| 研究課題/領域番号 |
23K21659
|
|---|
| 補助金の研究課題番号 |
21H03427 (2021-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2021-2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60060:情報ネットワーク関連
|
|---|
| 研究機関 | 芝浦工業大学 |
|---|
研究代表者 |
新熊 亮一 芝浦工業大学, 工学部, 教授 (70362580)
|
|---|
| 研究分担者 |
阪本 卓也 京都大学, 工学研究科, 教授 (30432412)
塩見 準 大阪大学, 大学院情報科学研究科, 准教授 (40809795)
佐々木 毅 芝浦工業大学, デザイン工学部, 准教授 (20581747)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)
2024年度: 6,760千円 (直接経費: 5,200千円、間接経費: 1,560千円)
2023年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2022年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | センシング / 因果推論 / 実空間情報 / 因果関係 / LIDAR / 電波センサ / LIDARセンサ / エッジコンピューティング / 電波センシング / 人体計測 / ハードウェア実装 / 移動体検出 / 高効率実装 |
|---|
| 研究開始時の研究の概要 |
屋内外での事故から人を未然に守るシステムを実現するため、これまで隔たりのあった因果推論とセンシングとを融合させ、因果推論の数理モデルに基づいてセンシングの範囲、方向、周期を能動的に制御する「因果関係情報センシング基盤」の研究を行う。レーザーや電波を用いたセンサを用い屋内外実験を実施し、因果関係を示すグラフモデルを高速処理するモジュールにより、能動的センシングによる因果推論の予測精度を大幅に向上する。
|
| 研究実績の概要 |
3次元(3D)センサであるLIDAR(Light Detection and Ranging)を複数用いリアルタイムに3Dデータを統合できるシステムを開発し、オフィスで作業中の人の状態を分類する深層学習モデルの開発を行い、タイピング、マウス操作、パッド操作、作業なしの状態を90%程度分類することに成功した。また、3Dデータの変動からタイピングの文字数といった生産性を推定するシステムを構築し、一定の推定精度を達成した。いずれの研究でも、LIDARが取得する生の点群形式のデータから分類や推定の因果関係を示す特徴の抽出もしくは生成が精度向上に寄与した。
屋内事故に関連する複数人体の位置および運動をモニタリングするための電波センシング手法を開発した。人体の運動により生じる反射波の位相時系列をオートエンコーダにより低次元のベクトルで表現し、複数の電波センサで得られる複数の反射波間の関連付けを高精度化する手法を開発した。7人の呼吸中の人体を2台の電波センサで計測する実験を行い、開発手法の性能検証を行った。個人差の影響が大きいものの、個人ごとの信号に整合したモデルを用いる理想的な条件下では、従来法よりも対応付けの性能が向上することが確認された。
因果関係グラフィカルモデルの高速処理: センシング領域を通過する移動体を自動的に検出し、その形状情報を圧縮するエッジデバイス向け軽量アーキテクチャを開発した。当該アーキテクチャは、エッジデバイス側で移動体を検出でき、点群として表現された形状情報を圧縮してリアルタイムに通信できる。実データセットを対象に、商用プロセッサの使用を前提に、従来手法の圧縮手法と同じ圧縮効率を持ちながら、ミリ秒オーダで点群処理できることを確認した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
5件の査読付論文の発表、15件の査読なしの学会発表を行なった。発表件数から期待通りの成果が得られていることがわかる。
本研究課題は、理論による原理を構築するだけでなく、実際にシステムを実装して実験による評価を行っている。実験では、予期せぬ不具合や外的要因により、当初の計画通りに結果が得られないリスクがある。しかしながら、本研究課題では、実現性が高い計画が立てられていたため、特に大きな問題が生じず、計画通りの結果が得られたと考えられる。
|
| 今後の研究の推進方策 |
今後も当初の計画通り、屋外事故を予測するため、因果推論 (ここでは事故予測) の精度が最大化されるように 因果関係情報を取得できるよう、因果推論モデルに基づいて能動的にセンシングを制御する手法を研究する。特に、車両の高速移動に対応できる手法を確立する。また、屋内事故を予測するため、因果推論の精度が最大化されるように因果関係情報を取得できるよう、因果推論モデルに基づいて能動的にセンシングを制御する手法を研究する。特に、複合要因を考慮できる手法を確立する。因果推論のモデルとして、要因と結果に相当する変数をノード、因果関係を有向エッジで 表すグラフィカルモデルが用いられる。予測対象とする事故とその要因となる情報を高速に探索する手法を確立する。今後は特に、実用性を高めるための改良を行う。
|
