2017年1月18日および19日に開催した「STAR-CCM+ クラウド活用ハンズオンセミナー with Rescale」で使用した資料です。
注:本ハンズオンを実施するにはSTAR-CCM+のライセンスが必要になります。
A material used in "STAR-CCM + Cloud Utilization Hands-on Seminar with Rescale" on Jan/18-19/2017.
Note: To execute this hands-on, a license of STAR-CCM + is required.
2017年1月18日および19日に開催した「STAR-CCM+ クラウド活用ハンズオンセミナー with Rescale」で使用した資料です。
注:本ハンズオンを実施するにはSTAR-CCM+のライセンスが必要になります。
A material used in "STAR-CCM + Cloud Utilization Hands-on Seminar with Rescale" on Jan/18-19/2017.
Note: To execute this hands-on, a license of STAR-CCM + is required.
イベント名:HWAUG & GPU-Accelerated VDI Community Meetup in 札幌
https://h-watson.connpass.com/event/44378/
テーマ:「IBM Watson技術紹介とGPUを利用した高性能仮想デスクトップの最新動向」
主催 : 北海道Watsonユーザー会(HWAUG) & Japan GPU-Accelerated VDI Community
NTTコミュニケーションズでは、Azure Stack Hub with GPUを先行で導入し検証を行っています。本資料では、実際に利用している立場からデモを交えつつAzure Stack Hub with GPUのユースケースをお話すると共に、GPUのベンチマークを含む他社クラウドとの性能比較結果について情報共有をいたします。
[db analytics showcase Sapporo 2017] B14: GPU コンピューティング最前線 by エヌビディア 佐々木邦暢Insight Technology, Inc.
GPUの演算能力を汎用的に活用する「GPUコンピューティング」が誕生してはや10年。多くのスーパーコンピューターに採用されるなど科学技術計算の領域で実績を積み重ねたこの技術は、近年のAIムーブメントを支える重要な存在になっています。高度な画像認識、自然言語処理、そして自動運転などますます複雑になる問題のために登場した Volta 世代の新型GPUをはじめ、GPUコンピューティングの最新情報をお伝えします。
【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.
3. サンフランシスコ(本社), 東京オフィス
300%+ annual growth
SaaS タイプの Cloud HPCを提供 (設計者対象)
36+ global data centers, 200+ simulation
apps
Company
Technology
Customers
Investors
100+ Leading Global 2000 Enterprises
Peter ThielJeff Bezos Richard Branson
Rescale - Company Overview
3
36. Cloudの領域を広げる:ワークフローの作り込み
36
Pre Process Solver Post Process
目的関数, 特性値を
決めバッチ処理でき
る状態へ
(可視化も合わせて)
SaaSの機能にお
任せ
Data の管理
メッシュ生成、粒
子配置など自動化
することを考える
最低限必要
なデータ
10TB
run auto_mesh
データ転送を極力しない努力 プリ/ポストの自動化 ワークフロー/データの管理
37. 特にパラメータスタディーの時は・・・
• Rescale DoE (Design of Engineering) 機能がお勧め
• ワークフローの作り込みができる
37
Operation
パラメータの表をCSVで準備 パラメータを反映させる入力
ファイルのテンプレートを準備
実験計画法を選択
ポスト処理を定義