本講座は、「Amazon Robotics Challenge」や「World Robot Summit（WRS）」で世界第3位・優勝した経験を持ち、関連する国家プロジェクトにも参画している講師が、生産・物流現場を中心に、AIおよび3次物体認識の基礎に加え、工場、大規模配送センターやコンビニなど一般店舗で必須となる物体認識について解説します。とりわけ物体認識手法の基礎については、2D/3D両面でのアプローチを紹介し、市販3Dセンサでは捉えにくい対象物に対する認識テクニックを紹介します。
また応用については、一連の最新技術を、実際に大会に投入した技術を中心に実用化の観点から説明するとともに、現場で使えるシステムを設計するための考え方を紹介します。
さらには、講師らの最新の取り組みとして、機能情報によりGPTエンジンで生成した動作手順の誤りや不足を自動修正し、「使える」手順生成を実現した実例も解説します。
◇ 開催日：2024年 6月 24日（月）13:00～17:00
◇ 申込URL：https://corp.nikkan.co.jp/seminars/view/5058
1．イントロダクション：人工知能（AI）とロボットビジョンの概要
1-1 AIに関する話題と機械学習の基礎
1-2 ロボットビジョンの基本構成
1-3 ロボットビジョンの共通課題
2．3次元センサ
2-1 3次元計測の分類と原理
2-2 市販3次元センサの状況
2-3 市販3次元センサの性能比較
2-4 ポイントクラウドデータ（3次元点群）
3．物体認識アルゴリズム
3-1 物体認識アルゴリズムの基礎（概要と物体認識アルゴリズムの分類）
3-2 物体認識アルゴリズムの基礎（2D的アプローチ）
(1)画像中のキーポイント特徴量を使用／(2)画像の画素そのものを利用／(3)図形の輪郭や幾何学的モデルの利用
3-3 2D画像マッチングの実用技術・最新技術（戦略的画素選択に基づくテンプレートマッチング）
(1)独自性の高い画素を選択／(2)照明変動の影響を受けにくい画素を選択／(3)周辺対象物との識別に寄与する画素を選択／(4)多クラス分類に有効な画素を選択／ユニークな色を持つ画素を選択
3-4 物体認識アルゴリズムの基礎（3D的アプローチ）
3-5 キーポイントマッチング
3-6 2つのタイプの3次元特徴量（SHOT特徴量、PPF特徴量など）
4．柔軟な動作のためのロボットビジョン
4-1 プリミティブ形状近似によるモデルレス把持位置決定
4-2 ピッキングリスク最小化に基づく動作生成（把持余裕度推定モデルなど）
5．実例紹介：Amazonチャレンジ関連技術
5-1 Amazon Robotics Challengeの概要
5-2 各大会における技術課題と得られた教訓
5-3 Amazon後の取り組み（World Robot Summit：WRS）
5-4 採用したアルゴリズムと認識結果、ハンドおよびシステム構成
6．ロボット知能化研究の最前線
6-1 物体認識から機能認識へ
6-2 機械学習による機能認識<
6-3 公開した機能属性ラベル付きデータセット
6-4 機能認識の生活支援ロボットへの応用
6-5 機能認識と生産システムへの応用
(1)人による動作教示のロボットへの転移（深層学習を用いた部品の機能属性認識、機能を手掛かりにした把持点と作用点の転移など）／(2)シンプルな文章指示に基づくロボットの動作生成
6-6 機能情報を用いたGPTベース動作手順生成の修正と改善
7．今後の展望
7-1 AIの強みと弱み（汎用性・柔軟性の不足など）
7-2 AIロボットの展望
◇ 申込URL：https://corp.nikkan.co.jp/seminars/view/5058
配信元・問合先――――――――――――――――――――――――――――
今堀崇弘
日刊工業新聞社
t.imahori@media.nikkan.co.jp
0669463382