| 研究課題/領域番号 |
19K20369
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61050:知能ロボティクス関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
黒瀬 優介 東京大学, 先端科学技術研究センター, 助教 (20832512)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 機械学習 / 大規模モデル / 転移学習 / ドメイン適応 / ドメイン一般化 / 画像処理 / ロボティクス / 大規模データ処理 / 物体把持 |
|---|
| 研究開始時の研究の概要 |
近年，深層学習による煩雑な環境においても高い精度で物体把持を可能にする手法が開発されたが，この手法は非常に大規模なデータセットを必要とする．ロボットにおいてそのロボット専用の大規模なデータセットを準備することは非常にコストが高く，研究室のような環境では困難である．そこで本研究では，ロボットの物体把持に関する学習を効率化するアルゴリズムの開発に取り組み，比較的小規模なデータセットで同等の精度を実現することを目指す．
|
| 研究成果の概要 |
近年，深層学習の発展に伴い，大規模データで学習したモデルが大きな衝撃を与えている．しかし，大規模データを準備して学習を行うという工程は大変に労力のいる作業である．そこで，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．具体的には，複数インスタンス学習におけるドメイン適応に関する研究とドメイン一般化に関する研究である．それぞれにおいて従来手法や比較手法を上回る結果を確認した．
|
| 研究成果の学術的意義や社会的意義 |
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．
|
