2020年12月15~16日に開催されたイベント「SIAI2020 第 1 回インダストリアル AI シンポジウム」(主催:人工知能学会,名古屋市)のチュートリアル講演「ベンチャーによるAI活用事例」で使った資料です。
来栖川電算がトヨタマップマスター様と共同で実施している高精度地図作成に関する取り組みを紹介させて頂きました。高精度地図を自動生成する深層学習手法の話ではなく、それを活用して地図作成(アノテーション作業)業務を効率化する話です。様々なアプローチと落とし穴を分かりやすく解説しています。大きな費用対効果を生み出す地に足ついた取り組みの話でもあるので、PoC どまりでお困りの方にもお勧めの内容です。
AI を用いて「どのように問題を解くか」について考えると、主要な関心事が「どのようにデータ収集・アノテーションするか」になることが多く、データ収集・アノテーションこそが AI 研究開発の本質と言っても過言ではありません。このような流れに対応するために、来栖川電算では「一貫した正しいデータを効率的に作れるようにする技術」を研究開発し、annofab をはじめとする製品・サービスにのせてお客様へ提供させて頂いております。ご興味がある方はお気軽にご相談ください。
2020年12月15~16日に開催されたイベント「SIAI2020 第 1 回インダストリアル AI シンポジウム」(主催:人工知能学会,名古屋市)のチュートリアル講演「ベンチャーによるAI活用事例」で使った資料です。
来栖川電算がトヨタマップマスター様と共同で実施している高精度地図作成に関する取り組みを紹介させて頂きました。高精度地図を自動生成する深層学習手法の話ではなく、それを活用して地図作成(アノテーション作業)業務を効率化する話です。様々なアプローチと落とし穴を分かりやすく解説しています。大きな費用対効果を生み出す地に足ついた取り組みの話でもあるので、PoC どまりでお困りの方にもお勧めの内容です。
AI を用いて「どのように問題を解くか」について考えると、主要な関心事が「どのようにデータ収集・アノテーションするか」になることが多く、データ収集・アノテーションこそが AI 研究開発の本質と言っても過言ではありません。このような流れに対応するために、来栖川電算では「一貫した正しいデータを効率的に作れるようにする技術」を研究開発し、annofab をはじめとする製品・サービスにのせてお客様へ提供させて頂いております。ご興味がある方はお気軽にご相談ください。
2019年7月9日(火)にウィンクあいちで開催されるイベント「AI活用セミナー」で使う資料です。
AI や機械学習とは何か、来栖川電算がどのように取り組んでいるかが分かります。
資料にも登場する「アノテーション駆動研究開発」は数年前から実践している手法(具体的な手法というより考え方)です。それに名前を付けました。合理的な手法なのでお勧めです。
2019年7月9日(火)にウィンクあいちで開催されるイベント「AI活用セミナー」で使う資料です。
AI や機械学習とは何か、来栖川電算がどのように取り組んでいるかが分かります。
資料にも登場する「アノテーション駆動研究開発」は数年前から実践している手法(具体的な手法というより考え方)です。それに名前を付けました。合理的な手法なのでお勧めです。
IA Workshop, Introduction to Information Architecture (2002)Nobuya Sato
This July 5th 2002 document is originally prepared for the workshop for one of the largest web design agency in Tokyo to exchange and share the Razorfish IA methodology with them. For the recent growing need for practical IA methodology in Japan, I decided to open this file for the future generation.
2002年7月5日に某社のために行った情報アーキテクチャ(IA)のワークショップ向けに当時自分なりにまとめた資料です。概論と実践、2回に分けて開催する予定でしたが、第2回目は幻となりました(謎)
いわゆる「白くま」流のIAの考え方と当時の米国で芽生えつつあったUXという違った視点でのIAという考え方の紹介を、実際の組織構成の説明・解説を交えつつ、実際のプロセスとそれぞれの成果物の紹介です。
中盤の実際の組織構成の説明は、2000年当時にIAをサービスの強みとしていた(かつ自分が在籍した)米国の主要Webインテグレーター(日本では当時「SIPS」と呼ばれていた今や当たり前のWebデザインの業態)の3社のデザイン部門の構成やその後の各社の動向をIAを軸に解説しています。
ここで詳細は書きませんが、以前無断で引用(というか丸写)され、意味を意図的(?)に変えて某大学院の授業教材に間違った文脈で使われていたのをその大学のオープンキャンパス戦略なる計らいで知ったことがあります。(単にググったら出てきたw)
まぁ、引用されるのは良いことでもあるのすが、どうせならフルで引用されるように公開しておきたい、という思いと、一方で昨今の「IAからUXへ」という考え方の源流がすでに2002年には確立していた、という点でもその方面に興味がある方には参考になるかな?と。
#記述内容は当時のままですが、用語統一の観点から「情報設計」を「情報アーキテクチャ」、「インフォメーション・アーキテクト」を「インフォメーションアーキテクト」にだけ変更しています。
This presentation talk about one of the example of Agile Software Development for Enterprise. Especially it is about Requirements by Collaboration with QA: Workshops for Defining Needs with QA.
2018年11月3日にパナソニックスタジアム吹田で開催されたイベント「JAWS FESTA 2018 OSAKA ~Passionate~」のセッション「AWSとDockerで実現するAI研究のためのPipeline as Code」で使った資料です。
来栖川電算ではAWS BatchやAmazon SageMaker的なことをオンプレ環境やハイブリッドクラウド環境で実現し、その上で研究プロエスをコード化しているという話です。研究プロセスを工夫すればもっと良い成果がだせるようになるはずです。
2018年11月3日にパナソニックスタジアム吹田で開催されたイベント「JAWS FESTA 2018 OSAKA ~Passionate~」のサポーターセッションで使った資料です。
来栖川電算は AI や機械学習をやっている会社ですが、AWS やサーバレス技術などを駆使して AI 研究開発のためのインフラや AI アプリも作っています。幅広い技術を扱っているので退屈しない会社だと思います。
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.
【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。