• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実施状況報告書

深層学習を用いたアクション指向物体認識

研究課題

研究課題/領域番号 17K18420
研究機関国立研究開発法人産業技術総合研究所

研究代表者

吉安 祐介  国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (10712234)

研究期間 (年度) 2017-04-01 – 2021-03-31
キーワード深層学習 / アクション
研究実績の概要

本年度は、まず、移動ロボットやマニピュレータロボットなどへの活用を想定し、深層学習を活用して、環境の視覚情報の圧縮技術とそれに基づく軌道生成技術を構築した。2次元および、3次元の環境地図をオートエンコーダで圧縮し、圧縮した潜在変数から軌道を生成する深層ニューラルネットワークを学習した。学習データの生成には、RRT*という既存の運動計画を用いた。環境データの圧縮にはDeepSDFと呼ばれる符号付距離画像を入力とする技術を用いた。このような学習に基づく軌道生成技術をランダムに生成した障害物を含んだ未知の2D地図上での軌道生成に応用することで高速な手法が構築できた。

また、言語と視覚情報に基づいて物体の名前で提示したゴールに対してロボットを導く学習に基づくナビゲーション技術を構築した。具体的には、物体検出を用いて画像から得た視覚情報と、大規模な知識データから変換されたword embeddingを用いて表現されたモノの意味をニューラルネットワーク内で特徴表現として融合した。この特徴表現を入力とした動作ポリシーに基づいてアクションを生成した。これにより、大規模な知識グラフから事前に獲得した知識を利用することが可能になり、学習環境に存在しない未知物体への適用が可能になるなど汎化性が向上した。加えて、モノとモノの関係的知識を利用することで、かくれなどにより直接視認できないモノの把握を可能にし、物体探索能力の向上を図った。

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

今年度までに、深層学習に基づいて軌道やアクションを生成する技術は構築できたため、おおむね順調に進展していると考えられる。今後はシミュレータや実機を用いて検証を行っていく。

今後の研究の推進方策

深層学習に基づいて軌道やアクションを生成する技術は構築できた。今後は、シミュレータや実機を用いて検証を行っていくとともに学会などでの発表を行う。

次年度使用額が生じた理由

国際学会に参加し発表を行うため。学会参加費用の支出と消耗品に充てる。

  • 研究成果

    (1件)

すべて 2020

すべて 雑誌論文 (1件) (うち査読あり 1件)

  • [雑誌論文] Visual Object Search by Learning Spatial Context2020

    • 著者名/発表者名
      Druon Raphael、Yoshiyasu Yusuke、Kanezaki Asako、Watt Alassane
    • 雑誌名

      IEEE Robotics and Automation Letters

      巻: 5 ページ: 1279~1286

    • DOI

      10.1109/LRA.2020.2967677

    • 査読あり

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi