□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。
□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。
最高データ責任者、最高アナリティクス責任者のような高度な分析技術を持つデータリーダー達は、企業がデータに基づいた戦略的展望を得るのに欠くことのできない存在です。データ分析を組織的に始めている先進企業から学べることは何か?IBM Center for Applied Insightsは、データ分析の先端技術を駆使し、そこから得た洞察を社内で活かすことに成功しているデータ・リーダーの先進事例を調査しました。
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。
19. データサイエンティストは注目の職業
“The sexy job in the next 10 years
will be statisticians”
Hal Varian
(Googleのチーフエコノミスト)
NewYorkTimes 2009年8月5日付けの記事 19
「For Today’s Graduate, Just One Word: Statistics」より
20. データサイエンティストは注目の職業
“If ‘sexy’ means having rare
qualities that are much in
demand, data scientists are
already there.”
Thomas H. Davenport
and D.J. Patil
(バブソン大学教授・HBS客員教授)
Harvard Buisiness Review 2012年10月号の記事 20
「 Data Scientist: The Sexiest Job of the 21st Century」より
25. データサイエンティストはどこにいる?
Davenport and Patil (2012)
ビッグデータから利益を得るた
めにデータサイエンティストを
雇う必要があるとして、マネー
ジャーがやらなければならない
のは・・・
source: Harvard Business School Publishing., Oct 2012
25
26. データサイエンティストはどこにいる?
Davenport and Patil (2012)
・ 彼らの能力を特定(定義)
し、
・ 企業に興味を持たせ、
・ 生産的に働いてもらう
ことだ。
source: Harvard Business School Publishing., Oct 2012
26
28. データサイエンティストに定義がない
Davenport and Patil (2012)
まず、データサイエンスの学位
を提供する大学はない。
そして、組織の中のある役割が
データサイエンティストである、
ということもほとんどない。
source: Harvard Business School Publishing., Oct 2012
28
29. データサイエンティストに定義がない
Davenport and Patil (2012)
データサイエンティストを得る
ための最初のステップは・・・
ビジネスにおいて彼らが
どのようなことを成すのかを
知ることだ。
source: Harvard Business School Publishing., Oct 2012
29