2016/11/19に開催したオープンソースカンファレンス2016 FUKUOKAでの講演資料。
https://www.ospn.jp/osc2016-fukuoka/modules/eguide/event.php?eid=17
Platform as a Service としての IBM Bluemix とコグニティブ・ソリューション IBM Watson を中心に最新技術をご紹介いたします。
Branding Engineer様主催のAWSイベントの登壇資料です。"Undifferentiated Heavy Lifting"の排除、Amazon DSSTNEのご紹介、AWS Solutions Architect の活用方法、AdTech on AWS、Startup on AWSなどについてお話させていただきました。
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. BluemixとIBM Watsonの連携
ランタイム Watsonサービス
A
P
I
< Input >
< Output >
テキスト
画像データ
音声データ
言語分類
翻訳結果
画像解析
性格分析
質問応答
音声化
Watson
Experience
Manager
Corpus
QA API
Ground Truth
QA Pipeline
Dialog Service
Watson Engagement Advisor
< ユーザー個別定義環境 >
< IBM定義環境 >
Travel Corpus
Healthcare
Corpus
IBM Watson
IBM定義Corpus
各種処理エンジン
個別
連携
連携
入出力データ
20. Watson Engagement Advisorとは
Watson
Experience
Manager
Corpus
QA API
Ground Truth
QA Pipeline
Dialog Service
Watson Engagement Advisor
Watson Experience
Manager
Corpus管理やトレーニング、テストを実施するためのWeb
アプリケーション
QA API アプリケーションからWEAを利用するためのWeb API
QA Pipeline 自然言語による質問応答のための一連の処理ステップ
Dialog Service 対話型コミュニケーションを提供する機能
Corpus 質問に対する回答を探索するためのナレッジベース
Ground Truth 質問を正しく解釈し回答できるようにトレーニングするため
の質問・回答セットの集合
24. ①Bluemixアプリ開発
• Bluemix ConsoleからNode.jsのラン
タイムから任意の名前のアプリを作
成
• 必要な連携サービスを追加
o Question and Answer
o Speech to Text
o Text to Speech
• Git機能からアプリケーションをデプ
ロイできるように[Gitの追加]を選択
• 表示されたGit URLを利用してアプリ
ケーションのコードをGit pushする
■ベースに利用したアプリケーションコード(Github)
https://github.com/triceam/IBMWatson-QA-Speech