意に基づく交差点認識の研究： 前年度までに研究開発を行ってきた交差点認識問題について、最先端の自己注意技術を用いた性能向上を実現した。
|
| 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）～（４） のサブテーマについて、それぞれ研究目的を達成し、１件以上の国際会議論文を発表した。
|
| 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、グラフニューラルネットワークに基づく最先端の深層学習技術をもちいた性能向上という成果が得られており、今後、この新しいSLAM技術の支援を受けた研究開発も推進していく。
|
| Causes of Carryover |
当初は、国際会議のための海外渡航のための経費を予算に算入していましたが、コロナ禍のため全ての国際会議がオンラインで行われることになり、海外渡航の必要がなくなりました。次年度の使用計画としては、ロボットによる実証実験の購入経費として使用する予定です。
|
