SlideShare a Scribd company logo
ロボティクスにおける
SLAM 手法と実用化例
千葉工業大学 未来ロボット技術研究センター fuRo
原 祥尭(HARA, Yoshitaka)
@ystk_hara SSII 2019, June 13
自己紹介(略歴)
1
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
2007年:筑波大 油田・坪内・大矢研 修士
2007年~2011年:日立製作所 日立研究所
(旧、機械研究所)
2012年~2015年:学振特別研究員DC1
2015年:筑波大 坪内・大矢研 博士
2015年~:千葉工大 未来ロボット技術研究センター(fuRo)
センサ融合 自律走行 ロボット掃除機 まとめ
自己紹介(ROS 解説)
2
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
“ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発”,
RSJ 第94回ロボット工学セミナー, 2015.
https://www.slideshare.net/hara-y/ros-slam-navigation-rsj-seminar
“ROS を用いた自律移動ロボットのシステム構築”,
RSJ 第99回ロボット工学セミナー, 2016.
https://www.slideshare.net/hara-y/ros-nav-rsj-seminar
“解説:ROS を用いた自律走行”,
日本ロボット学会誌, vol. 35, no. 4, 2017.
https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja/
センサ融合 自律走行 ロボット掃除機 まとめ
自己紹介(SLAM 解説)
3
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
日経 Robotics 連載 “SLAM とは何か”, 全18回, 2016~2017.
“SLAM とは何か:自己位置推定と地図構築の全体像”,
RSJ 第112回ロボット工学セミナー, 2018.
“SLAM の基礎とオープンソース”,
RSJ 第119回ロボット工学セミナー, 2019.
https://www.slideshare.net/hara-y/slam-rsj-seminar-2019
センサ融合 自律走行 ロボット掃除機 まとめ
3次元 SLAM を用いた歩道での約 2 km 自律走行
4
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
https://youtu.be/njw9BPQUoa0
センサ融合 自律走行 ロボット掃除機 まとめ
異なるセンサ情報の融合5
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
最尤推定、最大事後確率推定、ベイズ推定
6
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
ロボット位置:x
確率密度:p(・)
事前確率 p(x|u)
(オドメトリなど:u) 尤度 p(z|x,u)
(スキャンなど:z)
事後確率 p(x|u,z)
ベイズ推定
事後確率の分布を推定
最大事後確率(MAP)推定
事後確率のモードを推定
最尤推定
尤度のみのモードを推定
事後確率
=尤度×事前確率
ベイズの定理による自己位置推定の概念図
センサ融合 自律走行 ロボット掃除機 まとめ
ベイズ理論に基づく SLAM 手法の分類
7
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
最小二乗法は、誤差をガウス分布でモデル化した最尤推定に対応
正則化最小二乗法の正則化項は、最大事後確率推定での事前確率に対応
ベイズフィルタは、ベイズの定理とマルコフ過程に基づくベイズ推定
スキャンマッチングでも事後確率やその確率分布を推定できないか?
最尤推定
最大事後確率
(MAP)推定
ベイズ推定
推定対象 尤度 事後確率 事後確率
推定結果 モード(点推定) モード(点推定) 確率分布
性質 尤度のみを最適化 事前確率と尤度を最適化
事前確率と尤度を
確率的に融合
該当する手法
スキャンマッチング、
グラフベース SLAM
グラフベース SLAM ベイズフィルタ
センサ融合 自律走行 ロボット掃除機 まとめ
通常のスキャンマッチングは尤度のみを考慮
8
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
初期位置(車輪オドメトリ)を忘れてマッチングしていくため、
センサ視野の狭さなどが原因で誤った位置に収束してしまう
2次元平面での例
時刻t-1の
ロボット位置 時刻tの
推定位置(誤り)
時刻tの
初期位置(オドメトリ)
時刻tの
実際の位置(真値)
実際の形状
目標点群
計測点群マッチング
計測点群を重ねようとした結果、
初期位置から離れすぎて誤収束
計測点群
Hara+, “6DOF Iterative Closest Point Matching Considering A Priori
with Maximum A Posteriori Estimation”, IROS 2013.
センサ融合 自律走行 ロボット掃除機 まとめ
最大事後確率 (MAP) 推定によるスキャンマッチング
9
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
初期位置(車輪オドメトリ)の情報を破棄せずに事前確率として用い、
正則化として与える制約内で計測点群をマッチングする
2次元平面での例
時刻t-1の
ロボット位置 初期位置の近傍に留まる制約を
事前確率として与える
実際の形状
目標点群
計測点群
時刻tの
初期位置(オドメトリ)
マッチング
Hara+, “6DOF Iterative Closest Point Matching Considering A Priori
with Maximum A Posteriori Estimation”, IROS 2013.
センサ融合 自律走行 ロボット掃除機 まとめ
最大事後確率推定でのスキャンマッチングの定式化
10
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
最小化するエネルギー関数
最大事後確率(MAP)推定による位置合わせを、
ベイズの定理に基づき正則化最小二乗法として導出
ロボット位置の修正量atに関するベイズの定理
尤度 事前確率
ロボット位置の修正量atの事後確率
尤度 事前確率
最大事後確率(MAP)推定の枠組みで導出
ロボット位置xtではなく
修正量atで定式化
axis-angle で3次元
回転の正則化を実現
axis
angle
x y
z
Hara+, “6DOF Iterative Closest Point Matching Considering A Priori
with Maximum A Posteriori Estimation”, IROS 2013.
センサ融合 自律走行 ロボット掃除機 まとめ
最大事後確率推定を用いた MAP-ICP マッチング
11
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
Standard ICP(従来手法) MAP-ICP(提案手法)
Xtion PRO LIVE
視野:水平58deg、垂直45deg
実験環境緑:目標点群
赤:計測点群
視野角が狭いため
点群の重なりが少なく
従来手法は誤収束 ロボット
[Hara+, IROS 2013]
尤度だけでなく事前確率も最適化
Hara+, “6DOF Iterative Closest Point Matching Considering A Priori
with Maximum A Posteriori Estimation”, IROS 2013.
センサ融合 自律走行 ロボット掃除機 まとめ
ラプラス近似を用いた推定位置の確率分布計算
12
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
共分散
スキャン
格子ベースの総当たり法
ラプラス近似による確率分布 実際の誤差分布(真値)
[原+, ロボシン2010] により、推定位置の共分散を計算
→グラフベース SLAM の制約条件として利用可能
原+, “法線方向の拘束を利用したスキャンマッチングと
尤度分布決定による確率的自己位置推定”, ロボシン 2010.
対応付けを考慮したヘッセ行列の
逆行列が共分散になる
位置拘束が退化して
長手方向に誤差大
センサ融合 自律走行 ロボット掃除機 まとめ
ラプラス近似を用いた推定位置の確率分布計算
13
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
共分散
スキャン
格子ベースの総当たり法
ラプラス近似による確率分布 実際の誤差分布(真値)
[原+, ロボシン2010] により、推定位置の共分散を計算
→グラフベース SLAM の制約条件として利用可能
原+, “法線方向の拘束を利用したスキャンマッチングと
尤度分布決定による確率的自己位置推定”, ロボシン 2010.
対応付けを考慮したヘッセ行列の
逆行列が共分散になる
センサ融合 自律走行 ロボット掃除機 まとめ
屋外での3次元マッチングと確率分布計算の様子
14
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
10 m
推定したロボット位置の
確率分布
3次元形状を
平面に投影
マッチング1回の処理は
10 ms 未満
スキャン形状に応じた適切な確率分布を動的に計算
原+, “法線方向の拘束を利用したスキャンマッチングと
尤度分布決定による確率的自己位置推定”, ロボシン 2010.
センサ融合 自律走行 ロボット掃除機 まとめ
スキャンマッチングにおける受光強度の活用
15
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
レーザスキャンは形状だけでなく
受光強度の情報を持つ
受光強度を利用することで、形状特徴
の乏しい点群を対応付け可能
対象物の色や材質に関する情報を
受光強度として取得可能
ロボット
Hara+, “Mobile Robot Localization and Mapping by Scan Matching
Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006.
センサ融合 自律走行 ロボット掃除機 まとめ
受光強度を用いた Intensity-ICP マッチング
16
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
 形状のみで最近傍の点を対応付け
 平行な壁では、最大距離 4 m のために
拘束が退化し一意に位置合わせできない
 廊下の長手方向が短くなってしまう
[Hara+, IECON 2006]
 受光強度も考慮して対応付け
 測定範囲の不足により退化が発生するが、
廊下の長手方向も正しく推定できる
Standard ICP(従来手法) Intensity-ICP(提案手法)
Hara+, “Mobile Robot Localization and Mapping by Scan Matching
Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006.
センサ融合 自律走行 ロボット掃除機 まとめ
Intensity-ICP に基づく SLAM による地図構築
17
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
短距離 LIDAR では退化する廊下を含む地図を、受光強度を活用して構築
構築した地図は受光強度の情報も持つ
Hara+, “Mobile Robot Localization and Mapping by Scan Matching
Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006.
センサ融合 自律走行 ロボット掃除機 まとめ
SLAM を用いた自律走行18
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
屋外歩道で行われる自律
走行公開実験(6月~11月)
一般の人々がいる日常環境
2007年度から毎年実施
幹事として運営にも参加
つくば市役所
研究学園駅前公園
つくばチャレンジ2018での全チームの走行距離
20
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
参加ロボット75台、完走6台
チームによって経路が違う
ため、完走でも距離は異なる
近年、オープンソースが充実
してきたが、実環境での自律
走行には課題が多い
リアルワールドは難しい!
18
29
9
6
1 2
0 1 1 2
4
1
15
19 18
5
0
2
0 1 1
4
6
3
0
5
10
15
20
25
30
35
台数
走行距離 [m]
本走行
本走行/記録走行
センサ融合 自律走行 ロボット掃除機 まとめ
自律走行や SLAM のオープンソース利用状況
21
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
ROS で標準的な navigation
と slam_gmapping が多い
Autoware も多い
Cartographer は意外に少ない
(試用して諦めたとの声も)
製品である Stencil の利用も
Visual SLAM は RTAB-Map
と ORB-SLAM のみで少ない
18
20
1
1
8
2
1
1
2
1
0 5 10 15 20 25
ROS navigation
ROS slam_gmapping
ROS hector_slam
ROS slam_karto
Autoware
Cartographer
MRPT
Kaarta Stencil
RTAB-Map
ORB-SLAM
オープンソース SLAM については [原, “SLAM の基礎とオープンソース”] を参照
https://www.slideshare.net/hara-y/slam-rsj-seminar-2019
センサ融合 自律走行 ロボット掃除機 まとめ
地図構築(SLAM)の手法
22
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
Laser SLAM が圧倒的多数、
ただグラフベースはまだ少ない
RGB-D、Visual SLAM は少数
SLAM 不使用チームの戦略
 オドメトリ地図で教示再生
 GNSS(GPS など)
 トポロジカル地図
 End-to-End 深層学習
13
25
8
2
2
15
0 5 10 15 20 25 30
Laser スキャンマッチング
Laser ベイズフィルタ
Laser グラフベース SLAM
RGB-D SLAM
Visual SLAM
SLAM 不使用
その他の統計は [原+, “つくばチャレンジ2018技術調査アンケートの報告”] を参照
https://www.slideshare.net/hara-y/tsukuba-challenge-2018-survey
センサ融合 自律走行 ロボット掃除機 まとめ
様々な 3D-LIDAR が登場
23
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
 Velodyne LIDAR(米国)
https://velodynelidar.com/
 北陽電機(日本)
https://www.hokuyo-aut.co.jp/
 Ouster(米国)
https://www.ouster.io/
 HESAI(中国)
http://www.hesaitech.com/
 RoboSense LiDAR(中国)
https://www.robosense.ai/
 LeiShen LiDAR(中国)
http://en.leishen-lidar.com/
2次元も含め、これ以外にも非常に多くのスタートアップが開発
センサ融合 自律走行 ロボット掃除機 まとめ
全周ミリ波 RADAR を用いた自己位置推定
24
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
[Cen and Newman, “Precise Ego-Motion Estimation with Millimeter-Wave Radar
under Diverse and Challenging Conditions”, ICRA 2018]
[Cen and Newman, “Radar-Only Ego-Motion Estimation in Difficult Settings via
Graph Matching”, ICRA 2019]
Navtech CTS350-X
https://youtu.be/OHcj2A4cPMU
https://youtu.be/nJeLHNf-U6k
センサ融合 自律走行 ロボット掃除機 まとめ
ロボット掃除機での実用化例25
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
ロボット掃除機における SLAM の実用化
26
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
パナソニック・千葉工業大学産学連携センターでの開発例
2018年3月発表
 独自の ScanSLAM で自律走行、帰還
 アクティブサスを用いた段差乗り越え
 スマホアプリでの可視化、操作
2018年11月発表(社長直轄プロジェクト)
 ScanSLAM と人追従走行による掃除
 深層学習による検出で段差乗り越え
 縦型充電台で省スペース
fuRo ロボット掃除機プロトタイプ 次世代ロボット掃除機コンセプトモデル
https://av.watch.impress.co.jp/docs/news/1109384.html
https://robotstart.info/2018/11/01/moriyama_mikata-no65.html
センサ融合 自律走行 ロボット掃除機 まとめ
iRobot ルンバ 980 の Visual SLAM(2015年)
27
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
 ポーズグラフに
よる Visual SLAM
 フロアトラッキ
ングセンサなど
と融合
 占有格子地図を
近接/バンパセ
ンサで構築
 掃引計画と探査
により掃除領域
と地図を拡大
https://youtu.be/oj3Vawn-kRE
センサ融合 自律走行 ロボット掃除機 まとめ
iRobot ロボット掃除機
28
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
ルンバ i7+(2018年)
 地図を保持、地図更新、地図結合
 自動/手動で部屋分割、部屋単位で掃除、
名前指定が可能
 複数地図に対する大域的位置推定
 処理速度が34倍向上 (9880 MIPS)
 自動ゴミ収集する充電台
ルンバ s9+, ブラーバ Jet m6(2019年)
 ルンバ最新はD型の車体、隅掃除に強い
 3Dセンサを搭載、前方の障害物検出
 ブラーバにも Visual SLAM 搭載
 2台連携で掃除
(掃き→拭き)
 iRobot 社の Visual SLAM は、Evolution Robotics 社の技術がベースだと思われる
 Evolution Robotics 社は2000年代に Visual SLAM を製品化、2012年に買収された
 NorthStar という人工ランドマークを用いた床拭きロボット Mint も販売していた
センサ融合 自律走行 ロボット掃除機 まとめ
Dyson ロボット掃除機
29
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
ダイソン 360 Eye(2015年)
 全方位カメラを用いた Visual SLAM
 薄型充電台
ダイソン 360 Heurist(2019年)
 地図を保持、地図更新、地図結合
 手動で部屋分割、名前指定が可能
 複数地図に対する大域的位置推定
 LEDライトで暗所対応
 処理速度が20倍向上(1.4 GHz クアッドコア)
センサ融合 自律走行 ロボット掃除機 まとめ
Laser SLAM を用いたロボット掃除機
30
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
Neato Robotics Botvac(2010年~)
 Laser SLAM による製品化の先駆者
 D型の車体、隅掃除に強い
 三角測量方式の安価 LIDAR を開発
[Konolige+, “A Low-Cost Laser Distance Sensor”, ICRA 2008]
ECOVACS DEEBOT(2016年~)
 Laser SLAM、部屋分割やエリア指定を2016年時点で実現
 1台で掃き掃除と拭き掃除
Xiaomi、Anker、ほか多数
 中国メーカを中心に多くの製品が登場
センサ融合 自律走行 ロボット掃除機 まとめ
まとめ31
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
今後の発展、オープンプロブレム
32
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
 地図更新、地図結合
異なる時刻や複数台ロボットの地図データの活用
 長時間活動への対応
グラフベース SLAM は走行に伴ってグラフが増大し、処理が重くなる
 過酷な環境変化への対応
昼/夜、晴/雨/雪/霧/砂埃、季節変化、移動物体
 セマンティックセグメンテーション、マッピング(物体や場所の属性認識)
 深層学習との統合(画像、点群)
カメラ画像の深度推定、画像/点群の特徴抽出、End-to-End
 自律走行システムや実運用システムのインテグレーション
センサ融合 自律走行 ロボット掃除機 まとめ
まとめ
33
SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
異なるセンサ情報の融合
 最尤推定、最大事後確率推定、ベイズ推定
 MAP-ICP、ラプラス近似を用いた確率分布計算、Intensity-ICP
SLAM を用いた自律走行
 つくばチャレンジにおけるオープンソース、3D-LIDAR
 全周ミリ波 RADAR
ロボット掃除機での実用化例
今後の発展、オープンプロブレム
センサ融合 自律走行 ロボット掃除機 まとめ

More Related Content

What's hot

大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
 
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
 
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
 
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMSLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
 
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
 
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
 
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
Satoshi Fujimoto
 
LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
 
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
MobileRoboticsResear
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
 
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
ROBOTIS Japan
 
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
Tatsuya Matsushima
 
確率的自己位置推定
確率的自己位置推定確率的自己位置推定
確率的自己位置推定
Horiguchi Shuhei
 
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
nonane
 
20190825 vins mono
20190825 vins mono20190825 vins mono
20190825 vins mono
Takuya Minagawa
 
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
 

What's hot (20)

大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
 
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
 
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
 
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAMSLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
 
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summary
 
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
 
LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
 
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説
 
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
3次元SLAMは誰でもできるよ。そう、TX2とTurtleBot3ならね。
 
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
 
確率的自己位置推定
確率的自己位置推定確率的自己位置推定
確率的自己位置推定
 
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
 
20190825 vins mono
20190825 vins mono20190825 vins mono
20190825 vins mono
 
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
 

Similar to ロボティクスにおける SLAM 手法と実用化例

第4回瀬戸内ROS勉強会LT資料
第4回瀬戸内ROS勉強会LT資料第4回瀬戸内ROS勉強会LT資料
第4回瀬戸内ROS勉強会LT資料
NaotakaKawata
 
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
Kurata Takeshi
 
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor ThesisAkihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
pflab
 
160608 01
160608 01160608 01
160608 01
openrtm
 
オープンキャンパススライド2017
オープンキャンパススライド2017オープンキャンパススライド2017
オープンキャンパススライド2017
robo_lab
 
【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems
cvpaper. challenge
 
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
Takuya Minagawa
 
学生科学賞2020_自律走行システムの考案
学生科学賞2020_自律走行システムの考案学生科学賞2020_自律走行システムの考案
学生科学賞2020_自律走行システムの考案
AkitoshiSaeki
 
Icra2020 v2
Icra2020 v2Icra2020 v2
Icra2020 v2
robotpaperchallenge
 
robotpaper.Challenge概略_v2@mixi
robotpaper.Challenge概略_v2@mixirobotpaper.Challenge概略_v2@mixi
robotpaper.Challenge概略_v2@mixi
robotpaperchallenge
 
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
Takanobu Mizuta
 
屋内測位・行動計測と 働き方改革
屋内測位・行動計測と働き方改革屋内測位・行動計測と働き方改革
屋内測位・行動計測と 働き方改革
Kurata Takeshi
 
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
Ryohei Ueda
 
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
The Whole Brain Architecture Initiative
 
ROSによる今後のロボティクスのあり方
ROSによる今後のロボティクスのあり方ROSによる今後のロボティクスのあり方
ROSによる今後のロボティクスのあり方
Mori Ken
 
Hiroki Shigemune
Hiroki  ShigemuneHiroki  Shigemune
Hiroki Shigemune
Suurist
 

Similar to ロボティクスにおける SLAM 手法と実用化例 (16)

第4回瀬戸内ROS勉強会LT資料
第4回瀬戸内ROS勉強会LT資料第4回瀬戸内ROS勉強会LT資料
第4回瀬戸内ROS勉強会LT資料
 
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
 
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor ThesisAkihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
 
160608 01
160608 01160608 01
160608 01
 
オープンキャンパススライド2017
オープンキャンパススライド2017オープンキャンパススライド2017
オープンキャンパススライド2017
 
【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems【CVPR 2020 メタサーベイ】Vision Applications and Systems
【CVPR 2020 メタサーベイ】Vision Applications and Systems
 
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
 
学生科学賞2020_自律走行システムの考案
学生科学賞2020_自律走行システムの考案学生科学賞2020_自律走行システムの考案
学生科学賞2020_自律走行システムの考案
 
Icra2020 v2
Icra2020 v2Icra2020 v2
Icra2020 v2
 
robotpaper.Challenge概略_v2@mixi
robotpaper.Challenge概略_v2@mixirobotpaper.Challenge概略_v2@mixi
robotpaper.Challenge概略_v2@mixi
 
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
 
屋内測位・行動計測と 働き方改革
屋内測位・行動計測と働き方改革屋内測位・行動計測と働き方改革
屋内測位・行動計測と 働き方改革
 
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
 
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
第7回WBAシンポジウム:松嶋達也〜自己紹介と論点の提示〜スケーラブルなロボット学習システムに向けて
 
ROSによる今後のロボティクスのあり方
ROSによる今後のロボティクスのあり方ROSによる今後のロボティクスのあり方
ROSによる今後のロボティクスのあり方
 
Hiroki Shigemune
Hiroki  ShigemuneHiroki  Shigemune
Hiroki Shigemune
 

Recently uploaded

ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
Takuya Minagawa
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ARISE analytics
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
Osaka University
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
Osaka University
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
Osaka University
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
ssuserfcafd1
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
Shinichi Hirauchi
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
kitamisetagayaxxx
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
Seiya Shimabukuro
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
嶋 是一 (Yoshikazu SHIMA)
 

Recently uploaded (15)

ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
 

ロボティクスにおける SLAM 手法と実用化例

  • 2. 自己紹介(略歴) 1 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 2007年:筑波大 油田・坪内・大矢研 修士 2007年~2011年:日立製作所 日立研究所 (旧、機械研究所) 2012年~2015年:学振特別研究員DC1 2015年:筑波大 坪内・大矢研 博士 2015年~:千葉工大 未来ロボット技術研究センター(fuRo) センサ融合 自律走行 ロボット掃除機 まとめ
  • 3. 自己紹介(ROS 解説) 2 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 “ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発”, RSJ 第94回ロボット工学セミナー, 2015. https://www.slideshare.net/hara-y/ros-slam-navigation-rsj-seminar “ROS を用いた自律移動ロボットのシステム構築”, RSJ 第99回ロボット工学セミナー, 2016. https://www.slideshare.net/hara-y/ros-nav-rsj-seminar “解説:ROS を用いた自律走行”, 日本ロボット学会誌, vol. 35, no. 4, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja/ センサ融合 自律走行 ロボット掃除機 まとめ
  • 4. 自己紹介(SLAM 解説) 3 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 日経 Robotics 連載 “SLAM とは何か”, 全18回, 2016~2017. “SLAM とは何か:自己位置推定と地図構築の全体像”, RSJ 第112回ロボット工学セミナー, 2018. “SLAM の基礎とオープンソース”, RSJ 第119回ロボット工学セミナー, 2019. https://www.slideshare.net/hara-y/slam-rsj-seminar-2019 センサ融合 自律走行 ロボット掃除機 まとめ
  • 5. 3次元 SLAM を用いた歩道での約 2 km 自律走行 4 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 https://youtu.be/njw9BPQUoa0 センサ融合 自律走行 ロボット掃除機 まとめ
  • 6. 異なるセンサ情報の融合5 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
  • 7. 最尤推定、最大事後確率推定、ベイズ推定 6 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 ロボット位置:x 確率密度:p(・) 事前確率 p(x|u) (オドメトリなど:u) 尤度 p(z|x,u) (スキャンなど:z) 事後確率 p(x|u,z) ベイズ推定 事後確率の分布を推定 最大事後確率(MAP)推定 事後確率のモードを推定 最尤推定 尤度のみのモードを推定 事後確率 =尤度×事前確率 ベイズの定理による自己位置推定の概念図 センサ融合 自律走行 ロボット掃除機 まとめ
  • 8. ベイズ理論に基づく SLAM 手法の分類 7 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 最小二乗法は、誤差をガウス分布でモデル化した最尤推定に対応 正則化最小二乗法の正則化項は、最大事後確率推定での事前確率に対応 ベイズフィルタは、ベイズの定理とマルコフ過程に基づくベイズ推定 スキャンマッチングでも事後確率やその確率分布を推定できないか? 最尤推定 最大事後確率 (MAP)推定 ベイズ推定 推定対象 尤度 事後確率 事後確率 推定結果 モード(点推定) モード(点推定) 確率分布 性質 尤度のみを最適化 事前確率と尤度を最適化 事前確率と尤度を 確率的に融合 該当する手法 スキャンマッチング、 グラフベース SLAM グラフベース SLAM ベイズフィルタ センサ融合 自律走行 ロボット掃除機 まとめ
  • 9. 通常のスキャンマッチングは尤度のみを考慮 8 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 初期位置(車輪オドメトリ)を忘れてマッチングしていくため、 センサ視野の狭さなどが原因で誤った位置に収束してしまう 2次元平面での例 時刻t-1の ロボット位置 時刻tの 推定位置(誤り) 時刻tの 初期位置(オドメトリ) 時刻tの 実際の位置(真値) 実際の形状 目標点群 計測点群マッチング 計測点群を重ねようとした結果、 初期位置から離れすぎて誤収束 計測点群 Hara+, “6DOF Iterative Closest Point Matching Considering A Priori with Maximum A Posteriori Estimation”, IROS 2013. センサ融合 自律走行 ロボット掃除機 まとめ
  • 10. 最大事後確率 (MAP) 推定によるスキャンマッチング 9 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 初期位置(車輪オドメトリ)の情報を破棄せずに事前確率として用い、 正則化として与える制約内で計測点群をマッチングする 2次元平面での例 時刻t-1の ロボット位置 初期位置の近傍に留まる制約を 事前確率として与える 実際の形状 目標点群 計測点群 時刻tの 初期位置(オドメトリ) マッチング Hara+, “6DOF Iterative Closest Point Matching Considering A Priori with Maximum A Posteriori Estimation”, IROS 2013. センサ融合 自律走行 ロボット掃除機 まとめ
  • 11. 最大事後確率推定でのスキャンマッチングの定式化 10 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 最小化するエネルギー関数 最大事後確率(MAP)推定による位置合わせを、 ベイズの定理に基づき正則化最小二乗法として導出 ロボット位置の修正量atに関するベイズの定理 尤度 事前確率 ロボット位置の修正量atの事後確率 尤度 事前確率 最大事後確率(MAP)推定の枠組みで導出 ロボット位置xtではなく 修正量atで定式化 axis-angle で3次元 回転の正則化を実現 axis angle x y z Hara+, “6DOF Iterative Closest Point Matching Considering A Priori with Maximum A Posteriori Estimation”, IROS 2013. センサ融合 自律走行 ロボット掃除機 まとめ
  • 12. 最大事後確率推定を用いた MAP-ICP マッチング 11 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 Standard ICP(従来手法) MAP-ICP(提案手法) Xtion PRO LIVE 視野:水平58deg、垂直45deg 実験環境緑:目標点群 赤:計測点群 視野角が狭いため 点群の重なりが少なく 従来手法は誤収束 ロボット [Hara+, IROS 2013] 尤度だけでなく事前確率も最適化 Hara+, “6DOF Iterative Closest Point Matching Considering A Priori with Maximum A Posteriori Estimation”, IROS 2013. センサ融合 自律走行 ロボット掃除機 まとめ
  • 13. ラプラス近似を用いた推定位置の確率分布計算 12 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 共分散 スキャン 格子ベースの総当たり法 ラプラス近似による確率分布 実際の誤差分布(真値) [原+, ロボシン2010] により、推定位置の共分散を計算 →グラフベース SLAM の制約条件として利用可能 原+, “法線方向の拘束を利用したスキャンマッチングと 尤度分布決定による確率的自己位置推定”, ロボシン 2010. 対応付けを考慮したヘッセ行列の 逆行列が共分散になる 位置拘束が退化して 長手方向に誤差大 センサ融合 自律走行 ロボット掃除機 まとめ
  • 14. ラプラス近似を用いた推定位置の確率分布計算 13 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 共分散 スキャン 格子ベースの総当たり法 ラプラス近似による確率分布 実際の誤差分布(真値) [原+, ロボシン2010] により、推定位置の共分散を計算 →グラフベース SLAM の制約条件として利用可能 原+, “法線方向の拘束を利用したスキャンマッチングと 尤度分布決定による確率的自己位置推定”, ロボシン 2010. 対応付けを考慮したヘッセ行列の 逆行列が共分散になる センサ融合 自律走行 ロボット掃除機 まとめ
  • 15. 屋外での3次元マッチングと確率分布計算の様子 14 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 10 m 推定したロボット位置の 確率分布 3次元形状を 平面に投影 マッチング1回の処理は 10 ms 未満 スキャン形状に応じた適切な確率分布を動的に計算 原+, “法線方向の拘束を利用したスキャンマッチングと 尤度分布決定による確率的自己位置推定”, ロボシン 2010. センサ融合 自律走行 ロボット掃除機 まとめ
  • 16. スキャンマッチングにおける受光強度の活用 15 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 レーザスキャンは形状だけでなく 受光強度の情報を持つ 受光強度を利用することで、形状特徴 の乏しい点群を対応付け可能 対象物の色や材質に関する情報を 受光強度として取得可能 ロボット Hara+, “Mobile Robot Localization and Mapping by Scan Matching Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006. センサ融合 自律走行 ロボット掃除機 まとめ
  • 17. 受光強度を用いた Intensity-ICP マッチング 16 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例  形状のみで最近傍の点を対応付け  平行な壁では、最大距離 4 m のために 拘束が退化し一意に位置合わせできない  廊下の長手方向が短くなってしまう [Hara+, IECON 2006]  受光強度も考慮して対応付け  測定範囲の不足により退化が発生するが、 廊下の長手方向も正しく推定できる Standard ICP(従来手法) Intensity-ICP(提案手法) Hara+, “Mobile Robot Localization and Mapping by Scan Matching Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006. センサ融合 自律走行 ロボット掃除機 まとめ
  • 18. Intensity-ICP に基づく SLAM による地図構築 17 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 短距離 LIDAR では退化する廊下を含む地図を、受光強度を活用して構築 構築した地図は受光強度の情報も持つ Hara+, “Mobile Robot Localization and Mapping by Scan Matching Using Laser Reflection Intensity of the SOKUIKI Sensor”, IECON 2006. センサ融合 自律走行 ロボット掃除機 まとめ
  • 19. SLAM を用いた自律走行18 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
  • 21. つくばチャレンジ2018での全チームの走行距離 20 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 参加ロボット75台、完走6台 チームによって経路が違う ため、完走でも距離は異なる 近年、オープンソースが充実 してきたが、実環境での自律 走行には課題が多い リアルワールドは難しい! 18 29 9 6 1 2 0 1 1 2 4 1 15 19 18 5 0 2 0 1 1 4 6 3 0 5 10 15 20 25 30 35 台数 走行距離 [m] 本走行 本走行/記録走行 センサ融合 自律走行 ロボット掃除機 まとめ
  • 22. 自律走行や SLAM のオープンソース利用状況 21 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 ROS で標準的な navigation と slam_gmapping が多い Autoware も多い Cartographer は意外に少ない (試用して諦めたとの声も) 製品である Stencil の利用も Visual SLAM は RTAB-Map と ORB-SLAM のみで少ない 18 20 1 1 8 2 1 1 2 1 0 5 10 15 20 25 ROS navigation ROS slam_gmapping ROS hector_slam ROS slam_karto Autoware Cartographer MRPT Kaarta Stencil RTAB-Map ORB-SLAM オープンソース SLAM については [原, “SLAM の基礎とオープンソース”] を参照 https://www.slideshare.net/hara-y/slam-rsj-seminar-2019 センサ融合 自律走行 ロボット掃除機 まとめ
  • 23. 地図構築(SLAM)の手法 22 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 Laser SLAM が圧倒的多数、 ただグラフベースはまだ少ない RGB-D、Visual SLAM は少数 SLAM 不使用チームの戦略  オドメトリ地図で教示再生  GNSS(GPS など)  トポロジカル地図  End-to-End 深層学習 13 25 8 2 2 15 0 5 10 15 20 25 30 Laser スキャンマッチング Laser ベイズフィルタ Laser グラフベース SLAM RGB-D SLAM Visual SLAM SLAM 不使用 その他の統計は [原+, “つくばチャレンジ2018技術調査アンケートの報告”] を参照 https://www.slideshare.net/hara-y/tsukuba-challenge-2018-survey センサ融合 自律走行 ロボット掃除機 まとめ
  • 24. 様々な 3D-LIDAR が登場 23 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例  Velodyne LIDAR(米国) https://velodynelidar.com/  北陽電機(日本) https://www.hokuyo-aut.co.jp/  Ouster(米国) https://www.ouster.io/  HESAI(中国) http://www.hesaitech.com/  RoboSense LiDAR(中国) https://www.robosense.ai/  LeiShen LiDAR(中国) http://en.leishen-lidar.com/ 2次元も含め、これ以外にも非常に多くのスタートアップが開発 センサ融合 自律走行 ロボット掃除機 まとめ
  • 25. 全周ミリ波 RADAR を用いた自己位置推定 24 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 [Cen and Newman, “Precise Ego-Motion Estimation with Millimeter-Wave Radar under Diverse and Challenging Conditions”, ICRA 2018] [Cen and Newman, “Radar-Only Ego-Motion Estimation in Difficult Settings via Graph Matching”, ICRA 2019] Navtech CTS350-X https://youtu.be/OHcj2A4cPMU https://youtu.be/nJeLHNf-U6k センサ融合 自律走行 ロボット掃除機 まとめ
  • 26. ロボット掃除機での実用化例25 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
  • 27. ロボット掃除機における SLAM の実用化 26 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 パナソニック・千葉工業大学産学連携センターでの開発例 2018年3月発表  独自の ScanSLAM で自律走行、帰還  アクティブサスを用いた段差乗り越え  スマホアプリでの可視化、操作 2018年11月発表(社長直轄プロジェクト)  ScanSLAM と人追従走行による掃除  深層学習による検出で段差乗り越え  縦型充電台で省スペース fuRo ロボット掃除機プロトタイプ 次世代ロボット掃除機コンセプトモデル https://av.watch.impress.co.jp/docs/news/1109384.html https://robotstart.info/2018/11/01/moriyama_mikata-no65.html センサ融合 自律走行 ロボット掃除機 まとめ
  • 28. iRobot ルンバ 980 の Visual SLAM(2015年) 27 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例  ポーズグラフに よる Visual SLAM  フロアトラッキ ングセンサなど と融合  占有格子地図を 近接/バンパセ ンサで構築  掃引計画と探査 により掃除領域 と地図を拡大 https://youtu.be/oj3Vawn-kRE センサ融合 自律走行 ロボット掃除機 まとめ
  • 29. iRobot ロボット掃除機 28 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 ルンバ i7+(2018年)  地図を保持、地図更新、地図結合  自動/手動で部屋分割、部屋単位で掃除、 名前指定が可能  複数地図に対する大域的位置推定  処理速度が34倍向上 (9880 MIPS)  自動ゴミ収集する充電台 ルンバ s9+, ブラーバ Jet m6(2019年)  ルンバ最新はD型の車体、隅掃除に強い  3Dセンサを搭載、前方の障害物検出  ブラーバにも Visual SLAM 搭載  2台連携で掃除 (掃き→拭き)  iRobot 社の Visual SLAM は、Evolution Robotics 社の技術がベースだと思われる  Evolution Robotics 社は2000年代に Visual SLAM を製品化、2012年に買収された  NorthStar という人工ランドマークを用いた床拭きロボット Mint も販売していた センサ融合 自律走行 ロボット掃除機 まとめ
  • 30. Dyson ロボット掃除機 29 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 ダイソン 360 Eye(2015年)  全方位カメラを用いた Visual SLAM  薄型充電台 ダイソン 360 Heurist(2019年)  地図を保持、地図更新、地図結合  手動で部屋分割、名前指定が可能  複数地図に対する大域的位置推定  LEDライトで暗所対応  処理速度が20倍向上(1.4 GHz クアッドコア) センサ融合 自律走行 ロボット掃除機 まとめ
  • 31. Laser SLAM を用いたロボット掃除機 30 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 Neato Robotics Botvac(2010年~)  Laser SLAM による製品化の先駆者  D型の車体、隅掃除に強い  三角測量方式の安価 LIDAR を開発 [Konolige+, “A Low-Cost Laser Distance Sensor”, ICRA 2008] ECOVACS DEEBOT(2016年~)  Laser SLAM、部屋分割やエリア指定を2016年時点で実現  1台で掃き掃除と拭き掃除 Xiaomi、Anker、ほか多数  中国メーカを中心に多くの製品が登場 センサ融合 自律走行 ロボット掃除機 まとめ
  • 32. まとめ31 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例
  • 33. 今後の発展、オープンプロブレム 32 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例  地図更新、地図結合 異なる時刻や複数台ロボットの地図データの活用  長時間活動への対応 グラフベース SLAM は走行に伴ってグラフが増大し、処理が重くなる  過酷な環境変化への対応 昼/夜、晴/雨/雪/霧/砂埃、季節変化、移動物体  セマンティックセグメンテーション、マッピング(物体や場所の属性認識)  深層学習との統合(画像、点群) カメラ画像の深度推定、画像/点群の特徴抽出、End-to-End  自律走行システムや実運用システムのインテグレーション センサ融合 自律走行 ロボット掃除機 まとめ
  • 34. まとめ 33 SSII 2019, June 13, ロボティクスにおける SLAM 手法と実用化例 異なるセンサ情報の融合  最尤推定、最大事後確率推定、ベイズ推定  MAP-ICP、ラプラス近似を用いた確率分布計算、Intensity-ICP SLAM を用いた自律走行  つくばチャレンジにおけるオープンソース、3D-LIDAR  全周ミリ波 RADAR ロボット掃除機での実用化例 今後の発展、オープンプロブレム センサ融合 自律走行 ロボット掃除機 まとめ