CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線Daiyu Hatakeyama
迅速さと柔軟性。これが新規事業を成功させるシステムに求められる重要なキーワードとなっています。
企業・組織にとって「情報」のデジタル化と、作成され、増え続ける「データ」の活用は、重要な課題になっています。他社との差別化たるエンジンとなりうる AI の開発も実用段階に入っています。各種 IT 技術の中でも、AI の進化は特に早く、数か月前の情報が古いという事も増えてきました。
このセッションでは、幾つかの事例を見ていきながら、ビジネスを支える技術に焦点を充てて次の一手を考えるヒントをご提示します。
Connect 2021郡山: 街づくりのためのデジタル技術 IoT – Data - AI その先に考えたいコトDaiyu Hatakeyama
Smart City に代表される街づくりのためのデジタル技術にはいろんなものがあります。特に重要なのは IoT / Big Data そして AI です。
COVID-19で、その必要性が高まる中、もう一つ焦点を当てて考えたいコト。それは Sustainability です。
ここでは 2021年11月時点での、それらの関連性を見ていきます。
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線Daiyu Hatakeyama
迅速さと柔軟性。これが新規事業を成功させるシステムに求められる重要なキーワードとなっています。
企業・組織にとって「情報」のデジタル化と、作成され、増え続ける「データ」の活用は、重要な課題になっています。他社との差別化たるエンジンとなりうる AI の開発も実用段階に入っています。各種 IT 技術の中でも、AI の進化は特に早く、数か月前の情報が古いという事も増えてきました。
このセッションでは、幾つかの事例を見ていきながら、ビジネスを支える技術に焦点を充てて次の一手を考えるヒントをご提示します。
Connect 2021郡山: 街づくりのためのデジタル技術 IoT – Data - AI その先に考えたいコトDaiyu Hatakeyama
Smart City に代表される街づくりのためのデジタル技術にはいろんなものがあります。特に重要なのは IoT / Big Data そして AI です。
COVID-19で、その必要性が高まる中、もう一つ焦点を当てて考えたいコト。それは Sustainability です。
ここでは 2021年11月時点での、それらの関連性を見ていきます。
□Author
Masaya Mori, Global Head of Rakuten Institute of Technology, Executive Officer, Rakuten Inc.
森正弥 楽天株式会社 執行役員 兼 楽天技術研究所代表
□Description
そもそもなぜ人工知能(AI)をビジネスで活用する必要があるのかの視点に基づいて、AI活用戦略について述べた講演の資料です。
GPU の分析への応用などの基礎技術の進化とクラウドの爆発的な普及に伴い、だれもが使いたいときに使いたい時だけ高性能なマシンリソースを使える時代が到来し、家電、スマホ、ビジネスアプリケーションなどありとあらゆるものに AI が搭載されているとうたわれ、一部のデータサイエンティストが担っていた高度な分析や深層学習のフレームワークもエンドユーザーで使いこなす人も少なくありません。
一方で、AI や深層学習という言葉が独り歩きし、まず AI 導入ありきでプロジェクトが始まり、目的が失われ頓挫するようなケースや、予測した結果についての妥当性について説明がつかず、結果がうまく利用できないようなケースも見られるようになってきました。
今回のセミナーでは、AI や高度な分析についての最新トレンドと、その使いどころについて、実際の事例や経験などを踏まえお伝えします。
□Author
Masaya Mori, Global Head of Rakuten Institute of Technology, Executive Officer, Rakuten Inc.
森正弥 楽天株式会社 執行役員 兼 楽天技術研究所代表
□Description
そもそもなぜ人工知能(AI)をビジネスで活用する必要があるのかの視点に基づいて、AI活用戦略について述べた講演の資料です。
GPU の分析への応用などの基礎技術の進化とクラウドの爆発的な普及に伴い、だれもが使いたいときに使いたい時だけ高性能なマシンリソースを使える時代が到来し、家電、スマホ、ビジネスアプリケーションなどありとあらゆるものに AI が搭載されているとうたわれ、一部のデータサイエンティストが担っていた高度な分析や深層学習のフレームワークもエンドユーザーで使いこなす人も少なくありません。
一方で、AI や深層学習という言葉が独り歩きし、まず AI 導入ありきでプロジェクトが始まり、目的が失われ頓挫するようなケースや、予測した結果についての妥当性について説明がつかず、結果がうまく利用できないようなケースも見られるようになってきました。
今回のセミナーでは、AI や高度な分析についての最新トレンドと、その使いどころについて、実際の事例や経験などを踏まえお伝えします。
ソフトウェア業界ではワクワクする新しいテクノロジーがどんどん生まれ、それが世の中で使われるまでも早くなっています。2018年に革新があった Deep Learning は、既に民主化・日常化もしてます。この講演では、そのソフトウェアの今を俯瞰し、今後どうなっていくのか? その未来予想とともに。職業として20年以上の経験を得た私の学びをお伝えします。
【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.
40. “As a culture, we are
moving from a group
of people who know
it all to a group of
people who want to
learn it all.”
-Satya Nadella
CEO, Microsoft
“全て知っている” から
“全て学ぶ”カルチャーへ