最近の4年生・修士の研究内容
星野研究室一同
研究室の概要
•
•
•
•
•
人間の知能獲得システム
人間の感性評価システム
人間らしい意思決定支援システム
人間にやさしいヒューマンインタフェース
人間らしい知的制御システム
知能システム
機械学習
ヒューマンインタフェース
感性工学
マインドストーム
2足歩行ロボット
ロボカップ
研究テーマは自由
アイデアと実践あるのみ!
•
•
•
•
•
ファジィ理論:高速ライントレースカーのファジィ制御(M2)
ヒューマンインタフェース:ヘリコプタ操縦支援(OG)
モーションキャプチャでの人間の動作解析(新規)
最適化問題:ゼミ発表スケジューリング問題(OB)
知能ロボット:ネットワークコントロールロボ(OB)
強化学習による最短経路探索問題(OB)
• 感性工学:キャラクタデザインのための
カラーパレット支援システム(OB)
• RoboCup:強化学習によるサッカーロボットの制御(OG)
• FPGAを用いた高速ラベリングによる ロボットサッカーボール追跡(星野)
• 自己組織化アルゴリズムを用いたネクタイ・Yシャツ組み合せ
コーディネーションシステム(星野)
• ParticleSwarmOptimizationを用いた階層型ニューラルネットワークの学習(星野)
• 画像処理フィルタ自動設計研究(星野)
マインドストームとは?
レゴ・エデュケーショナル・ディビジョン社(デンマーク)と
マサチューセッツ工科大学が共同開発したロボット製作キットです。
光センサー,タッチセンサー,プロセッサーボックスがあり,
これらと各パーツを組み合わせてロボットを製作します.
コントロールプログラムをプログラミングしてPCから
ダウンロードして使います.
ロボットを動かすプログラム例
スイッチOn-Offの二分木型の決定木
ボタン一つでコントロールするインタフェース
状態遷移図(論理回路)
1回押す...左へ移動
2回押す...右へ移動
3回押す...アーム回転
採る方向
4回押す...アーム回転
放す方向
※動作中に1回押すと動作が停止
※押さないと現状維持
押さない
3回押す
1回押す
左移動
回転(採)
押さない
1回押す
1回押す
回転(放)
押さない
1回押す
全停止
2回押す
右移動
押さない
1回押す
4回押す
押さない
ボールを打ち返す動作
• タッチセンサーを使っ
て、ボールが当たった
ことに反応し、モー
ターでボールを打ち
返す。
ボールを探す・シュート!!
• 光センサーを使
い、回転して
ボールの場所を
探す。見つけた
らボールに向
かって突進。
一瞬でボールだけを見分けてます.
フェイストラッキングもやってます.
高速ライントレースカーのファジィ制御
ジグザグ
バンバン制御
なめらか
ファジィ制御
カニ歩きロボ
ネットワークロボット:
ネットワークとロボットを融合させたロボットシステム
・広視野カメラ
外部センサ
・GPS
など…
環境
エージェント
無線LAN
ネットワーク
ネットワークロボットとネットタンサー
―ネットタンサーの基本概要とシステムの開発環境―
• 製品名:
NetTansor
(以下NT)
• 発売元:
バンダイ
・画像処理ライブラリ
• 特徴:
・ウェブカムユニット搭載
・コンパイル
・アプリケーションの実行
・無線LANによる遠隔操作
RGB表色系
• 光の三原色の輝度値で色を表現する
• カメラから取り込まれた値はBGRの順番
– Red : 赤 0~255 : 8bit
– Green : 緑 0~255 : 8bit
– Blue : 青 0~255 : 8bit
RGB表色系
HSV表色系
• 感覚的に色を捉えることが事ができる
• 領域を分離抽出するのに適している
– Hue : 色相
– Saturation : 彩度
– Value : 明度
Hue Circle : 色相環
障害物・目標物の認識
NTからの
取得画像
運搬物(緑)
の認識画像
H:50~75
障害物(赤)
の認識画像
運搬先(青)
の認識画像
H:0~20,
H:95~120
150~179
60°
物体の位置情報の取得
NTからの
取得画像
NT前方直線上の
障害物
障害物の
認識画像
障害物の認識範囲
60°
物体の位置情報の取得
・それぞれの処理画像から抽出物の
右下の座標を取得.物体の位置関
係を認識する.
・画面の下側に近いものを優先的に
回避するように行動する.
(218,135)
運搬物の
認識画像
(263,207)
障害物の
認識画像
H:0~20,
H:50~75
150~179
60°
仕事エリア環境と物体認識
―仕事エリアの環境設定―
NetTansor
110cm
壁を設置しない
ゴール
133cm
運搬物
障害物
※各物体はランダムに配置する
障害物をよけながら運搬物をゴールに運びます.
遺伝的アルゴリズム
algorithm:人間や機械に仕事をさせるときの手順のこと。
停止しない場合はprocedure(手順・手続き)という。
生物の進化(選択淘汰・突然変異)の原理に着想
遺伝子操作により良い個体を残すことで問題解決
遺伝子
選択
1.
2.
3.
選択
個体
交叉
突然変異
交叉
突然変異
遺伝的アルゴリズムを使って,ゼミスケジューリングを自動計算
1回目 2回目 3回目 4回目 5回目 6回目 7回目 8回目 9回目
10回
目
11回
目
12回
目
13回
目
14回
目
15回
目
発表回
数
A君
×
○
×
×
○
×
○
○
×
○
○
×
○
×
○
8回
B君
○
×
○
○
×
×
○
×
○
×
○
×
○
○
×
8回
C君
○
×
○
×
○
×
○
×
○
×
○
×
×
○
○
8回
D君
○
○
×
○
×
○
×
○
×
○
×
○
×
○
×
8回
E君
○
×
○
×
○
×
×
○
×
○
×
○
○
×
○
8回
F君
○
×
○
○
×
○
×
×
○
×
○
×
○
○
×
8回
G君
×
○
×
×
○
×
○
×
○
○
×
○
○
×
○
8回
H君
○
×
○
×
○
○
×
○
×
○
○
×
×
○
×
8回
I君
×
○
○
×
○
×
○
○
×
○
×
○
×
×
○
8回
J君
×
○
×
×
○
○
×
○
×
○
×
○
×
○
○
8回
K君
×
○
×
○
○
×
○
×
○
×
○
×
○
○
×
8回
L君
○
×
×
○
×
○
×
○
○
×
○
○
×
○
×
8回
M君
×
○
×
○
×
○
○
×
○
○
×
○
×
×
○
8回
発表人
数
7人
7人
6人
6人
8人
6人
7人
7人
7人
8人
7人
7人
6人
8人
7人
ParticleSwarmOptimizationアルゴリズム
個体全体で最も良い位置(G-BEST)は全体に通知される.
個体(粒子:Particle)が過去に得た良い位置(P-BEST)は個体自身に通知される.
PSOの処理手順
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
各粒子の初期位置 x particle と初期速度 vparticle をランダムに初期化.
xpbestを現在位置x particleに初期化.
xgbestを群全体で最も良い適応度を持つ粒子の位置xpbestに初期化.
設定した回数まで以下の5~9を繰返す.
(5)式に従って x particle を更新.
新たな位置x particleで適応度を計算.
xpbestでの適応度よりも良い値が得られたら、xpbest を新たな位置と適応
度に置き換える.
(xpbestは個体が過去の中で最良適応度を得た位置)
xgbestでの適応度よりも良い値が得られたら、xgbest を新たな位置と適応
度に置き換える.
(xgbestは郡全体の中で最良適応度を持つ位置)
(6)式に従ってvparticleを更新する。
PSOの軌跡
関数の最大値探索
パーティクルが真ん中に集まってくる.
PSOは最適解,准最適な付近に粒子が
集まる傾向がある. G-BESTの効果
感性工学
「感性工学とは,これから生まれる商品に対
して,消費者の抱いているイメージや感
性を商品デザインに翻訳する工学技術」
1. 消費者の感性やイメージを正確に把握
2. 人の感性⇔商品の機能,外観,色...etc
因子分析
• 散らばった情報に共通性を見出して、そこ
に隠されている、本質的な意味を示す手法
あなたは国語と英語の点数が
良いから文系タイプね。
単純な要因(印象評価)
共通の因子でまとめる
因子分析
(固有値 問題)
感性工学
キャラクターと色の感性評価
本実験対象47種類
キャラクター
キャラクターと色の感性評価
やわらかさの因子
愛着の因子
図:キャラクターマッピング
因子分析結果
カラーイメージスケールの因子
■SOFT – HARD
■WARM – COOL
の形容詞対を含んでいる。
キャラクターと色の感性評価
カラーイメージスケール
キャラクターマッピング
キャラクターと色の感性評価
カラーイメージスケール
キャラクターマッピング
ポジショニングマップによるバイクの商品開発
感性評価を使って商品のポジショニングを行う!
商品間の位置関係がわかるように
ポジショニング
商品をマップ上に配置
バイクA
バイクD
新しいバイク
バイクB
バイクE
バイクF
カブ
バイクG
自社商品と競合の位置関係を見極める
ニッチ(すきま)は何処?
どの商品に近いものを作りたい?
企画の方向付けができる⇒ニッチ商品の開発
バイクC
ニッチ商品の提案
デュエット,マーチ
ファンカーゴ,bB,キューブ
シビック,フィット,ビッツ
ロードスター,インタグラー
この辺ニッチ商品のターゲットエリア
BS ブレインストーミング
アレックス・F・オズボーンによって考案された会議方式のひとつ
集団思考・集団発想法・ブレインストーミング法(BS法)・ブレスト・課題抽出
可能性は無視して,未来への夢物語を膨らますことが重要!!
「ブレインストーミングの4原則」
1.判断・結論を出さない(結論厳禁)
2.粗野な考えを歓迎する(自由奔放)
3.量を重視する(質より量)
4.アイディアを結合し発展させる(結合改善)
「否定的発言」は厳禁!!
BS法のアイスブレーク・フリートーク
お題:面接につけるネクタイ
(因子得点マップ)
KJ法による結果
AHP(階層分析法)
2つの要素の一対比較という直感的で単純な判断の積み重ねで,
これを基に問題全体の大局的な判断を支援する.
実際に組織の中だけではなく社会や公共の意思決定の場で広く実
際に利用されている.
面接に付けていくネクタイの意思決定をしてみる...
強化学習の構成
•状態認識器 環境状態を認識しルール集合を生成
•行動選択器 生成されたルール集合から行動を決定
•学習器
環境から報酬を受取りルールの重みを更
新
Heterogeneous Multi-Agent System
A2
お互いが影響
しあう
問題を速やかに解決.
A1
ファイヤーパニック問題
First 30,000 trials
Last 30,000 trials
第22回 ファジィ システム シンポジウム in 札幌 ソフトコンピューティングとエンタテインメント
CGIE2006 での企画セッション「Soft Computing and Games/Entertainment」
ペット型ロボットをもちいた独居者の在宅データ取得と
隠れセミマルコフモデル(HSMM)による体調不良推定
-
AIBO ERS-7型
PCとAIBOは無線LANで常に通信
実験場所はワンルームマンションの一室
被験者はその部屋に住む女性1名
第22回 ファジィ システム シンポジウム in 札幌 知的画像処理
食卓
トイレ
玄
関
洗濯機
浴室
台所
ク
ロ
ー
ゼ
ッ
ト
テレビ
デスク
ベッド
システムの流れ
在宅データ取得システム
送信
画像データを取得
• 被験者が画像中に
いるかどうかを調査
• いる場合,発見場所と
発見時刻を在宅データ
として記録
非日常生活推定システム
• 得られた在宅データから,日常の生活モデルを構築
• 日常と違う日を,非日常として推定する
• 構築と推定には,隠れセミマルコフモデルを使用
モルフォロジー演算の自動調整
• FPGAのよる画像処理のハードウエア化
• 高速かつリアルタイム処理が可能
• 画像処理+ハードウエアの専門知識が不可欠
• 基本的なモジュール+処理系
パラメータチューニング
FPGAのシミュレーションはPC上で可能
ターゲット:㈱ユーテック社製 gTOPシリーズ使用
モルフォロジー演算
• 基本的なフィルタ演算
– 膨張(Dilation) 収縮(Erosion)
– 組合せ演算 … オープニング(Opening)
クロージング(Closing)
膨張(Dilation)
OpenCVではcvDilate()関数を使います.
8近傍(4近傍)の場合:
入力注目画素と近傍画素(9 or 5)の一つでも
黒なら出力注目画素は,黒
対象画像
+
構成要素
収縮(Erosion)
OpenCVではcvErode()関数を使います.
8近傍(4近傍)の場合:
入力注目画素と近傍画素(9 or 5)の一つでも
白なら出力注目画素は,白
対象画像
-
構成要素
オープニング(Opening)
収縮⇒膨張の処理を行う.OpenCVではcvMorphologyEx関数を使
います.処理としては膨張,収縮の順番で処理
対象画像
対象画像
-
構成要素
+
構成要素
クロージング(Closig)
膨張⇒収縮の処理を行う.OpenCVでは cvMorphologyEx関数を
使います.処理としては収縮,膨張の順番で処理
対象画像
対象画像
+
構成要素
-
構成要素
特殊な処理
• グラジエント
Dailationした画像からErosionした画像を減算(XOR,OR)
(エッジを検出に相当)
• トップハット変換
元画像からOpeningした画像を減算(XOR,OR)
• ブラックハット変換
Closingした画像から元画像を減算(XOR,OR)
演算例
元画像(2値画像)
Dilation(膨張)
Erosion(収縮)
Closing
グラジエント
トップハット変換
Opening
ブラックハット変換
•
•
•
•
32bitで各処理を表現
gTOPのFPGAモジュールの制御レジスタ準拠
256段階のグレー色データ画像(白~灰~黒)
2値化、反転(ネガポジ)のオペレーションを追加
32ビット1本で表現できる.
反転(ネガポジ):白~黒のデータを
黒~白に変換
2値化:ある閾値で白・黒に分割
•
メディアンフィルタ
対象画素の8近傍の画素データから
中間値を取得
• 対象画素を中間値に
{1,2,3,5,5,7,8,9,10}の真中は5
進化計算
• 生物の進化を模倣した解探索アルゴリズム
a)評価の低い子x2を選択
b)交叉 2つの子に似た子供を作る
c)突然変異 親とは無関係な特徴も持たせる
d)新しい子を評価
進化計算
• 生物の進化を模倣した解探索アルゴリズム
a)評価の低い遺伝子列を選択
b)交叉 {11110000} {00111100}
⇒ {11111100} {00110000}
二つの遺伝子列の一部を入れ替え
c)突然変異{11110000}
⇒ {11111000}
遺伝子を一定確立で反転
d)遺伝子列を評価(理想欠陥画像との類似誤差)
FPGAモジュール制御レジスタ
• bit0
4 or 8近傍選択
• bit1~bit3 Selector1
(膨張,収縮,Closing, Opening, Closing, OpeningとClosingのOR,
OpeningとClosingのXOR)
• bit4
Selector2
(入力画像とSelector1処理画像とのXOR)
•
•
•
•
•
•
bit8~bit11 パラメータ m (3x3~13x13)
bit12~bit15 未使用(実ボードのみで使用)
bit16~bit19 パラメータ n (3x3~13x13)
bit20~bit23 メディアンフィルタ(on-off,3x3~11x11)
bit24
元画像をネガポジ処理
bit25~bit31 2値化閾値
モフォロジを使って異物を見つけてみる.
ミミズみたいな異物...わかるかな?
原画像
実験結果
異物発見成功!!
実験1回目
実験2回目
実験2回目の適応度の推移
ダウンロード

pptファイル