| 研究課題/領域番号 |
26330279
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
田向 権 九州工業大学, 大学院生命体工学研究科, 准教授 (90432955)
|
|---|
| 研究分担者 |
森江 隆 九州工業大学, 大学院生命体工学研究科, 教授 (20294530)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2017-03-31
|
| キーワード | 脳型計算機 / Deep Learning / FPGA / ディジタルハードウェア / 論理回路 / RoboCup / ホームロボット |
|---|
| 研究実績の概要 |
本研究は，学習理論，ハードウェア，応用の3つの柱からなる．
学習理論班では，Deep Neural Networksの要素となるRestricted Boltzmann Machines（RBM）とAutoencoders（AE）に関して，回路化に適した改良版アルゴリズムを検討した．また，画像認識に用いられるConvolutional Neural Networks（CNN）について，重みを2値で表現可能なBinaryConnectの導入を行い，その基礎的な性能を確認した．
ハードウェア班では，AEの基本回路をVerilog HDLを用いて設計した．また，RBMに関して回路化を見越した基礎検討を行った．CNNについては，広く用いられているCNN用オープンソースであるCaffeから出力される学習済みネットワークのパラメタが格納されたCaffe modelを読み込んで，組込みマイコン上で実行モードを実現する仕組みを構築した．
応用班では，RoboCup@Homeで実際に用いている自律型ロボットへFPGAを導入した．Robot Operating System（ROS）からFPGA内部回路へ簡便にアクセスするROS-FPGAについて昨年度に続きブラッシュアップを行い，実際にロボットへ搭載して人物追跡用の画像認識回路を搭載して検証を行った．また，RoboCup@Homeロボット向け画像認識システムとして，大規模CNNの最終層のみを学習させる転移学習を用いて，照明をはじめとする環境変化に頑健な画像認識システムの構築を行った．
|
| 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
AE，RBM，CNNについて基本回路の構築が進んでいる．転移学習に関してはソフトウェアレベルではあるが，ロボット向けの画像認識システムとして構築が出来ている．@ホームロボットの開発も順調であり，RoboCup Japan Open 2016 @ホームロボット実機リーグにおいて準優勝を果たした．以上より，総合的に判断して，本研究はおおむね順調に進展しているといえる．
|
| 今後の研究の推進方策 |
引き続き研究計画に従い，学習理論，ハードウェア，応用に関して研究を進める．AEとRBMの回路化を重点的に進めると共に，ロボットへの搭載も行い，その基本機能を検証する．
|
| 次年度使用額が生じた理由 |
特にFPGAボードとその開発環境に関して，現有の設備を利用して研究を進展できたため．
|
| 次年度使用額の使用計画 |
翌年度分と合わせて，最新のFPGA開発用パソコン等の導入へと使用する計画である．
|
