VIOPS07: OSMと地理空間情報
The OpenStreetMap Foundation Japan
Georepublic Japan G.K.
関 治之
2012年7月20日(金曜日)10:00-18:00
VIOPS07 WORKSHOP
Virtualized Infrastructures Workshop [07]
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。
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
VIOPS08: Behavior Analysis Solution for Bigdata
1. Jun 13, 2013
Behavior Analysis Solution
for Bigdata
GLEAN Corporation
Hisashi Ohtsuji
2. CPU処理
Behavior Analysis Solution for Bigdata
Page 2
Standard NIC
・CPU負荷(アリ)
・ソフトウエア処理(低速)
Intelligent NIC
・CPU負荷(ナシ)
・ハードウエア処理(高速)
(FPGA, ASIC, DSP)
バッファリング
フィルタリングタイムスタンプ
プロトコル解析 フロー解析
スライシング
統計情報
バッファリング
フィルタリングタイムスタンプ
プロトコル解析 フロー解析
スライシング統計情報
アプリケーション
アプリケーション
※アプリケーションに十分なリソース割当
※パケット取り込み処理だけで手一杯
CPU処理
H/W処理
インテリジェント型ネットワークアダプタとは
3. Behavior Analysis Solution for Bigdata
Page 3
応用例1:Capture Analyzer
Capture
Key/Flow
DB
Network
Capture
Analyzer Info DB
基本データ
Flow List
Key List
分析データ
(Key x Flow) List
基本データ
Raw Data
分析データ
Pointer for User Data
Coloring
Flowの例
発着IP,Portの組
Keyの例
IMSI, IMEI
Key, Flow情報DB
Keyの定義(Call-ID的なもの)
Keyの取り出し方法、保存方法
Flowの定義
Flow情報の取り出し方法、保存方法
INPUT パケットトラフィック
» ネットワークトラフィックだけでなく、ログやイベントも対象とする
OUTPUT パケットキャプチャデータ、Key, Flow DB
» Key, Flowの識別等は外部データで定義できるようにする。
» 外部定義の特殊処理機能を持った汎用処理エンジン
» 対応するパケットキャプチャデータへのリンク情報も保持する。
Intelligent NIC
Key、Flow情報の取得等をハ
ードウエアで処理
正確なタイムスタンプ
4. Behavior Analysis Solution for Bigdata
Page 4
分散データの評価:Data Relation DB
Capture
of A
Key/Flow
DB of A
Network A Network B Network C
Capture
Analyzer
Info DB
for A
Capture
of B
Key/Flow
DB of B
Capture
Analyzer
Info DB
for B
Capture
of C
Key/Flow
DB of C
Capture
Analyzer
Info DB
for C
Data Relation
DB
A B C D E F
B D FA B C
C D E
A, B, Cのデータを関連付けるための情報
関連付けは各データのFlow単位(呼で言えば1CALL)
各データの主Key情報(呼識別のIDなど)と、それに関連
する副Key情報(端末番号など)の定義
たとえば、移動体通信の場合、
IMSIが一致するものは関連データ
IMSIに関連付いたIMEIを持つもの
も関連データ
5. Behavior Analysis Solution for Bigdata
Page 5
Data Cloud
分散データの評価:クラウドネットワークへの適用
Network A Network B Network C
Capture
Analyzer
Info DB
for A
Capture
Analyzer
Info DB
for B
Capture
of C
Key/Flow
DB of C
Capture
Analyzer
Info DB
for C
Data Relation
DB
Capture
of A
Key/Flow
DB of A
Capture
of B
Key/Flow
DB of B
6. Behavior Analysis Solution for Bigdata
Page 6
応用例2:Programmable Inline Switch
Network
Intelligent NIC
適用例
Address Exchange
個人情報の匿名化
Inline 処理機能
–フィルタ機能で透過パケット、処理パケットを振り分け
–ハードウェア処理(低遅延・CPU負荷ナシ)のため、
通常サーバでアプリケーション実装可能
–例) ・アドレス情報を変換するProxy的処理
・個人情報をスクランブルした情報に変換する匿名化処理
Network
Exchange
Info DB
7. Behavior Analysis Solution for Bigdata
Page 7
さらなる応用:新しい分析の概念 ”BEHAVIOR”
通話、メール、チャット、SNS、グループウエア…
様々なものを共通分類するために次の概念を定義。
EVENT(SIPの例:Method, Response CODE )
パケット、メッセージなど、あるものからあるものへ
何かを伝えるための最小単位
Time いつ
From 誰が(人だけではない!)
To 誰に
Data 何を(更なる分類も可能)
SEQUENCE(SIPの例 : Call Flow)
関連のあるEVENTを発生順に並べたリスト
COMMANDに対するRESPONSE
呼制御、DBアクセス、Webアクセス…
BEHAVIOR(ふるまい)
関連するSEQUENCEを統合し、統計情報を付与したもの
ユーザ、ノード、端末などのふるまい
※特定の”ノード間”の動作をまとめたものは”FLOW”
A B
A B
SEQUENCE
EVENT 1
EVENT 2
EVENT 3
C
EVENT
EVENT
EVENT
SEQUENCE
EVENT
BEHAVIOR
6種類の
SEQUENCE
が発生
8. 6/18/2013 Behavior Analysis Solution for Bigdata 8
グリーン株式会社
〒150-0013 東京都渋谷区恵比寿4-9-10 プロプラーザ21
Tel : 03-3447-7722 Mail : Sales@glean-japan.com