1. はじめに
本稿では，2022年9月5日から9日にかけて東京大学にて開催された第40回日本ロボット学会学術講演会のレポートを行う．レポート内容は，9月8日に行われたOS16：確率ロボティクスとデータ工学ロボティクス〜認識・行動学習・記号創発〜（3/4）を扱う．
1.1 オーガナイズドセッションについて
本オーガナイズドセッションは、「実世界理解やヒューマンロボットインタラクションにおける，統計的機械学習の基盤技術および実世界データの利活用について議論する」ことを目的としたセッションである．またOS16は期間中，4つのセッションに分かれており，今回レポートする内容はそのうちの1つである．本セッションは1つの招待講演と，5件の発表で構成される．
2. 講演・発表内容
2.1 招待講演：深層予測学習を用いた実ロボットの知能化と適用事例
1件目は，日立製作所・早稲田大学の伊藤さんによる「深層予測学習を用いた実ロボットの知能化と適用事例」である．本発表は人間共生ロボットを用いたロボットの知能化について着目した研究である．近年の学習型ロボットは，画像認識技術や強化学習の発展から研究が盛んになっている．それらの技術を応用したものとして深層予測学習を用いた環境予測ロボットの開発を行っている．本発表で筆者が興味を持ったのは，「ロボット開発ではソフトウェアだけでなく，ハードウェアの面も重要である」という点である．一般的にロボット開発やそのためのシステムを作るということを考えると，ソフトウェア開発が重要だと考えてしまう．しかし良いシステムを作れたとしても，ハードウェアが想定している挙動や大きさなどを満たしていなければ，良いロボットを作れたとは言えない．人工知能などが発達し，いろいろな仕事をロボットが代わってくれると簡単に想像していたが，そこまでの道のりは長いと知ることができた．
2.2 PEFTST: A Heterogeneous Multi-Robot Task Scheduling Heuristic for Garment Mass Customization
2件目は，東北大学のBezerraさんらによる「PEFTST: A Heterogeneous Multi-Robot Task Scheduling Heuristic for Garment Mass Customization」[1]である．本発表は，衣服のマスカスタマイゼーション環境におけるタスクスケジューリングの問題を解決できるアルゴリズムであるPEFT with Spatial Transportation (PEFTST)を提案している．本発表で筆者が興味をもったのは，衣服を複数種類ごとでワークフローに分割する点と切断や組み立てを行う作業ロボットとその間の運搬を行うロボットに分けてタスクを割り当てている点である．ロボットがどのような衣服を作るかをあらかじめ知っていることで注文が来た衣服の形をフローをたどることで作成することができるだろう．もしシステムを実用面で応用する場合，決められた衣服の形しか作成できないのか，個人が好きなように組み合わせた衣服でも作成可能なのか気になった．さらに衣服を作成するときに重要なのは型だけでなく，素材という点もあるだろう．切断用や組み立て用ロボットが素材ごとに切り方や縫い方を変更できるかについても気になった．
2.3 移動ロボットの増加によって位置推定精度が向上する手法の検討
3件目は，東北大学の奈良さんらによる「移動ロボットの増加によって位置推定精度が向上する手法の検討」[2]である．本研究は，Wi-Wiを搭載した小型通信モジュールを用いた複数台の移動ロボットについてグラフベースでの位置推定方法の提案である．本発表で筆者が興味をもったのは，論文内「2.Wi-Wiを用いたマルチロボットの位置推定」の「情報が増えるため最適化にかかる時間は増加するが，推定精度が向上すると考えられる．」という点である．一般的に情報量が増えることで推定などの精度は上がるということは想像できるだろう．ただ移動ロボットに搭載することを考えたとき，計算量や計算時間がかかってしまうとロボット本来の役割を正しく行えなくなる可能性について気になった．また位置推定と計算コストのバランスをどのように決めていくかもこれからの課題として興味深かった．
2.4 空間内のレイアウトパターンを活用した歪みの無い地図構築
4件目は，東北大学の軍司さんらによる「空間内のレイアウトパターンを活用した歪みの無い地図構築」[3]である．本研究は，レイアウトの情報を物体SLAMに組み込む方法であるlayoutSLAMを提案している．SLAMとは，物体配置地図の作成とロボット自身の位置の推定を行う技術を指す．また実験として，layoutSLAMを用いて物体マップを構築できるかを検証している．本発表で筆者が興味をもったのは，論文内「6.LayoutSLAMの考察」の「事前に用意されていない物体レイアウトについては考慮することができない．」という点である．提案手法であるlayoutSLAMは現時点では既知の物体しか判別することができないとしている．例えば物体検知技術について考えてみると，物体を細かく判別するのではなく，大きな枠組み（例：机，イス）を判別することは可能だろう．しかし実環境でlayoutSLAMを用いる応用手法を考えた場合，同じ机でも違う種類であれば違う机として判別すべきなのか，ひとまとまりに机として判別していいのかが気になった．また今後の課題として，未知の物体を判定できる方法の拡張についても興味深い点だと考える．
2.5 Bayesian Kernel Inferenceを用いた3D点群地図における移動物体除去
5件目は，千葉工業大学の友納さんによる「Bayesian Kernel Inferenceを用いた3D点群地図における移動物体除去」[4]である．本研究は，3D-Lidarを用いたSLAMで生成された3D点群地図から移動物体を除去する方法を提案している．また実験では，車輪型ロボットで撮影したデータから3D点群地図を作成し，提案手法が有用であるかを確認している．本発表で筆者が興味をもったのは，通常の移動物体の除去で用いられるレイキャスティング法だの場合メモリや処理時間を多く消費するという問題点を解消した点である．提案手法ではBayesian Kernel Inferenceを導入したことで，逆レイキャスティングを用いた従来の手法よりも補間精度が向上し，さらに処理効率も向上したとしている．ただ3D点群地図の品質向上を目的としていても，処理効率よりも精度を優先しなかった点について，双方のバランスを取ることは難しい課題であるように感じ，とても興味深かった．また作成した3D点群地図の具体的な利用例についても気になった．
2.6 電動車いすの転落事故防止を目的とした段差の検出
6件目は，スズキ株式会社・東京大学の近藤さんらによる「電動車いすの転落事故防止を目的とした段差の検出」[5]である．本研究は，電動車いすに設置したセンサーを用いて走行路面の法線方向を推定し、そこから電動車いすの姿勢変化を算出することで段差を正しく判定できるかを検証している．本発表で筆者が興味をもったのは，センサーの取り付け位置についてである．電動車いすが段差などを判別可能にするためには，センサーを車体の前方に搭載し，リアルタイムに段差や障害物を検証する必要がある．例えば段差や風が強い場所では揺れがあり，雨が強い場所では画質が悪いという問題点が生じるだろう．センサーの搭載場所や搭載の仕方についてはハードウェア的な開発の側面もあると思うが，環境が悪いなかでも同等の検証結果を得ることができるかどうかについて気になった．また高齢化社会が進む日本において，本手法は電動車いすだけではなくさまざまなロボットやシステムに搭載することができると感じた．
3. おわりに
本稿では，OS16：確率ロボティクスとデータ工学ロボティクス〜認識・行動学習・記号創発（3/4）の様子をお伝えした．筆者自身の研究にも関連する内容も多数あり，今後の参考になる発表ばかりだった．またロボットを用いた実験や検証は，ハードウェア・ソフトウェアの両方の面での開発が必要になると知ることができた．開発内容が多くなり大変な部分もあると思うが，完成したときの達成感は大きいものがあるだろうと想像できる．
参考文献
[1] R. Bezerra, K. Ohno, S. Kojima, H. Aryadi, K. Gunji, M. Kuwahara, Y. Okada, M. Konyo and S. Tadokoro："PEFTST: A Heterogeneous Multi-Robot Task Scheduling Heuristic for Garment Mass Customization"，日本ロボット学会第40回学術講演会予稿集，4F2-02，2022．
[2] 奈良貴明，岡田佳都，小島匠太郎，大野和則，志賀信泰，安田哲，滝沢賢一，田所諭："移動ロボットの増加によって位置推定精度が向上する手法の検討"，日本ロボット学会第40回学術講演会予稿集，4F2-03，2022．
[3] 軍司健太，大野和則，小島匠太郎，Bezerra Ranulfo，Aryadi Hanif，桑原雅夫，岡田佳都，昆陽雅司，田所諭："空間内のレイアウトパターンを活用した歪みの無い地図構築"，日本ロボット学会第40回学術講演会予稿集，4F2-04，2022．
[4] 友納正裕："Bayesian Kernel Inferenceを用いた3D点群地図における移動物体除去"，日本ロボット学会第40回学術講演会予稿集，4F2-05，2022．
[5] 近藤信二，武士正美，小竹元基，林幸汰，東海林康，川村昌弘，戸川皓："電動車いすの転落事故防止を目的とした段差の検出"，日本ロボット学会第40回学術講演会予稿集，4F2-06，2022．
黒田彗莉（Eri Kuroda）
2022年お茶の水女子大学大学院人間文化創成科学研究科博士前期課程修了．修士(理学)．現在，同研究科博士後期課程在学中．日本学術振興会特別研究員（DC1）．人工知能学会学生編集委員．人工知能，機械学習などを用いたヒトの実世界理解についての研究に従事．
