SlideShare a Scribd company logo
1 of 1
Download to read offline
動的環境における動作計画のための C-space の予測
- 時系列に対応した Vox2C-space -
木南貴志,坂本健太朗,山内悠嗣 ( 中部大学 )
研究背景:
提案手法:
実装:
評価実験:
動的な環境に合わせた動作計画
時系列データに対応した Vox2C-space を提案
ネットワーク構造の詳細
Vox2C-spacen の有効性を確認
- 協働ロボットの需要が拡大し,様々な分野に導入が進む
▪ 人間と同じ空間 ( 動的な環境 ) でロボットが作業
- 従来の動的環境を考慮した動作計画法
▪ ロボットの姿勢を表現した C-space が用いられる
=> C-space を作成するための計算量が多い
=> 過去から現在の動きの考慮に留まり,予測までには至ってない
動的環境に対応するために未来の C-space を予測
- 時系列データに対応した Vox2C-space
▪ C-space を生成する Vox-2C-space ネットワークを拡張
◦ 時系列データを入力して未来の C-space を予測
◦ 半リアルタイム処理が可能 (100[msec] 前後 )
◦ 従来の経路計画法をそのまま適用可能かつ,動的環境に対応
- 提案手法による学習の流れ
1. エンコーダ・デコーダ (Vox2C-space) の学習
◦ 3 次元占有グリッドマップとして表現されるボクセルデータから
C-space を生成するエンコーダ E・デコーダ D を学習
◦ 損失関数 : 正解の C-space と推定した C-space の
2 値交差エントロピー
2. GRU(Gated Recurrent Unit) の学習
◦ 連続した数フレーム分のボクセルデータを入力し,次時刻の
C-space を出力するよう GRU を学習
◦ Step2. ではエンコーダとデコーダは更新しない
◦ 損失関数 :n+1 時刻のボクセルをエンコーダに入力した際の
特徴量 z と,GRU から出力される z の差
Step1: エンコーダ・デコーダの学習
パラメータ固定
Step2 : GRUの学習
推定した C-space が正解の C-space に近づくように学習
- データセットの作成
▪ ロボットシミュレータ Gazebo を使用
◦ 2 軸アームロボット:[180, 180) の範囲で回転
◦ 2.3[m ] の空間を 4 つのデプスカメラで撮影してボクセル化
◦ 空間中を複数の動的障害物が移動
3
▪ 学習及び評価データ
◦ 学習データ:6,000 シーン,評価データ:2,000 シーン
- 実験結果
▪ IoU(Intersection over Union) による評価
◦ IoU により真値である C-space との一致具合を評価
▪ 提案手法により生成した C-space
◦ 次時刻の大まかな C-space を予測可能
◦ シーンの急激な変化には遅れが生じる
※Vox2C-space は提案手法の流れ 1. のみで構成
現時刻のボクセルデータから次時刻の C-space を予測
- 合計 21 層のネットワーク
▪ エンコーダ,GRU,デコーダで構成
次時刻の大まかな C-space を予測することが可能
時系列データから GRU により次時刻の C-space を予測
1 フレーム目 2 フレーム目 3 フレーム目 4 フレーム目 5 フレーム目 6 フレーム目
真値
真値
提案手法により生成された C-space
提案手法により生成された C-space
※Vox2C-space において現時刻の C-space を推定する問題では IoU が 0.79

More Related Content

Similar to 動的環境における動作計画のための C-space の予測

[DL輪読会]Learning to Navigate in Cities Without a Map
[DL輪読会]Learning to Navigate in Cities Without a Map[DL輪読会]Learning to Navigate in Cities Without a Map
[DL輪読会]Learning to Navigate in Cities Without a MapDeep Learning JP
 
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"Deep Learning JP
 
Development of predictive system of short-term rain by geolocation
Development of predictive system of short-term rain by geolocationDevelopment of predictive system of short-term rain by geolocation
Development of predictive system of short-term rain by geolocationTomoyui Koyama
 
semantic segmentation サーベイ
semantic segmentation サーベイsemantic segmentation サーベイ
semantic segmentation サーベイyohei okawa
 
(配布用)Virtual shizuoka(静岡県)
(配布用)Virtual shizuoka(静岡県)(配布用)Virtual shizuoka(静岡県)
(配布用)Virtual shizuoka(静岡県)Naoya Sugimoto
 
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor ThesisAkihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesispflab
 
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例Amazon Web Services Japan
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2Hirokatsu Kataoka
 
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)cvpaper. challenge
 
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose TrackingDeep Learning JP
 
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)cvpaper. challenge
 
Windows HPC Server 講習会 第1回 導入編 1/2
Windows HPC Server 講習会 第1回 導入編 1/2Windows HPC Server 講習会 第1回 導入編 1/2
Windows HPC Server 講習会 第1回 導入編 1/2Osamu Masutani
 
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...Deep Learning JP
 
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
 

Similar to 動的環境における動作計画のための C-space の予測 (15)

[DL輪読会]Learning to Navigate in Cities Without a Map
[DL輪読会]Learning to Navigate in Cities Without a Map[DL輪読会]Learning to Navigate in Cities Without a Map
[DL輪読会]Learning to Navigate in Cities Without a Map
 
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
 
Development of predictive system of short-term rain by geolocation
Development of predictive system of short-term rain by geolocationDevelopment of predictive system of short-term rain by geolocation
Development of predictive system of short-term rain by geolocation
 
semantic segmentation サーベイ
semantic segmentation サーベイsemantic segmentation サーベイ
semantic segmentation サーベイ
 
(配布用)Virtual shizuoka(静岡県)
(配布用)Virtual shizuoka(静岡県)(配布用)Virtual shizuoka(静岡県)
(配布用)Virtual shizuoka(静岡県)
 
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor ThesisAkihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
 
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例
[AWS Summit 2012] 事例セッション #4 NASAにおけるクラウド活用事例
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2
 
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)
 
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking
[DL輪読会]LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking
 
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)
コンピュータビジョンの今を映す-CVPR 2017 速報より- (夏のトップカンファレンス論文読み会)
 
SoCC12報告
SoCC12報告SoCC12報告
SoCC12報告
 
Windows HPC Server 講習会 第1回 導入編 1/2
Windows HPC Server 講習会 第1回 導入編 1/2Windows HPC Server 講習会 第1回 導入編 1/2
Windows HPC Server 講習会 第1回 導入編 1/2
 
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...
[DL輪読会]STORM: An Integrated Framework for Fast Joint-Space Model-Predictive C...
 
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
 

More from MILab

画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習MILab
 
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習MILab
 
変形ARマーカの高速かつ高精度な姿勢推定
変形ARマーカの高速かつ高精度な姿勢推定変形ARマーカの高速かつ高精度な姿勢推定
変形ARマーカの高速かつ高精度な姿勢推定MILab
 
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化MILab
 
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習 未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習 MILab
 
人の姿勢予測に基づいた協働ロボットの動作計画
人の姿勢予測に基づいた協働ロボットの動作計画人の姿勢予測に基づいた協働ロボットの動作計画
人の姿勢予測に基づいた協働ロボットの動作計画MILab
 
時系列予測モデルを導入した価値関数に基づく強化学習
時系列予測モデルを導入した価値関数に基づく強化学習時系列予測モデルを導入した価値関数に基づく強化学習
時系列予測モデルを導入した価値関数に基づく強化学習MILab
 
エッジコンピューティングのための圧縮画像認識
エッジコンピューティングのための圧縮画像認識エッジコンピューティングのための圧縮画像認識
エッジコンピューティングのための圧縮画像認識MILab
 
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成MILab
 
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022MILab
 
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021MILab
 

More from MILab (11)

画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
 
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
画像の圧縮・復元モデルと認識モデルのEnd-to-End学習
 
変形ARマーカの高速かつ高精度な姿勢推定
変形ARマーカの高速かつ高精度な姿勢推定変形ARマーカの高速かつ高精度な姿勢推定
変形ARマーカの高速かつ高精度な姿勢推定
 
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化
自己教師あり学習を導入したWavelet Vision TransformerによるDeepfake検出の高精度化
 
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習 未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習
未来画像予測モデルと時間重み付けを導入した価値関数に基づく強化学習
 
人の姿勢予測に基づいた協働ロボットの動作計画
人の姿勢予測に基づいた協働ロボットの動作計画人の姿勢予測に基づいた協働ロボットの動作計画
人の姿勢予測に基づいた協働ロボットの動作計画
 
時系列予測モデルを導入した価値関数に基づく強化学習
時系列予測モデルを導入した価値関数に基づく強化学習時系列予測モデルを導入した価値関数に基づく強化学習
時系列予測モデルを導入した価値関数に基づく強化学習
 
エッジコンピューティングのための圧縮画像認識
エッジコンピューティングのための圧縮画像認識エッジコンピューティングのための圧縮画像認識
エッジコンピューティングのための圧縮画像認識
 
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成
Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成
 
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022
機械学習に基づく経路計画, 電子情報通信学会総合大会, 2022
 
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
機械学習による変形ARマーカの位置・姿勢推定, 電気・電子・情報関係学会東海支部連合大会, 2021
 

動的環境における動作計画のための C-space の予測

  • 1. 動的環境における動作計画のための C-space の予測 - 時系列に対応した Vox2C-space - 木南貴志,坂本健太朗,山内悠嗣 ( 中部大学 ) 研究背景: 提案手法: 実装: 評価実験: 動的な環境に合わせた動作計画 時系列データに対応した Vox2C-space を提案 ネットワーク構造の詳細 Vox2C-spacen の有効性を確認 - 協働ロボットの需要が拡大し,様々な分野に導入が進む ▪ 人間と同じ空間 ( 動的な環境 ) でロボットが作業 - 従来の動的環境を考慮した動作計画法 ▪ ロボットの姿勢を表現した C-space が用いられる => C-space を作成するための計算量が多い => 過去から現在の動きの考慮に留まり,予測までには至ってない 動的環境に対応するために未来の C-space を予測 - 時系列データに対応した Vox2C-space ▪ C-space を生成する Vox-2C-space ネットワークを拡張 ◦ 時系列データを入力して未来の C-space を予測 ◦ 半リアルタイム処理が可能 (100[msec] 前後 ) ◦ 従来の経路計画法をそのまま適用可能かつ,動的環境に対応 - 提案手法による学習の流れ 1. エンコーダ・デコーダ (Vox2C-space) の学習 ◦ 3 次元占有グリッドマップとして表現されるボクセルデータから C-space を生成するエンコーダ E・デコーダ D を学習 ◦ 損失関数 : 正解の C-space と推定した C-space の 2 値交差エントロピー 2. GRU(Gated Recurrent Unit) の学習 ◦ 連続した数フレーム分のボクセルデータを入力し,次時刻の C-space を出力するよう GRU を学習 ◦ Step2. ではエンコーダとデコーダは更新しない ◦ 損失関数 :n+1 時刻のボクセルをエンコーダに入力した際の 特徴量 z と,GRU から出力される z の差 Step1: エンコーダ・デコーダの学習 パラメータ固定 Step2 : GRUの学習 推定した C-space が正解の C-space に近づくように学習 - データセットの作成 ▪ ロボットシミュレータ Gazebo を使用 ◦ 2 軸アームロボット:[180, 180) の範囲で回転 ◦ 2.3[m ] の空間を 4 つのデプスカメラで撮影してボクセル化 ◦ 空間中を複数の動的障害物が移動 3 ▪ 学習及び評価データ ◦ 学習データ:6,000 シーン,評価データ:2,000 シーン - 実験結果 ▪ IoU(Intersection over Union) による評価 ◦ IoU により真値である C-space との一致具合を評価 ▪ 提案手法により生成した C-space ◦ 次時刻の大まかな C-space を予測可能 ◦ シーンの急激な変化には遅れが生じる ※Vox2C-space は提案手法の流れ 1. のみで構成 現時刻のボクセルデータから次時刻の C-space を予測 - 合計 21 層のネットワーク ▪ エンコーダ,GRU,デコーダで構成 次時刻の大まかな C-space を予測することが可能 時系列データから GRU により次時刻の C-space を予測 1 フレーム目 2 フレーム目 3 フレーム目 4 フレーム目 5 フレーム目 6 フレーム目 真値 真値 提案手法により生成された C-space 提案手法により生成された C-space ※Vox2C-space において現時刻の C-space を推定する問題では IoU が 0.79