自動車業界は「100年に一度の大変革の時代」に入っており、MaaS(Mobility as a Service)およびCASE(コネクティッド、自動運転、シェアリング、電動化)トレンドが日々着実に進んでおります。本資料は、自分および社内向けスタディとしてMaaS/CASEの全体感を纏めたものです。
業界理解やディスカッションの材料としてご活用いただければ幸いです。
ご質問/ディスカッションのご要望などございましたら、Twitter/Facebookなどでご連絡ください。
自動車業界は「100年に一度の大変革の時代」に入っており、MaaS(Mobility as a Service)およびCASE(コネクティッド、自動運転、シェアリング、電動化)トレンドが日々着実に進んでおります。本資料は、自分および社内向けスタディとしてMaaS/CASEの全体感を纏めたものです。
業界理解やディスカッションの材料としてご活用いただければ幸いです。
ご質問/ディスカッションのご要望などございましたら、Twitter/Facebookなどでご連絡ください。
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
53. 佐賀市実践型地域雇用創造事業/Empowered Japan 2019
テクノロジーが拓く中小企業のミライ
AI
再帰的ニューラルネットワーク
「テキスト」を扱うには?
53
A B C D
03
04
05
A B C D
02
03
04
A B C D
01
02
03
A B C D
01
02
03
一般的な
NN
A
B
D
C ?
RNN
再帰的
ニューラル
ネットワーク
A
B
D
C
!A
B
D
C
時系列属性を持つ
データが扱えるように!
(各種指標、音声、文章、動画…)
言葉の分散表現 時系列に並んだデータのためのネットワーク構造
単語を分類し、注釈をつけ
るなどしてデータベース
(コーパス)を作成・参照
特徴
A
特徴
B
特徴
C
特徴
D
今日 0.7 0.5 0.2 0.3
誕生日 0.8 0.7 0.5 0.1
私 0.5 0.8 0.1 0.7
楽しい 0.2 0.1 0.8 0.2
ニューラルネットワークを
用いて単語等をベクトル化
(Word2Vec、Sec2Sec)
54. 佐賀市実践型地域雇用創造事業/Empowered Japan 2019
テクノロジーが拓く中小企業のミライ
AI 機械翻訳を比べてみよう
54
一般の人が考える機械翻訳
1. 日本語を英単語に翻訳
2. 文法に沿って並べ替え
実際の最近の機械翻訳
1. 器(Werd2Vec、Sec2Sec、RNN等)を構築
2. 対訳文を大量に用意して、器に「食わせる」
例文 最近、とてもとても暑いですね。いつもは自転車通勤やってますけど、さすがに耐えら
れないので、何かいい方法、ありませんか?教えてくれたらアイス、おごりますよ。
Google
翻訳
MS
bing
Excite
翻訳
It's been very, very hot lately. I usually commute to work by bicycle, but I can't
stand it, so is there any good way? If you tell me, I'll treat you with ice cream.
It's very hot these days, isn't it? I always go to work by bicycle, but I can not stand it,
so there is no better way. If you tell me, I will eat ice cream.
It's very very hot recently, isn't it? Bicycle commutation is being done, but usual
isn't held back indeed, so are there any good ways? If you tell me, I treat to ice.
主語・目的語も的確だし、ほぼOK?
質問になってない! 自分で食べるの?
「普段」を主語に結構、力技… アイス「に」おごるの?
Weblio
翻訳
It is very, very hot recently. Still it is what, or it is said, and is there a method all the time though I
do bicycle commuting because I am not able to bear it? I treat you to ice if I tell me.
意味不明?
自分で自分に教える?じっくり読めば「あー、そう訳したか」だけど…
55. 佐賀市実践型地域雇用創造事業/Empowered Japan 2019
テクノロジーが拓く中小企業のミライ
AI GANともあるとばってん…
55
生成 敵対的 ネットワーク
Real
Fake生成器
識別器
いかに
偽物を的確に
見分けるか?いかに本物と
見分けがつかない
偽物を作るか?
最初に学習
次に学習
繰り返し
やがて超精巧な
フェイク製造機に
もう学習データ
を集めなくても…
これってAIによる
一種の創造では?
例)Deep Fakeなど