| 研究課題/領域番号 |
19K20369
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
黒瀬 優介 東京大学, 大学院情報理工学系研究科, 特任研究員 (20832512)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 大規模データ処理 |
|---|
| 研究実績の概要 |
本研究では，大規模なデータセットを作成できないような環境においても高精度な物体把持を実現するために，ロボットの物体把持分野における大規模データセットによる学習を高効率化することを目的とする.これまでロボティクスの分野において軌道そのものを大規模データセットで扱うことは，正解の軌道を与えるプロセスのコストの高さから，申請者の知る限りあまり研究されていない.しかし，近年，深層学習と自己教師付き学習の枠組みが開発されたことによって，大規模なデータセットの開発というものが可能になった.そこで，本研究では大規模データによるロボットの学習を高効率化させるための手法の開発を試みる.
本年度は既存研究の調査と手法の基礎的検討を行なった．本研究では手法の一つに能動学習を考えている．この手法は，少量のラベル付きデータで学習モデルを作成する．その作成した学習モデルに大量のラベル無しデータを入力し，その出力に基づき，どのデータにラベルをつけると最も効率よく学習器の精度が上がるのかどうかを判定する．そしてそのデータにラベルを付け，再学習させるという一連のサイクルを繰り返すことによって少ないラベル付コストで精度向上を目指すというものである．いきなりロボットの実データを適用するのはハードルが高いため，病理画像を用いて手法の検討を行なった．能動学習の枠組みとしては，１つの学習器で１つのデータに対し複数の出力を得られるような工夫を施し，その出力のばらつきが最も大きかったデータ群にラベルを付けた．これにより，ランダムにラベルを付与してラベル付きデータを増やしていく手法に比べて少ないラベル付きデータで高い精度を得ることを確認できた．
|
| 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
当初の目的は，データセットの収集をメインで進める計画だったが，手法によって，収集が必要なセンサデータも異なる可能性があったため，計画を微妙に変更し，まずは手法を検討することから始めた．手法の検討そのものは順調に進んでおり，計画の変更も軽微であり，進行に影響を及ぼすものではないと考えているため，このような区分にした.
|
| 今後の研究の推進方策 |
今後の研究の方針としては，引き続き能動学習手法の検討と，ドメイン適応など別アプローチの検討を行う．また，本研究においてはロボットへの適用をゴールとして設定しているので，ロボットへの適用を念頭においた手法の開発を行い，研究のゴールへと推進していけるようにする．
|
| 次年度使用額が生じた理由 |
本年度においては，ロボットによるデータセットの収集も含めて計画していたが，それよりも手法の検討の方を優先すべきと判断し，データセット収集のために購入が必要だった物品の購入も同時に次年度以降に回したため。また，３、4年度目以降に本研究の成果を国際学会等で発表したいと考えているために，その参加費や旅費として利用する．
|
