活用段階に入ったNoSQLですがまだまだ実際どう使えるのかご存じ無い方も多いのでは無いでしょうか。当セッションでは、MapR-DB(Hbase互換のNoSQL)が企業でどう活用されているのか、インドのマイナンバー事例や国内事例を元に実際の使い方のイメージと技術的な裏付けをご説明します。2015年6月10〜12日に開催されたdb tech showcase Tokyo 2015での講演資料です。
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。
4. 分散キーバリューストアの特徴
A:「Availability」
一貫性 (Consistency)
1つのデータへの操作は成功、失敗のどちらかしか発生しない
可用性 (Availability)
システムへの障害発生の可能性が極めて低い、もしくは障害時も稼働し続けることができる
P:「Partition C:
分割耐性(Partition Tolerance)
Tolerance」 「Consistency」 ネットワーク障害が発生した場合もシステムは停止せず稼働し続ける
また、極端なスループットの低下も起こらない
【RDBMS】 【分散キーバリューストア】
A A A
P C P C P C
RDBMSは一貫性を強く意識している 。 可用性や分割耐性のように、ネットワークを介して複
また、一貫性を優先するために、単一のサーバー資源 数のサーバー資源を活用する使い方に対する意識が高
上でデータを管理する設計になっている場合が多い 。 い。
2012/1/18 4 Copyright (C) Kobe Digital Labo Inc. All Reserved.
5. 使いやすい分散キーバリューストア「okuyama」
3 層 構 造 Storage Type 永続化・非永続化の選択、一貫性レベルの選択保存先の
選択(Memory, Disk, Disk + Memory)
Data Data Data Support Protocol Original, memcached, HTTP
client
Node Node Node
Master
Node 冗長性 複数台のサーバで構成されており、
Data Data Data サーバ追加も無停止で可能(アルゴリズム分散)
client
Node Node Node
可用性 全てのデータは多重化されて保存され、全ての構成要素
Master が多重化可能となっている
Node Data Data Data single point of failureが存在しない
client
Node Node Node
無停止データリカバリ 障害復旧時のデータの差異を修復するデータのリカバリ
client MasterNode DataNode は全て無停止で自動的に行われる
無停止データ再配置 サーバ追加後のデータ再配置は全て無停止で自動的に行
APから 分散処理制 データ保管
われる
okuyamaを 御する管理 される管理
操作するIF ノード ノード データ一貫性の強度の選択 取得するデータの一貫性を弱・中・強の中から選択可能
ストレージ特性の自由度 パーティション機能
• メモリに保存するか、ディスクに保存するかを選択することができる
•1つのクラスタに用途毎に合わせた領域を確保することができる
• 利用シーンに合わせて設定を選択できる
•メモリ:高速だが、データが永続保存されない
•パーティション毎に設定を変えることができる
•ディスク:データが永続保存されるが、メモリに比べて速度が务化す Valueへの全文検索機能
る
•Keyだけでしか検索できない分散キーバリューストアだが、Value
Tag付加機能 項目に対して全文検索を行うことができる
• Key以外にタグを追加することができるので、複数件のデータにアクセ •全文検索用のインデックス情報をグルーピングすることができる
スできる ので、検索したいデータ群を絞り込んだ上で全文検索が可能
• タグは理論上、無制限に付加できるので、利用シーンに合わせて自由に
タグを付加することができる Hadoop連携
JavaScript実行機能 •分散処理基盤としてメジャーなHadoopに対応
•パーティションやタグを指定してHadoop側で処理できるので、
• DataNode上で処理できるプログラムを配置でき、最もサーバ台数が確
保されるノードで実行することにより、高速な処理が可能 okuyama上のある一群のデータを対象に高速な分析処理ができる
2012/1/18 5 Copyright (C) Kobe Digital Labo Inc. All Reserved.