観測範囲に制限のあるセンサ情報の外延と統合によるロボットの行動生成法 Motion generation of robot with limited sensing range based on extrapolation and integration of sensor spaces 動に関する
|
|
|
- ゆうりゅう しもかさ
- 4 years ago
- Views:
Transcription
1 動に関する整合性を評価することによって 仮想的に観測範囲外での Jacobi 行列を推定するアルゴリズムを開発し 動作生成方法を提案する 具体例として アーム型ロボットによるリーチング動作および移動ロボットの壁沿い走行をあげ 複数のセンサ空間が重ならなくても適切な動作生成が可能であることを示す 小林祐一 ( Yuichi KOBAYASHI Ph. D. ) 静岡大学大学院工学研究科准教授 ( Associate Professor, Shizuoka University Graduate School of Engineering ) 日本ロボット学会計測自動制御学会日本機械学会精密工学会 IEEE 受賞 : 第 23 回日本ロボット学会研究奨励賞, 2008 計測自動制御学会シス テムインテグレーション部門大会優秀講演賞, 2006 第 16 回インテリジェ ント システム シンポジウム ( 日本機械学会主催 ) ベストプレゼンテー ション賞, 2006 日本ロボット学会賞, 2000 著書 : Lecture Notes in Artificial Intelligence, Springer, vol.7906, pp , April M. Gouko, Y. Kobayashi and C.H. Kim, Online exploratory behavior acquisition of mobile robot based on reinforcement learning Lecture Notes in Computer Science, Springer, 2010, Volume 6414, Social Robotics, Pages , M. Gouko and Y. Kobayashi, ``State Representation with Perceptual Constancy Based on Active Motion V. Kordic (Eds.), Robotics 2010 Current and Future Challenges, In-tech, , 2010/2, Y. Kobayashi and S. Hosoe, ``Reinforcement learning approach to object-contact motion with estimation of low-dimensional submanifold and mode-boundary'' 研究専門分野 : ロボット工学知能情報処理 あらましロボットが多様な環境で仕事を達成する ためには 世界座標系での 3 次元的な物体表現やロボ ット手先の位置 姿勢表現に頼らずに ロボットのセ ンサ情報を状態表現に直接利用する方法が有効である このようなセンサ情報を直接用いるアプローチでは センサ観測が可能な範囲に制限があり 複数のセンサ が搭載されていても それらのセンサ観測範囲が重な らないために適切な動作生成ができない場合が考えら れる 本研究では 観測範囲に制限のあるセンサ情報 を用いた学習による行動の生成方法を提案する 具体 的には 冗長自由度を有する運動学問題を解く方法の ひとつである拡散学習を基礎とし 観測範囲外での運 1. 研究の目的ロボット制御における状態表現は ロボットの関節角度 ロボット手先位置の 3 次元座標 姿勢 世界座標系における物体の形状 位置 姿勢を用いるのが一般的な方法である しかし 対象とする環境やタスクが多様 複雑になるほど 世界の正確な 3 次元像を得ることは難しくなる 一方 正確な 3 次元像が得られなくても ロボットに適切なセンサを取りつけていれば そのセンサ情報を用いて直接的に行動を制御することが十分に可能な場合も考えられる このようなアプローチは Brooks による サブサンプションアーキテクチャ *1 などの形で知られ[1] 移動ロボットの反射的な ( 掃除ロボットへの適用で知られる ) 行動制御など移動ロボットのナビゲーションなどでは有効性が実証されている しかし アーム型ロボットやヒューマノイドロボットの行動生成などの より幅広い対象への適用が成功しているとは言えない この原因の一つは 一つ一つのセンサ入力に対して行動を結びつける方法は 衝突回避など 突発的な外乱に迅速に対応できる反面 複数の反射行動を整合させる ( 競合する場合にどちらを優先させるか決める ) 難しさを伴うことである このような困難に対処するためのアプローチとして センサ情報を直接用いた状態空間 *2 の構成が考えられる このアプローチの利点は 3 次元的な世界像の構築にこだわらないことと 複数のセンサ情報からの行動設計を整合させることを両立可能なことである このアプローチでのロボット行動生成に関する問題の一つは 複数種類のセンサが与えられている時にそれらの観測範囲が重ならないと 世界座標系にもとづくモデルの助けが無いために動作生成が困難になることである そこで本研究では 観測範囲の異なる複数のセンサ情報を統合する方法を構築する 1 TELECOM FRONTIER No SPRING
![2. 研究の背景 ( 関連研究 ) これまでのロボットの観測 状態推定能力を向上させるための手法としては カルマンフィルタ [2] をはじめとする観測モデル ( 観測変数と世界座標系での状態変数の間の確率関係 ) を用いたもの ( センサーフュージョン ) が主であった [3] それに対して 本研究で提案する情報統合方法は 外から与えた座標系での情報を一切用いず](/docs-images/103/158776166/images/2-0.jpg "センサ変数とアクチュエータ変数のみに立脚している これにより 設計者の視点でのモデル作成や解析を経なくても ロボット自身が動き回ることのみにより 行動生成できるロボットシステムが実現可能になる 移動ロボットの自己位置推定の分野では 非線形で誤差を含むセンサ情報から自己位置を推定する方法として カルマンフィルタやパーティクルフィルタ ( 多くの点により確率分布を表現するフィルタ手法 )")
![を基礎にした方法が活発に研究され SLAM : Simultaneous Localization and Mapping( 地図生成と自己位置同定を同時に行う方法 ) などの研究に生かされている [4] これらの方法は 移動ロボットの車輪モデルやセンサ観測モデルなどの実世界座標系での表現をベースにしており それぞれの問題設定に特化したキャリブレーションを必要とするため汎用性が低い 一方](/docs-images/103/158776166/images/2-1.jpg "行動学習の分野では ロボットの観測に不完全性があり 現在時刻の観測からは状態が一意に決められない問題は 部分観測マルコフ決定過程 (POMDP: Partially Observable Markov Decision Process) として知られている [5][6] これに対するアプローチとしては 行動の履歴を用いた状態推定法や九州大学の木村元らによる確率的な方策学習のアプローチ [7]")
2 2. 研究の背景 ( 関連研究 ) これまでのロボットの観測 状態推定能力を向上させるための手法としては カルマンフィルタ [2] をはじめとする観測モデル ( 観測変数と世界座標系での状態変数の間の確率関係 ) を用いたもの ( センサーフュージョン ) が主であった [3] それに対して 本研究で提案する情報統合方法は 外から与えた座標系での情報を一切用いず センサ変数とアクチュエータ変数のみに立脚している これにより 設計者の視点でのモデル作成や解析を経なくても ロボット自身が動き回ることのみにより 行動生成できるロボットシステムが実現可能になる 移動ロボットの自己位置推定の分野では 非線形で誤差を含むセンサ情報から自己位置を推定する方法として カルマンフィルタやパーティクルフィルタ ( 多くの点により確率分布を表現するフィルタ手法 ) を基礎にした方法が活発に研究され SLAM : Simultaneous Localization and Mapping( 地図生成と自己位置同定を同時に行う方法 ) などの研究に生かされている [4] これらの方法は 移動ロボットの車輪モデルやセンサ観測モデルなどの実世界座標系での表現をベースにしており それぞれの問題設定に特化したキャリブレーションを必要とするため汎用性が低い 一方 行動学習の分野では ロボットの観測に不完全性があり 現在時刻の観測からは状態が一意に決められない問題は 部分観測マルコフ決定過程 (POMDP: Partially Observable Markov Decision Process) として知られている [5][6] これに対するアプローチとしては 行動の履歴を用いた状態推定法や九州大学の木村元らによる確率的な方策学習のアプローチ [7] などが知られている これらのアプローチは 特定の条件を前提としない一般的な枠組みであるため 広い適用対象を持つという利点がある反面 行動の履歴を含めた状態空間を構成するために 非常に多くの試行錯誤を必要とするという問題がある 本研究の提案する状態推定 行動生成法は ロボット自身のセンサ アクチュエータ情報のみに立脚するという意味で 第一のアプローチよりも汎用性があり設計負荷が小さく センサ アクチュエータ情報の連続性を利用することで 一般性を損なわずに第二のア プローチよりも効率的な状態推定 行動生成を可能にしている 3. 研究の方法と結果本研究で対象とする問題を図 1 に模式的に示す 2 種類のセンサは それぞれ異なる観測範囲を持ち その範囲は重ならない 最終的に あるセンサの観測範囲中の状態を初期状態とし 別のセンサの観測範囲中の目標状態に到達するような行動を実現する 図 1 は 2 次元平面で表されるが 図 2 に示すように より高次元のベクトルにより構成されるセンサ情報であっても良いものとする 図 1 複数のセンサ空間の統合方法図 2 冗長性のあるセンサ観測 2 TELECOM FRONTIER No SPRING
3 提案する方法の基本的な考え方は 制御入力とセンサ情報変化を関係づける Jacobi 行列を推定し その Jacobi 行列の情報を観測範囲外に外延することで 観測情報の得られない状態で仮想的なセンサ変数を推定することである ( 図 3 参照 ) この外延には 羅らの提案した拡散学習 (Diffusion-based learning)[8] に運動整合性に関する評価関数を加えた Jacobi 行列学習法を考案した 推定されたセンサ変数と別のセンサ変数との対応をとることで ( 外延を含む ) もとのセンサ変数で目標状態付近まで制御し 別のセンサが観測 可能となった時点でそのセンサ情報を用いた制御に切り替える 図 4 は カメラと距離センサという 2 種類のセンサによるアームロボット手先位置制御の例を示す カメラによる手先位置計測により 一定範囲内の手先 2 次元座標が計測できる また 手先に 2 つの距離センサが搭載されており 手先と床面との位置関係を計測することができる 空中の一定範囲内では視覚センサ ( カメラ ) が 床面付近では距離センサがそれぞれ有効であるが 両者の観測可能範囲は重ならない 図 3 複数のセンサ空間の統合方法の概略 図 4 手先に距離センサを設置したマニピュレータ 3 TELECOM FRONTIER No SPRING
4 図 5 は視覚による手先位置計測における Jacobi 行列の外延を評価した結果である 緑色の視覚系領域 ( 観測可能範囲 ) から外に出て 後に再び観測可能範囲に戻る一連の手先運動において 外延により推定された手先位置と実際の手先位置を比較している 概ね推定と実際の位置は一致しているが 本研究の目的は 観測可能範囲に戻った際に実際の観測値と整合することと観測範囲外で連続的な位置変化をすることであり 観測範囲外で正確な位置推定をすることではない点に注意を要する 図 6 は 視覚センサ観測範囲内から出発して 距離センサ観測範囲内に到達する手先位置動作を実現した軌跡である (a) は初期位置 (b) は観測範囲 (c) は観測範囲外 ( 視覚センサ空間の外延 ) (d), (e) は距離センサ観測範囲内 ((d) は視覚センサ空間での軌跡 (e) は距離センサ空間での軌跡 ) を表す 目標位置に向かう軌跡が得られていることが確認できる 図 5 観測範囲内から外に出て戻る軌跡追従制御における手先位置軌道 (e) 図 6 視覚観測範囲から距離センサ観測範囲に至る軌跡 4 TELECOM FRONTIER No SPRING
5 図 7 に移動ロボットによるナビゲーションの例を示す この例では 5 つの距離センサを移動ロボット周辺に取りつけ 各センサが ( 直線状の ) 壁までの距離を与える ロボットが壁に正対する状況では正面の 3 つのセンサが 壁に平行して接近している状況では側面の 2 つのセンサが 壁との位置関係に関する情報を与える 正面のセンサ情報は 3 次元であるが 実質の運動は 2 自由度である この冗長性を解決する写像を観測されたセンサ信号のサンプルを元に構成したものが図 8 である 正面のセンサにより構成されるセンサ空間での軌跡を図 9 に 側面のセンサにより構成されるセンサ空間での軌跡を図 10 に示す これらに対応する 2 次元平面上で見た移動ロボットの軌跡を図 11 に示す ロボットが壁に正対した状態から移動を開始 し 途中で正面 側面センサ両方の情報が得られない 状態を経由して 壁に平行な向きに到達できているこ とがわかる 図 7 前面と側面に複数距離センサを搭載した移動ロボットによる壁面接近行動 図 8 冗長な観測空間の低次元化 図 9 前面センサ観測空間における軌跡 図 10 側面センサ観測空間における軌跡 図 11 移動ロボットの軌跡 5 TELECOM FRONTIER No SPRING
6 4. 将来展望 学習により自律的に状態空間を生成していくロボッ ト認識 行動システムの設計論として 本研究は 多 様体のように状態空間を構成していく新しいロボット の状態表現法への一つの部品となっている 多数のセ ンサから構成される多様体を接続しあうことで それ ぞれのセンサの有効な観測範囲では そのセンサの情 報を用いて状態を判断し 全体としては 広範囲な状 態表現とそれにもとづいた多様な行動生成が可能にな る 本研究の枠組みをより広い範囲に適用するためには 以下の課題を挙げることができる (1) 連続的に変化するセンサ信号だけでなく 触覚情 報などの離散的なセンサ信号を統合的に表現する 方法 位置 速度 力など 異なる物理量に対応す るセンサ空間構成法を構築し より多様なロボット の作業状態を表現し 行動生成可能にする (2) より高次元のセンサ信号から実質的なロボットの 運動の変化を表す自由度を表現する空間を構成す る方法 視覚情報から得られる多様な特徴量を直接 状態空間構成に利用できれば 先験的な知識を用い ずに行動生成を行う能力を大きく向上させること ができる 用語解説 *1. サブサンプションアーキテクチャ ( 包摂アーキテクチャ ): 記号処理 記号推論を行う部分を持たず センサ情報から行動出力を与える処理を階層的に結びつけるロボットの認識 行動生成機構 *2. 状態空間 : ロボットが行動を決定するために利用する システム全体の状態を表す変数 ( 状態変数 ) により構成される空間 [2] C. Johan Masreliez, R D Martin (1977) Robust Bayesian estimation for the linear model and robustifying the Kalman filter, IEEE Transactions on Automatic Control, [3] R. C. Luo, C. C. Yih, and K. L. Su, Multisensor fusion and integration: approaches, applications, and future research directions, IEEE Sensors Journal, Vol. 2, No. 2, pp , [4] S. Thrun, W. Burgard, and D. Fox, Probabilistic robotics, [5] L. P. Kaelbling, M. L. Littman, and A. R. Cassandra, Planning and acting in partially observable stochastic domains, Artificial Intelligence, 101:99-134, [6] R. Andrew McCallum, Instance-based utile distinctions for reinforcement learning with hidden state, In Proceedings of the 12th International Machine Learning Conference, [7] H. Kimura, T. Yamashita and S. Kobayashi, Reinforcement Learning of Walking Behavior for a Four-Legged Robot, Proc. of IEEE Conf. on Decision and Control, 411/416 (2001) [8] Z. W. Luo and M. Ito, Diffusion-based learning theory for organizing visuo-motor coordination, Biological Cybernetics, Vol. 79, 279/289 (1998) 関連文献 1. Y. Kobayashi, E. Kurita and M. Gouko, Integration of Multiple Sensor Spaces with Limited Sensing Range and Redundancy, International Journal of Robotics and Automation, Vol. 28, No. 1, pp , 栗田英介, 小林祐一, 郷古学, 不完全な知覚のセンサ同士の統合によるロボットの行動生成, 計測自動制御学会論文集, 第 47 巻 4 号, , 2011(4 月 ). 3. E. Kurita, Y. Kobayashi, Manabu Gouko, Motion Generation by Integration of Multiple Observation Spaces for Robots with Limited Range of Observation, Proc. of 2011 International Conference on Control, Robotics and Cybernetics, Vol.1, 86-90, 参考文献 [1] R. Brooks. (1986) A robust layered control system for a mobile robot. IEEE Journal of Robotics and Automation, Vol. 1, pp , この研究は 平成 21 年度 SCAT 研究助成の対象と して採用され 平成 22~24 年度に実施されたもの です 6 TELECOM FRONTIER No SPRING
PowerPoint プレゼンテーション
ロボットの計画と制御 マルコフ決定過程 確率ロボティクス 14 章 http://www.probabilistic-robotics.org/ 1 14.1 動機付けロボットの行動選択のための確率的なアルゴリズム 目的 予想される不確かさを最小化したい. ロボットの動作につての不確かさ (MDP で考える ) 決定論的な要素 ロボット工学の理論の多くは, 動作の影響は決定論的であるという仮定のもとに成り立っている.
PowerPoint プレゼンテーション
非線形カルマンフィルタ ~a. 問題設定 ~ 離散時間非線形状態空間表現 x k + 1 = f x k y k = h x k + bv k + w k f : ベクトル値をとるx k の非線形関数 h : スカラ値をとるx k の非線形関数 v k システム雑音 ( 平均値 0, 分散 σ v 2 k ) x k + 1 = f x k,v k w k 観測雑音 ( 平均値 0, 分散 σ w
Robot Platform Project(RPP) "Spur" "YP-Spur" rev. 4 [ ] Robot Platform Project(RPP) WATANABE Atsushi 1.,,., Fig. 1.,,,,,.,,,..,,..,,..,,,,. "
![Robot Platform Project(RPP) Spur YP-Spur rev. 4 [ ] Robot Platform Project(RPP) WATANABE Atsushi 1.,,., Fig. 1.,,,,,.,,,..,,..,,..,,,,.](/thumbs/93/117962738.jpg "Robot Platform Project(RPP) Spur YP-Spur rev. 4 [ ] Robot Platform Project(RPP) WATANABE Atsushi 1.,,., Fig. 1.,,,,,.,,,..,,..,,..,,,,.")
Robot Platform Project(RPP) "Spur" "YP-Spur" ev. 4 [.8.9] Robot Platform Project(RPP) WATANABE Atsushi.,,., Fig..,,,,,.,,,..,,..,,..,,,,. "",,, Spur.,, Robot Platform Project, "YP-Spur".,,, 98 99,. [][3][4].,,,
特別寄稿.indd
特別寄稿 ソフトインフラとしてのデジタル地図を活用した自動運転システム Autonomous vehicle using digital map as a soft infrastructure 菅沼直樹 Naoki SUGANUMA 1. はじめに 1) 2008 2012 ITS 2) CO 2 3) 4) Door to door Door to door Door to door DARPA(
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生まれ, コンピューテーショナルフォトグラフィ ( 計算フォトグラフィ ) と呼ばれている.3 次元画像認識技術の計算フォトグラフィへの応用として,
Microsoft PowerPoint - 三次元座標測定 ppt
冗長座標測定機 ()( 三次元座標計測 ( 第 9 回 ) 5 年度大学院講義 6 年 月 7 日 冗長性を持つ 次元座標測定機 次元 辺測量 : 冗長性を出すために つのレーザトラッカを配置し, キャッツアイまでの距離から座標を測定する つのカメラ ( 次元的なカメラ ) とレーザスキャナ : つの角度測定システムによる座標測定 つの回転関節による 次元 自由度多関節機構 高増潔東京大学工学系研究科精密機械工学専攻
IPSJ SIG Technical Report Vol.2014-MBL-70 No.49 Vol.2014-UBI-41 No /3/15 2,a) 2,b) 2,c) 2,d),e) WiFi WiFi WiFi 1. SNS GPS Twitter Facebook Twit
2,a) 2,b) 2,c) 2,d),e) WiFi WiFi WiFi 1. SNS GPS Twitter Facebook Twitter Ustream 1 Graduate School of Information Science and Technology, Osaka University, Japan 2 Cybermedia Center, Osaka University,
Symbiotic System ト を 動物 る 人間 情報システム 応 ( ) 人間 共生 情報システム と 体の 長 体の と 体 覚 動 体 と とダイナミクスを持つ 人間と情報システムのインタ ース. コン ータに の動作をさ るために, のつ, するコ ン を, される.. イコン イン
7 人間と共生する情報システムの実現を目指して シンビオティック システムの実現に向けて 人, 社会, 環境, 情報システムの協調系 7 人間と共生する情報システムの実現を目指して 松山隆司 * tm@i.kyoto-u.ac.jp 川嶋宏彰 * kawashima@i.kyoto-u.ac.jp 鷲見和彦 *, ** Sumi.Kazuhiko@ds.MitsubishiElectric.co.jp
SICE東北支部研究集会資料(2014年)
計測自動制御学会東北支部第 291 回研究集会 (214.1.23) 資料番号 291- スライディングモード制御による除雪ロボットの軌道追従制御 Line following control for the snow removal robot using the sliding mode control 駒米光太郎 *,Ernesto Rivas*, 中村久一郎 *, 水戸部和久 * Koutarou
光学
Range Image Sensors Using Active Stereo Methods Kazunori UMEDA and Kenji TERABAYASHI Active stereo methods, which include the traditional light-section method and the talked-about Kinect sensor, are typical
IPSJ SIG Technical Report Vol.2014-ICS-175 No /3/14 Modified Stochastic Cell Transmission Model 1,a) 1,b) 1,c) Cell Transmission Model CTM Stoc
Modified Stochastic Cell Transmission Model 1,a) 1,b) 1,c) Cell Transmission Model CTM Stochastic Cell Transmission Model SCTM CTM SCTM Modified Stochastic Cell Transmission Model MSCTM MSCTM CTM 1. Cell
PowerPoint プレゼンテーション
担当教員名 単位数西田健 2 単位 教室 時間 4-1A 教室火曜 4 限 目的不確定性を有する対象の制御に有効な確率システム制御理論について解説する また 確率的要因を考慮した状態推定のために 宇宙ロケットや自律ロボットなどの幅広い分野で利用されているカルマンフィルタやパーティクルフィルタについて解説し それらを用いる制御系の構成手法を教授する 授業計画 (1) ガイダンスと導入 (2) 線形動的システムの時系列モデリング
IPSJ SIG Technical Report Vol.2015-MUS-107 No /5/23 HARK-Binaural Raspberry Pi 2 1,a) ( ) HARK 2 HARK-Binaural A/D Raspberry Pi 2 1.
HARK-Binaural Raspberry Pi 2 1,a) 1 1 1 2 3 () HARK 2 HARK-Binaural A/D Raspberry Pi 2 1. [1,2] [2 5] () HARK (Honda Research Institute Japan audition for robots with Kyoto University) *1 GUI ( 1) Python
( ), ( ) Patrol Mobile Robot To Greet Passing People Takemi KIMURA(Univ. of Tsukuba), and Akihisa OHYA(Univ. of Tsukuba) Abstract This research aims a
( ), ( ) Patrol Mobile Robot To Greet Passing People Takemi KIMURA(Univ. of Tsukuba), and Akihisa OHYA(Univ. of Tsukuba) Abstract This research aims at the development of a mobile robot to perform greetings
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
一般研究課題 移動ロボットの物理モデルを用いた予測と最適化に 基づく走行 連携行動の性能向上に関する研究 助成研究者愛知県立大学伊藤正英 移動ロボットの物理モデルを用いた予測と最適化に基づく走行 連携行動の性能向上に関する研究 伊藤正英 ( 愛知県立大学 ) Study on Performance
一般研究課題 移動ロボットの物理モデルを用いた予測と最適化に 基づく走行 連携行動の性能向上に関する研究 助成研究者愛知県立大学伊藤正英 移動ロボットの物理モデルを用いた予測と最適化に基づく走行 連携行動の性能向上に関する研究 伊藤正英 ( 愛知県立大学 ) Study on Performance Improvement of Motion and Cooperative Actions based
3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]
![3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]](/thumbs/94/118738978.jpg "3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]")
3 E-mail: {akizuki}@isl.sist.chukyo-u.ac.jp Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2] Shape Index [3] [4][5] 3 SHOT [6] [7] Point Pair Feature
スライド 1
知能制御システム学 画像追跡 (1) 特徴点の検出と追跡 東北大学大学院情報科学研究科鏡慎吾 swk(at)ic.is.tohoku.ac.jp 2008.07.07 今日の内容 前回までの基本的な画像処理の例を踏まえて, ビジュアルサーボシステムの構成要素となる画像追跡の代表的手法を概説する 画像上の ある点 の追跡 オプティカルフローの拘束式 追跡しやすい点 (Harris オペレータ ) Lucas-Kanade
DEIM Forum 2012 E Web Extracting Modification of Objec
DEIM Forum 2012 E4-2 670 0092 1 1 12 E-mail: nd11g028@stshse.u-hyogo.ac.jp, {dkitayama,sumiya}@shse.u-hyogo.ac.jp Web Extracting Modification of Objects for Supporting Map Browsing Junki MATSUO, Daisuke
インターリーブＡＤＣでのタイミングスキュー影響のデジタル補正技術
1 インターリーブADCでのタイミングスキュー影響のデジタル補正技術 浅見幸司 黒沢烈士 立岩武徳 宮島広行 小林春夫 ( 株 ) アドバンテスト 群馬大学 2 目次 1. 研究背景 目的 2. インターリーブADCの原理 3. チャネル間ミスマッチの影響 3.1. オフセットミスマッチの影響 3.2. ゲインミスマッチの影響 3.3. タイミングスキューの影響 4. 提案手法 4.1. インターリーブタイミングミスマッチ補正フィルタ
2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC
![2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC](/thumbs/92/108208872.jpg "2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC")
H.264 CABAC 1 1 1 1 1 2, CABAC(Context-based Adaptive Binary Arithmetic Coding) H.264, CABAC, A Parallelization Technology of H.264 CABAC For Real Time Encoder of Moving Picture YUSUKE YATABE 1 HIRONORI
4) 5) ) ( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) )8) ( 1 ) ( 2 ) ( 3 ) ( 200 9) ( 10) 1 2 (
2 1 2 3 4 5 2 2 2 16 2 16 3 2 Proposal of Learning Computer-aided Measurement and Control with a Bipedal Walking Robot Shuji KUREBAYASHI, 1 Daisuke HIGUCHI, 2 Wataru HISHIDA, 3 Motomasa OMURA 4 and Susumu
A Navigation Algorithm for Avoidance of Moving and Stationary Obstacles for Mobile Robot Masaaki TOMITA*3 and Motoji YAMAMOTO Department of Production
A Navigation Algorithm for Avoidance of Moving and Stationary Obstacles for Mobile Robot Masaaki TOMITA*3 and Motoji YAMAMOTO Department of Production System Engineering, Kyushu Polytecnic College, 1665-1
IPSJ SIG Technical Report Vol.2010-MPS-77 No /3/5 VR SIFT Virtual View Generation in Hallway of Cybercity Buildings from Video Sequen
VR 1 1 1 1 1 SIFT Virtual View Generation in Hallway of Cybercity Buildings from Video Sequences Sachiyo Yoshida, 1 Masami Takata 1 and Joe Kaduki 1 Appearance of Three-dimensional (3D) building model
パソコンシミュレータの現状
第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に
& 3 3 ' ' (., (Pixel), (Light Intensity) (Random Variable). (Joint Probability). V., V = {,,, V }. i x i x = (x, x,, x V ) T. x i i (State Variable),
.... Deeping and Expansion of Large-Scale Random Fields and Probabilistic Image Processing Kazuyuki Tanaka The mathematical frameworks of probabilistic image processing are formulated by means of Markov
PowerPoint Presentation
知能システム論 1 (11) 2012.6.20 情報システム学研究科情報メディアシステム学専攻知能システム学講座末廣尚士 13. ロボットアームの逆運動学 ( 幾何的解法 ) 何をしたいか 手首 手先 ツールの3 次元空間での位置や姿勢から それを実現する関節角度を計算する アームソリューション アームの解とも呼ぶ 何のために たとえばビジョンで認識された物をつかむ場合 物の位置 姿勢は3 次元空間で表現されることが普通である
トピックモデルの応用： 関係データ、ネットワークデータ
NTT コミュニケーション科学基礎研究所 石黒勝彦 2013/01/15-16 統計数理研究所会議室 1 1 画像認識系から尐し遅れますが 最近では音声 音響データに対してもトピックモデルが利用されるようになっています 2 1. どの特徴量を利用するか? 2. 時系列性をどう扱うか? 3 どの特徴量を利用して どうやって BoW 形式に変換するかを検討する必要があります MFCC: 音声認識などで広い範囲で利用される
- (20 ) 400 () 3DCG No.51 No.61 No.62 No.11 P 2 16
- (20 ) 226-8503 1974 6 10 29 4259 Tel:045-924-5050 Fax:045-924-5016 E-mail:hase@hi.pi.titech.ac.jp Tel: Fax: E-mail: Tel:03-3786-5650 Tel:090-6036-8520 P 1 16 - (20 ) 400 () 3DCG No.51 No.61 No.62 No.11
JVRSJ Vol.18 No.3 September, 2013 173 29 2 1 2 1 NPC 2004 1 RTS Real-time Simulation NPC NPC NPC AI NPC 4 AI 2 AI 2 3 4 図 1 ゲームとユーザエクスペリエンス reality a
28 172 日 本 バーチャルリアリティ 学 会 誌 第 18 巻 3 号 2013 年 9 月 1 [1] 1 [2-5] NPC Non-Player-Character 80 90 NPC 2000 NPC 2 AI AI AI [6-8] RPG AI NPC AI AI RPG AI [5][9][10] 3 AI 2 AI 1 [11] 28 JVRSJ Vol.18 No.3 September,
4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q
![4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q](/thumbs/92/110416683.jpg "4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q")
x-means 1 2 2 x-means, x-means k-means Bayesian Information Criterion BIC Watershed x-means Moving Object Extraction Using the Number of Clusters Determined by X-means Clustering Naoki Kubo, 1 Kousuke
1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +
![1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +](/thumbs/81/83701592.jpg "1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +")
3 3D 1,a) 1 1 Kinect (X, Y) 3D 3D 1. 2010 Microsoft Kinect for Windows SDK( (Kinect) SDK ) 3D [1], [2] [3] [4] [5] [10] 30fps [10] 3 Kinect 3 Kinect Kinect for Windows SDK 3 Microsoft 3 Kinect for Windows
paper.dvi
Vol. 14, No. 6, pp. 248 256 (2015) ( ) A New Exhibition System of National Treasure "Hollow Cray Figure" Using Interactive Projection Mapping Kazushi MUKAIYAMA Masayuki KOBAYASHI Graduate School of System
<4D F736F F D208EC E690B C A838A815B DC58F F4390B394C5816A2E646F63>
プレスリリース 報道関係者各位 平成 23 年 10 月 19 日 国立大学法人奈良先端科学技術大学院大学 世界初! 着衣を介護するロボットシステムを開発! ~ 人がやって見せた動作を真似て被介護者に合わせ自律的に改善超高齢社会の支援ツールとして期待 ~ 概要 我が国の超高齢社会において 介護職従事者の不足が問題となる中 高齢者あるいは身体障害者のクオリティ オブ ライフ (QoL 生活の質) の向上にロボットを活用することが期待されている
カメラレディ原稿
IS2-A2 カメラを回転させた時の特徴点軌跡を用いた魚眼カメラの内部パラメータ推定 - モデルと評価関数の変更による改良 - 田中祐輝, 増山岳人, 梅田和昇 Yuki TANAKA, Gakuto MASUYAMA, Kazunori UMEDA : 中央大学大学院理工学研究科,y.tanaka@sensor.mech.chuo-u.ac.jp 中央大学理工学部,{masuyama, umeda}@mech.chuo-u.ac.jp
(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b
![(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b](/thumbs/91/105641706.jpg "(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b")
(MIRU202) 202 8 AdrianStoica 89 0395 744 89 0395 744 Jet Propulsion Laboratory 4800 Oak Grove Drive, Pasadena, CA 909, USA E-mail: uchino@irvs.ait.kyushu-u.ac.jp, {yumi,kurazume}@ait.kyushu-u.ac.jp 2 nearest
SAP11_03
第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎
Haiku Generation Based on Motif Images Using Deep Learning Koki Yoneda 1 Soichiro Yokoyama 2 Tomohisa Yamashita 2 Hidenori Kawamura Scho
Haiku Generation Based on Motif Images Using Deep Learning 1 2 2 2 Koki Yoneda 1 Soichiro Yokoyama 2 Tomohisa Yamashita 2 Hidenori Kawamura 2 1 1 School of Engineering Hokkaido University 2 2 Graduate
コンピュータグラフィックス第6回
コンピュータグラフィックス 第 6 回 モデリング技法 1 ~3 次元形状表現 ~ 理工学部 兼任講師藤堂英樹 本日の講義内容 モデリング技法 1 様々な形状モデル 曲線 曲面 2014/11/10 コンピュータグラフィックス 2 CG 制作の主なワークフロー 3DCG ソフトウェアの場合 モデリング カメラ シーン アニメーション テクスチャ 質感 ライティング 画像生成 2014/11/10 コンピュータグラフィックス
Vol. 23 No. 4 Oct. 2006 37 2 Kitchen of the Future 1 Kitchen of the Future 1 1 Kitchen of the Future LCD [7], [8] (Kitchen of the Future ) WWW [7], [3
![Vol. 23 No. 4 Oct. 2006 37 2 Kitchen of the Future 1 Kitchen of the Future 1 1 Kitchen of the Future LCD [7], [8] (Kitchen of the Future ) WWW [7], [3](/thumbs/41/22750638.jpg "Vol. 23 No. 4 Oct. 2006 37 2 Kitchen of the Future 1 Kitchen of the Future 1 1 Kitchen of the Future LCD [7], [8] (Kitchen of the Future ) WWW [7], [3")
36 Kitchen of the Future: Kitchen of the Future Kitchen of the Future A kitchen is a place of food production, education, and communication. As it is more active place than other parts of a house, there
proc.dvi
M. D. Wheler Cyra Technologies, Inc. 3 3 CAD albedo Mapping textures on 3D geometric model using reflectance image Ryo Kurazume M. D. Wheler Katsushi Ikeuchi The University oftokyo Cyra Technologies, Inc.
スライド 1
Katsura Laboratory Integrated Design Engineering Keio University ( 位置 力再現方法および位置 力再現装置 ) Department of Electrical Engineering Nagaoka University of Technology 長岡技術科学大学助教横倉勇希 新技術説明会 触覚 力覚情報の伝送 聴覚情報の伝送 視覚情報の伝送
スライド 1
機構学 Part6: ロボットの運動学 金子真 きんにく筋肉 筋紡錘 : 筋肉の長さを測るセンサ モータ センサ ロボットの運動学 関節にモータがついている場合の角度の取り方 関節にモータがついている場合の角度の取り方 関節にモータがついている場合の角度の取り方 関節にモータがついている場合の角度の取り方 関節にモータがついている場合の角度の取り方 ワイヤ駆動式ロボット ワイヤ駆動式ロボット ワイヤプーリ機構の場合
Fig Measurement data combination. 2 Fig. 2. Ray vector. Fig (12) 1 2 R 1 r t 1 3 p 1,i i 2 3 Fig.2 R 2 t 2 p 2,i [u, v] T (1)(2) r R 1 R 2
![Fig Measurement data combination. 2 Fig. 2. Ray vector. Fig (12) 1 2 R 1 r t 1 3 p 1,i i 2 3 Fig.2 R 2 t 2 p 2,i [u, v] T (1)(2) r R 1 R 2](/thumbs/93/113464882.jpg "Fig Measurement data combination. 2 Fig. 2. Ray vector. Fig (12) 1 2 R 1 r t 1 3 p 1,i i 2 3 Fig.2 R 2 t 2 p 2,i [u, v] T (1)(2) r R 1 R 2")
IP 06 16 / IIS 06 32 3 3-D Environment Modeling from Images Acquired with an Omni-Directional Camera Mounted on a Mobile Robot Atsushi Yamashita, Tomoaki Harada, Ryosuke Kawanishi, Toru Kaneko (Shizuoka
Microsoft PowerPoint - ６．PID制御.pptx
プロセス制御工学 6.PID 制御 京都大学 加納学 Division of Process Control & Process Systems Engineering Department of Chemical Engineering, Kyoto University manabu@cheme.kyoto-u.ac.jp http://www-pse.cheme.kyoto-u.ac.jp/~kano/
vecrot
1. ベクトル ベクトル : 方向を持つ量 ベクトルには 1 方向 2 大きさ ( 長さ ) という 2 つの属性がある ベクトルの例 : 物体の移動速度 移動量電場 磁場の強さ風速力トルクなど 2. ベクトルの表現 2.1 矢印で表現される 矢印の長さ : ベクトルの大きさ 矢印の向き : ベクトルの方向 2.2 2 個の点を用いて表現する 始点 () と終点 () を結ぶ半直線の向き : ベクトルの方向
Microsoft PowerPoint - １．プロセス制御の概要.pptx
プロセス制御工学 1. プロセス制御の概要 京都大学 加納学 Division of Process Control & Process Systems Engineering Department of Chemical Engineering, Kyoto University manabu@cheme.kyoto-u.ac.jp http://www-pse.cheme.kyoto-u.ac.jp/~kano/
Human-Agent Interaction Simposium A Heterogeneous Robot System U
Human-Agent Interaction Simposium 2006 2A-3 277-8561 5 1-5 113-8656 7-3-1 E-mail: {hosoi,mori,sugi}@itl.t.u-tokyo.ac.jp 3 Heterogeneous Robot System Using Blimps Kazuhiro HOSOI, Akihiro MORI, and Masanori
マップマッチングのアルゴリズム
マップマッチングのアルゴリズム 羽藤英二 伊藤創太 伊藤篤志編 : ネットワーク行動学 ( BinN studies シリーズ ), pp.84-106,2014. 2015/05/29 理論勉強会 #7 M1 山本萌美 もくじ マップマッチングとは? マップマッチングのバリエーション Point to Point map-matching Point to Curve map-matching Curve
PowerPoint プレゼンテーション
復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0
PowerPoint プレゼンテーション
ロボティックス Robotics 先端工学基礎課程講義 小泉憲裕 2016/5/6 講義情報 当面はこちらのサイト, http://www.medigit.mi.uec.ac.jp/lect_robotics.html ロボットの運動学 ロボットの運動学 ロボットの運動学は現在 ニュートン力学を発展させた解析力学を基盤とすることが多い 解析力学では物体を 剛体としてあらわす 第 4 回 座標変換平行
Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],
![Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],](/thumbs/92/110933465.jpg "Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],")
1 1 1 Structure from Motion - 1 Ville [1] NAC EMR-9 [2] 1 Osaka University [3], [4] 1 1(a) 1(c) 9 9 9 c 216 Information Processing Society of Japan 1 Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b)
機構学 平面機構の運動学
問題 1 静止座標系 - 平面上を運動する節 b 上に2 定点,Bを考える. いま,2 点の座標は(0,0),B(50,0) である. 2 点間の距離は 50 mm, 点の速度が a 150 mm/s, 点 Bの速度の向きが150 である. 以下の問いに答えよ. (1) 点 Bの速度を求めよ. (2) 瞬間中心を求めよ. 節 b a (0,0) b 150 B(50,0) 問題 1(1) 解答 b
研究成果報告書
様式 C-19 科学研究費補助金研究成果報告書 平成 21 年 5 月 21 日現在 研究種目 : 若手研究 (B) 研究期間 :2006 ~ 2008 課題番号 :18710150 研究課題名 ( 和文 ) 生物情報処理技術を用いた自律型協調レスキューロボットの開発 研究課題名 ( 英文 ) Developmentofautonomouscooperativerescuerobots basedonabiologicalinformationprocessingtechnique.
この演習について Autoware 演習 1: データの記録 再生 Autoware 演習 2: センサーキャリブレーション Autoware 演習 3:3 次元地図の作成 Autoware 演習 4: 自己位置推定 Autoware 演習 5: パラメータ調整 Autoware 演習 6: 物体検
version 1.0 TIER IV ACADEMY 自動運転システム構築塾 Day4 Autoware 演習 2 Autoware 演習 6: 物体検出とトラッキング この演習について Autoware 演習 1: データの記録 再生 Autoware 演習 2: センサーキャリブレーション Autoware 演習 3:3 次元地図の作成 Autoware 演習 4: 自己位置推定 Autoware
IPSJ SIG Technical Report Vol.2012-ICS-167 No /3/ ,,., 3, 3., 3, 3. Automatic 3D Map Generation by Using a Small Unmanned Vehicle
1. 3 1 2 2 3,,., 3, 3., 3, 3. Automatic 3D Map Generation by Using a Small Unmanned Vehicle Hiroki Osaki, 1 Ken Watanabe 2 and Katashi Nagao 2 While 3D maps are useful to visualize complicated shapes of
() D () (2) (3) D (3) ICT [2] 20 [3] 22 0 ICT 32 [4] [5] ICT ICT [6] 2.2 D () (2) (3) [7] () (2) () [8] IT IT c 205 Informa
![() D () (2) (3) D (3) ICT [2] 20 [3] 22 0 ICT 32 [4] [5] ICT ICT [6] 2.2 D () (2) (3) [7] () (2) () [8] IT IT c 205 Informa](/thumbs/79/78943299.jpg "() D () (2) (3) D (3) ICT [2] 20 [3] 22 0 ICT 32 [4] [5] ICT ICT [6] 2.2 D () (2) (3) [7] () (2) () [8] IT IT c 205 Informa")
,a) 2,b) 20 22 ICT D Practice and Evaluation of the Class in Automatic Measurements and Controls via Computer Programs to Use Information Devices Takaki Kaoru,a) Murofushi Haruki 2,b) Abstract: Ministry
IPSJ SIG Technical Report Vol.2012-CG-149 No.13 Vol.2012-CVIM-184 No /12/4 3 1,a) ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransa
3,a) 3 3 ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransac. DB [] [2] 3 DB Web Web DB Web NTT NTT Media Intelligence Laboratories, - Hikarinooka Yokosuka-Shi, Kanagawa 239-0847 Japan a) yabushita.hiroko@lab.ntt.co.jp
Microsoft PowerPoint - 資料04 重回帰分析.ppt
04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline
1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -
![1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -](/thumbs/89/100816452.jpg "1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -")
Vol216-CVIM-22 No18 216/5/12 1 1 1 Structure from Motion - 1 8% Tobii Pro TX3 NAC EMR ACTUS Eye Tribe Tobii Pro Glass NAC EMR-9 Pupil Headset Ville [1] EMR-9 [2] 1 Osaka University Gaze Head Eye (a) deg
す 局所領域 ωk において 線形変換に用いる係数 (ak 画素の係数 (ak bk ) を算出し 入力画像の信号成分を bk ) は次式のコスト関数 E を最小化するように最適化 有さない画素に対して 式 (2) より画素値を算出する される これにより 低解像度な画像から補間によるアップサ E(
IR E-mail: hf@cs.chubu.ac.jp Abstract IR RGB ( ) IR IR IR RGB RGB PSNR 1 Time-Of- Flight(TOF)[1] Kinect [2] TOF LED TOF [3] [6] [4][5] 2 [6] RGB ( ) Infrared(IR) IR 2 2.1 1 す 局所領域 ωk において 線形変換に用いる係数 (ak
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB UWB
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB -1 E-mail: seki@aso.cce.i.koto-u.ac.jp UWB SEABED SEABED SEABED,,, SEABED Application of fast imaging
IPSJ SIG Technical Report Vol.2015-MUS-106 No.18 Vol.2015-EC-35 No /3/3 1,a) ch [1] 1 Kansai University Graduate School of Inf
![IPSJ SIG Technical Report Vol.2015-MUS-106 No.18 Vol.2015-EC-35 No /3/3 1,a) ch [1] 1 Kansai University Graduate School of Inf](/thumbs/99/139166035.jpg "IPSJ SIG Technical Report Vol.2015-MUS-106 No.18 Vol.2015-EC-35 No /3/3 1,a) ch [1] 1 Kansai University Graduate School of Inf")
1,a) 1 2 2. 1. 1.1 5.1ch [1] 1 Kansai University Graduate School of Informatics, 2-1-1 Ryozenji-cho, Takatsuki-shi, Osaka, 569-1095, Japan 2 Kansai University Faculty of Informatics, 2-1-1 Ryozenjicho,
(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1
![(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1](/thumbs/49/25651654.jpg "(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. fnirs Kai Kunze 599 8531 1 1 223 8526 4 1 1 E-mail: yoshimura@m.cs.osakafu-u.ac.jp, kai@kmd.keio.ac.jp,
24312.dvi
Cognitive Studies, 24(3), 410-434. (Sep. 2017) The Table-talk Role Playing Game (TRPG) is an analog game. This game progresses by repeating acts of speech between a Game Master (GM) and a Player (PL).
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: katsu0920@me.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
スライド 1
本資料について 本資料は下記論文を基にして作成されたものです. 文書の内容の正確さは保障できないため, 正確な知識を求める方は原文を参照してください. 著者 : 伊藤誠吾吉田廣志河口信夫 論文名 : 無線 LANを用いた広域位置情報システム構築に関する検討 出展 : 情報処理学会論文誌 Vol.47 No.42 発表日 :2005 年 12 月 著者 : 伊藤誠悟河口信夫 論文名 : アクセスポイントの選択を考慮したベイズ推定による無線
ポテンシャル法によるロボット製品の障害物回避技術の開発,三菱重工技報 Vol.51 No.1(2014)
三菱重工技報 Vol.51 No.1 (2014) 新製品 新技術特集 技 術 論 文 40 ポテンシャル法によるロボット製品の障害物回避技術の開発 Development of Obstacle Avoidance Control for Robot Products Using Potential Method 彌 城 祐 亮 *1 江 口 和 樹 *2 Yusuke Yashiro Kazuki
SICE東北支部研究集会資料(2012年)
273 (212.6.29) 273-5 Motion measurement of nordic walking using inertial sensor, Takuya Tateyama, Koichi Sagawa * *Graduate School of Science and Technology Hirosaki University : (inertial sensor), (motion
Fig. 1 Contact states Fig. 2 Model-based approach to monitoring of process state
A Model-Based Approach to the Interpretation of Force and Position Sensor Signals for the Process Monitoring of Assembly Operations Shinichi HIRAI*, Haruhiko ASADA** and Hidekatsu TOKUMARU* A model-based
Vol.2014-MBL-73 No.26 Vol.2014-ITS-59 No /11/21 情報処理学会研究報告 IPSJ SIG Technical Report NDT-I MCL:輝度付き多次元正規分布地図を用いた 位置推定手法 伊藤誠悟1 鋤柄和俊1 小山渚1 大桑政幸1
情報処理学会研究報告 NDT-I MCL:輝度付き多次元正規分布地図を用いた 位置推定手法 伊藤誠悟1 鋤柄和俊1 小山渚1 大桑政幸1 概要 屋外の大規模な環境における位置推定では 軽量な地図の生成および位置推定の際に高い精度が得ら れる形式の地図生成が重要な課題の一つである 本稿では 輝度付き多次元正規分布地図を用いた大規模 環境向け位置推定手法 NDT-I MCL Normal Distributions
IPSJ SIG Technical Report GPS LAN GPS LAN GPS LAN Location Identification by sphere image and hybrid sensing Takayuki Katahira, 1 Yoshio Iwai 1
1 1 1 GPS LAN GPS LAN GPS LAN Location Identification by sphere image and hybrid sensing Takayuki Katahira, 1 Yoshio Iwai 1 and Hiroshi Ishiguro 1 Self-location is very informative for wearable systems.
IHI Robust Path Planning against Position Error for UGVs in Rough Terrain Yuki DOI, Yonghoon JI, Yusuke TAMURA(University of Tokyo), Yuki IKEDA, Atsus
IHI Robust Path Planning against Position Error for UGVs in Rough Terrain Yuki DOI, Yonghoon JI, Yusuke TAMURA(University of Tokyo), Yuki IKEDA, Atsushi UMEMURA, Yoshiharu KANESHIMA, Hiroki MURAKAMI(IHI
小量データを発生する大量無線通信機器群からの情報収集に適した無線アクセス方式 Radio access for data collections from a massive number of wireless devices generating short packets 1. 研究の背景 目
1. 研究の背景 目的 IoT 社会では 無線通信機能を搭載した莫大な数のモノがインターネットに接続するものと予想されている [1] この莫大な数の通信機器を収容する無線通信システムとして LTE *2 やその後継システムである第 4 5 世代移動体通信システムの適用が考えられている 四方博之 (Hiroyuki YOMO, Ph. D.) 関西大学システム理工学部教授 (Professor, Faculty
Microsoft PowerPoint PresentationPRMU2008Nov.ppt [互換モード]
![Microsoft PowerPoint PresentationPRMU2008Nov.ppt [互換モード]](/thumbs/81/82809688.jpg "Microsoft PowerPoint PresentationPRMU2008Nov.ppt [互換モード]")
Dynamic Markov random fields for stochastic modeling of visual attention 2008 年 11 月 27 日 木村昭悟 (1) Derek Pang (1,2) 竹内龍人 (1) 大和淳司 (1) 柏野邦夫 (1) (1) 日本電信電話 ( 株 )NTT コミュニケーション科学基礎研究所メディア情報研究部メディア認識研究グループ
Microsoft PowerPoint - Multi Camera (Final Vision.)
Multi Camra Visual Fdack Systm FL06-25-1 11/27/2006 尹磊々 1 はじめに Ey-in-hand カメラ構造 Synchronization Ey-in-hand カメラ構造のシンクロ 今回の提案 : Multi camra visual fdack systm マニピュレータダイナミクスが入ってないカメラのみのシステム 2 今日の流れ 前半部分 -
1 はじめに 85
1 はじめに 85 2 ジョイント スペースによるブランド選択の分析 2.1 ジョイント スペース マップ 86 2.2 ジョイント スペースとマーケティング変数を組み込んだブランド選択モデル hjt exp hjt exp hit h jt hjt hjt hjt hjt hk hjkt hjt k k hk h k hj hmt jm. m m hmt h m t jm m j hjt jm hmt.
Microsoft PowerPoint - Robotics_13_review_1short.pptx
東北文化学園大学 科学技術学部知能情報システム学科 費 仙鳳 ロボットの概要 数学的基礎 座標変換 同次変換 オイラー角 ロールピッチヨウ角 座標系設定 リンクパラメータ 腕型ロボットの構造 腕型ロボットの順運動学 腕型ロボットの逆運動学 腕型ロボットのヤコビアン 速度 特異姿勢 1 2 3 4 1 三角関数 ベクトルと行列 並進変換と回転変換 同次変換行列の導入 オイラー角 (Z-Y-Z) ロール
1 IDC Wo rldwide Business Analytics Technology and Services 2013-2017 Forecast 2 24 http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h24/pdf/n2010000.pdf 3 Manyika, J., Chui, M., Brown, B., Bughin,
2.2 (a) = 1, M = 9, p i 1 = p i = p i+1 = 0 (b) = 1, M = 9, p i 1 = 0, p i = 1, p i+1 = 1 1: M 2 M 2 w i [j] w i [j] = 1 j= w i w i = (w i [ ],, w i [
![2.2 (a) = 1, M = 9, p i 1 = p i = p i+1 = 0 (b) = 1, M = 9, p i 1 = 0, p i = 1, p i+1 = 1 1: M 2 M 2 w i [j] w i [j] = 1 j= w i w i = (w i [ ],, w i [](/thumbs/93/111684107.jpg "2.2 (a) = 1, M = 9, p i 1 = p i = p i+1 = 0 (b) = 1, M = 9, p i 1 = 0, p i = 1, p i+1 = 1 1: M 2 M 2 w i [j] w i [j] = 1 j= w i w i = (w i [ ],, w i [")
RI-002 Encoding-oriented video generation algorithm based on control with high temporal resolution Yukihiro BANDOH, Seishi TAKAMURA, Atsushi SHIMIZU 1 1T / CMOS [1] 4K (4096 2160 /) 900 Hz 50Hz,60Hz 240Hz
2). 3) 4) 1.2 NICTNICT DCRA Dihedral Corner Reflector micro-arraysdcra DCRA DCRA DCRA 3D DCRA PC USB PC PC ON / OFF Velleman K8055 K8055 K8055
1 1 1 2 DCRA 1. 1.1 1) 1 Tactile Interface with Air Jets for Floating Images Aya Higuchi, 1 Nomin, 1 Sandor Markon 1 and Satoshi Maekawa 2 The new optical device DCRA can display floating images in free
ロボット技術の紹介
賢いロボットの作り方 ~ 自分で考えて行動するロボットをつくる ~ 関東学院大学 理工学部 ( 届出設置書類提出中 ) 准教授元木誠 夢ナビライブ東京賢いロボットの作り方 1 本日の講義内容 周囲の状況を認識し, 自分で考えて行動するロボットのことを知能ロボットといいます 知能ロボットは賢さのレベルによって作り方が違います 生物の脳をモデルにしたシステム ( ニューラルネットワーク ) で作る方法を紹介します!
Microsoft PowerPoint - 発表II-3原稿r02.ppt [互換モード]
![Microsoft PowerPoint - 発表II-3原稿r02.ppt [互換モード]](/thumbs/91/105561911.jpg "Microsoft PowerPoint - 発表II-3原稿r02.ppt [互換モード]")
地震時の原子力発電所燃料プールからの溢水量解析プログラム 地球工学研究所田中伸和豊田幸宏 Central Research Institute of Electric Power Industry 1 1. はじめに ( その 1) 2003 年十勝沖地震では 震源から離れた苫小牧地区の石油タンクに スロッシング ( 液面揺動 ) による火災被害が生じた 2007 年中越沖地震では 原子力発電所内の燃料プールからの溢水があり
B HNS 7)8) HNS ( ( ) 7)8) (SOA) HNS HNS 4) HNS ( ) ( ) 1 TV power, channel, volume power true( ON) false( OFF) boolean channel volume int
SOA 1 1 1 1 (HNS) HNS SOA SOA 3 3 A Service-Oriented Platform for Feature Interaction Detection and Resolution in Home Network System Yuhei Yoshimura, 1 Takuya Inada Hiroshi Igaki 1, 1 and Masahide Nakamura
IPSJ SIG Technical Report Vol.2017-MUS-116 No /8/24 MachineDancing: 1,a) 1,b) 3 MachineDancing MachineDancing MachineDancing 1 MachineDan
MachineDancing: 1,a) 1,b) 3 MachineDancing 2 1. 3 MachineDancing MachineDancing 1 MachineDancing MachineDancing [1] 1 305 0058 1-1-1 a) s.fukayama@aist.go.jp b) m.goto@aist.go.jp 1 MachineDancing 3 CG
MATLAB EXPO 2019 Japan プレゼン資料の検討
自動運転向けソフトウェア Autoware と MATLAB /Simulink の連携 ~ 事例紹介 ~ 2019 年 5 月 28 日株式会社ネクスティエレクトロニクス SW 開発部技術開発グループ太田徳幸 Copyright TOMEN Electronics Corp. 目次 2/31 1. 会社概要 2. Autoware Toolbox 紹介 1. 取り組み背景 2. Autoware
PowerPoint プレゼンテーション
20150528 信号処理システム特論 本日の内容 適応フィルタ ( 時間領域 ) 適応アルゴリズム (LMS,NLMS,RLS) 適応フィルタの応用例 適応処理 非適応処理 : 状況によらずいつでも同じ処理 適応処理 : 状況に応じた適切な処理 高度な適応処理の例 雑音抑圧, 音響エコーキャンセラ, 騒音制御など 時間領域の適応フィルタ 誤差信号 与えられた手順に従ってフィルタ係数を更新し 自動的に所望の信号を得るフィルタ
数値計算で学ぶ物理学 4 放物運動と惑星運動 地上のように下向きに重力がはたらいているような場においては 物体を投げると放物運動をする 一方 中心星のまわりの重力場中では 惑星は 円 だ円 放物線または双曲線を描きながら運動する ここでは 放物運動と惑星運動を 運動方程式を導出したうえで 数値シミュ
数値計算で学ぶ物理学 4 放物運動と惑星運動 地上のように下向きに重力がはたらいているような場においては 物体を投げると放物運動をする 一方 中心星のまわりの重力場中では 惑星は 円 だ円 放物線または双曲線を描きながら運動する ここでは 放物運動と惑星運動を 運動方程式を導出したうえで 数値シミュレーションによって計算してみる 4.1 放物運動一様な重力場における放物運動を考える 一般に質量の物体に作用する力をとすると運動方程式は
PowerPoint Presentation
知能システム論 1 (9) 201365 情報システム学研究科情報メディアシステム学専攻知能システム学講座末廣尚士 12 ロボットアームの逆運動学 ( 幾何学的 ( 解析的 ) 解法 ) 何をしたいか 手首 手先 ツールの3 次元空間での位置や姿勢から それを実現する関節角度を計算する アームソリューション アームの解とも呼ぶ 何のために たとえばビジョンで認識された物をつかむ場合 物の位置 姿勢は3
ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社
ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社 概要 NEC は ビッグデータの分析を高速化する分散処理技術を開発しました 本技術により レコメンド 価格予測 需要予測などに必要な機械学習処理を従来の 10 倍以上高速に行い 分析結果の迅速な活用に貢献します ビッグデータの分散処理で一般的なオープンソース Hadoop を利用 これにより レコメンド 価格予測 需要予測などの分析において
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3.
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3. プロジェクト管理組織 株式会社オープンテクノロジーズ 4. 委託金支払額 3,000,000 円 5.
Microsoft Word - thesis.doc
剛体の基礎理論 -. 剛体の基礎理論初めに本論文で大域的に使用する記号を定義する. 使用する記号トルク撃力力角運動量角速度姿勢対角化された慣性テンソル慣性テンソル運動量速度位置質量時間 J W f F P p .. 質点の並進運動 質点は位置 と速度 P を用いる. ニュートンの運動方程式 という状態を持つ. 但し ここでは速度ではなく運動量 F P F.... より質点の運動は既に明らかであり 質点の状態ベクトル
5D1 SY0004/14/ SICE 1, 2 Dynamically Consistent Motion Design of Humanoid Robots even at the Limit of Kinematics Kenya TANAKA 1 and Tomo
5D1 SY4/14/-485 214 SICE 1, 2 Dynamically Consistent Motion Design of Humanoid Robots even at the Limit of Kinematics Kenya TANAKA 1 and Tomomichi SUGIHARA 2 1 School of Engineering, Osaka University 2-1
スライド 1
センサー工学 2013 年 12 月 18 日 ( 水 ), 2014 年 1 月 8 日 ( 水 ),1 月 15 日 ( 水 ) 第 11 回,12 回,13 回,14 回 知能情報工学科横田孝義 1 センサー工学 回授業内容予習 復習内容備考 1 授業のガイダンス 計測工学で学んだ単位系 誤差 精度などの復習を行う 2 ジャイロセンサの仕組みジャイロセンサの仕組み 3 最近の動向 MEMS センサ
Microsoft Word - プレス原稿_0528【最終版】
報道関係各位 2014 年 5 月 28 日 二酸化チタン表面における陽電子消滅誘起イオン脱離の観測に成功 ~ 陽電子を用いた固体最表面の改質に道 ~ 東京理科大学研究戦略 産学連携センター立教大学リサーチ イニシアティブセンター 本研究成果のポイント 二酸化チタン表面での陽電子の対消滅に伴って脱離する酸素正イオンの観測に成功 陽電子を用いた固体最表面の改質に道を拓いた 本研究は 東京理科大学理学部第二部物理学科長嶋泰之教授
untitled
IT E- IT http://www.ipa.go.jp/security/ CERT/CC http://www.cert.org/stats/#alerts IPA IPA 2004 52,151 IT 2003 12 Yahoo 451 40 2002 4 18 IT 1/14 2.1 DoS(Denial of Access) IDS(Intrusion Detection System)
円筒面で利用可能なＡＲマーカ
円筒面で利用可能な AR マーカ AR Marker for Cylindrical Surface 2014 年 11 月 14 日 ( 金 ) 眞鍋佳嗣千葉大学大学院融合科学研究科 マーカベース AR 二次元マーカはカメラ姿勢の推定, 拡張現実等広い研究分野で利用されている 現実の風景 表示される画像 デジタル情報を付加 カメラで撮影し, ディスプレイに表示 使用方法の単純性, 認識の安定性からマーカベース
コンテンツセントリックネットワーク技術を用いた ストリームデータ配信システムの設計と実装
コンテンツセントリックネットワークにおけるストリームデータ配信機構の実装 川崎賢弥, 阿多信吾, 村田正幸 大阪大学大学院情報科学研究科 大阪市立大学大学院工学研究科 2 発表内容 研究背景 研究目的 ストリームデータ配信機構の設計 ストリームデータのモデル化 コンテンツの名前構造 ストリームデータの要求とフロー制御 ストリームデータ配信機構の実装 動作デモンストレーション 3 コンテンツセントリックネットワーク
Microsoft Word - 01.docx
京都大学 MU レーダーで宇宙ごみの姿を捉える ~ 観測波長より小さいスペースデブリのサイズやスピンの推定に成功 ~ 概要高度数百 km の地球周回軌道上にあるスペースデブリ ( 宇宙ごみ ) のうち レーダー観測装置の波長と比較して 大きさが同程度以下のスペースデブリのサイズ スピン 概形等の状態の推定をする観測手法を提案し 大型大気レーダーである京都大学生存圏研究所 MU レーダー ( 周波数