Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成

論文情報

木南 貴志,山内 悠嗣,“Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成”,日本ロボット学会学術講演会,2022.

概要

近年,労働力の不足や人件費の削減などの理由により,ロボットを活用した作業の自動化の需要が高まっている.ロボットによる作業の自動化を実現するには,ロボットアームの動作時の軌道を作成する必要があり,教示と動作計画の 2 種類が存在する.教示は作業者がロボットを操作して動作を記憶し,記憶した動作を連続的に再生するティーチングプレイバックにより作業を再現する.教示には多くの時間が必要になることや,作業内容や環境が変わったときに,教示をやり直す必要があるため,近年では動作計画に関する研究が盛んに取り組まれている.動作計画は,ロボットが障害物を避けながら初期姿勢から目標姿勢へ達する軌道を計画する問題である.動作計画では Configuration-space(C-space) と呼ばれるロボットの姿勢を表現した空間が用いられる.実空間におけるロボットと障害物が衝突するような姿勢は,C-space 上においてコンフィギュレーション障害物として写像されるため,C-space 上でコンフィギュレーション障害物を回避する経路を生成することで,実空間においても障害物を回避するような動作を生成することができる. 全ての姿勢における衝突情報を写像した完全な C-space を作成するには膨大な計算を必要とするため,動作計画の際には完全な C-space を作成することなく,逐次的に衝突判定を行いながら経路を探索する.そのため,サンプリングベース手法などの逐次的に経路を探索する以外の手法を利用することができない問題がある. そこで,本稿では機械学習に基づいて C-space を生成する Vox2C-space を提案する.Vox2C-space は,エンコーダ・デコーダ型のネットワークで構成された Cspace 生成ネットワークである.提案手法は,2 値のボクセルで表現された占有グリッドマップから機械学習により C-space を生成する.直接的に衝突判定の計算を行わないため,C-space を高速に計算することが可能となる.

スライド


Bibtex Reference

@inproceedings{木南2022, 
  author = {木南 貴志 and 山内 悠嗣},
  title = {{Vox2C-space:動作計画のための機械学習に基づくC-spaceの生成}},
  booktitle = {日本ロボット学会学術講演会}
  year = {2022},
}

 

 

 

機械学習に基づく経路計画

論文情報

金田 康志,木南 貴志,山内 悠嗣,“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.

概要

自律型移動ロボットに必要な技術として経路計画がある.経路計画は,事前に作成した環境地図を用いて,現在位置から目標位置まで障害物に衝突することなくロボットが最短で移動できる経路を計画する技術である.従来の経路計画では,乱数を用いてノードをサンプリングするため,最終的に出力される経路以外の経路も計画する問題を抱えており,多くの無駄な計算が発生する.そこで,本研究では機械学習を用いて経路を構成するノードをサンプリングすることで,余分な計算を削減することを目的とする.

ポスター


Bibtex Reference

@inproceedings{金田2022, 
  author = {金田 康志 and 木南 貴志 and 山内 悠嗣},
  title = {{機械学習に基づく経路計画}},
  booktitle = {電子情報通信学会総合大会}
  year = {2022},
}

機械学習による変形ARマーカの3次元位置・姿勢推定

論文情報

榎元洋平,山内 悠嗣,“機械学習による変形ARマーカの3次元位置・姿勢推定”,動的画像処理実利用化ワークショップ,2022.

概要

既存の AR マーカ認識手法は AR マーカが変形しないことを前提としているため,変形した AR マーカの検出や姿勢を推定できない.そこで,本稿では機械学習により変形した AR マーカの 3 次元位置と姿勢を推定する手法を提案する.提案手法は 2 段階の処理に分かれており,前段の処理では物体検出手法により変形した ARマーカを検出し,後段の処理では Augmented AutoEncoder を拡張した手法により変形した AR マーカの 3 次元位置と姿勢を推定する.変形した AR マーカを用いた 3 次元位置,姿勢推定の実験において,提案手法は 3 次元位置の平均誤差が 3.7[mm],3 次元姿勢の平均誤差が 5.23[deg] で推定可能であることを確認した.

ポスター


Bibtex Reference

@inproceedings{榎元2022, 
  author = {榎元 洋平 and 山内 悠嗣},
  title = {{機械学習による変形ARマーカの3次元位置・姿勢推定}},
  booktitle = {動的画像処理実利用化ワークショップ}
  year = {2022},
}