本文へスキップします。

H1

ロボマガTopics

ブログV2:表示

第118回ロボット工学セミナー『実践的に学ぶ!深層学習を用いた自動運転・ナビゲーションの最前線』(4/23開催)

フェア・イベント 2019/02/06

第118回ロボット工学セミナー『実践的に学ぶ!深層学習を用いた自動運転・ナビゲーションの最前線』 が、2019年4月23日(火)に開催されます。

セミナー口上

自動運転・ロボットナビゲーションにおける深層学習が注目されています。深層学習は物体認識性能を劇的に向上させ、近年は認識の後段にある予測や判断にも活用され始めています。本セミナーの対象者は、深層学習の概略を知っており実装が未経験の研究者や技術者です。本セミナーでは、はじめに深層学習・深層強化学習の基礎から実装までを解説するチュートリアルを実施します。そして、深層学習を用いた空間モデリングと移動ロボットの進路予測、深層強化学習を用いたナビゲーションについて、最先端の技術をご紹介します。ご講演いただく深層学習・深層強化学習の理論は、自律移動ロボット以外にも適用できます。皆様のご参加をお待ちしています。


実践的に学ぶ!深層学習を用いた自動運転・ナビゲーションの最前線
開催日
2019年4月23日(火)10:00~17:30(開場9:30)
開催地
東京大学 本郷キャンパス 武田先端知ビル 5F 武田ホール
(東京都文京区本郷7-3-1)
東京大学 [本郷地区キャンパスマップ(武田先端知ビル)]
東京大学武田先端知ビル VDECへのアクセスのご案内
最寄り駅:
「根津駅」(千代田線)徒歩5分
「東大前駅」(南北線)徒歩10分
「本郷三丁目駅」(丸ノ内線、大江戸線)徒歩15分
「弥生2丁目」(都営バス上60(上野-大塚駅前))徒歩1分
定員
会場参加:150名、ネット配信参加:50名
(どちらも先着順、定員になり次第締め切ります)
オーガナイザー
香月 理絵(株式会社東芝)
講演内容
第1話 【チュートリアル】深層学習の動作の視覚的体感とフレームワークの特徴比較
シンギュラーテクノロジーズ/FMIC 森出 茂樹

 ディープラーニング(以下DL)を始めようとしている方からは「解説書を一通り読んだが具体的な動作が今一つ理解できない」、「ツールをインストールしてサンプルを試したが、その後何をやったらよいかわからない」などの感想をお聞きします。実際にDLを実務に活かすには次の一歩が必要です。開発の現場ではニューラルネットワークの各種パラメータの意味の理解や、チューニングのための各種ノウハウ(たとえば過学習への対応や層数とノード数のトレードオフ)などを、道具の使い方として体得していることが重要になります。
 そこで本講座では、ニューラルネットワークの動作を、ビジュアル学習ツールplaygroundを使いチューニングを行いながら視覚的に体感して頂きます。また、主要なDLフレームワークの特徴を、サンプルコードを使って比較解説します。

第2話 画像を用いた空間モデリングとその応用
産業技術総合研究所 櫻田 健

 近年、自動運転用地図の自動更新やインフラ点検、災害対応、農業の自動化などを目的に、空間モデリングの必要性が急速に高まっています。現在、自動運転用地図を構築するためには、高価な専用車両で日本全域を計測する必要があります。しかし、地図を更新するたびに専用車両で再計測するのは非常にコストが高く産業的ニーズとマッチしません。そのため、一般的な車両に搭載されるカメラやLiDARを用いて、低コストに空間モデルを更新する技術の開発が急務となっています。これらのセンサーデータから空間情報を低コストかつ高頻度にアップデートするためには、異なる時刻やセンサーで得られた情報を統一的に扱う枠組みが必要となります。本講演では、画像を用いた3次元モデリングの基礎と、異なる時刻や種類のデータの位置合わせ、変化検出、LiDARや温度カメラなど他のセンサーとの融合、空間モデリングの発展的な内容について説明します。

第3話 深層学習を用いた移動ロボットの進路予測
デンソーアイティーラボラトリ 佐藤 育郎

 深層学習によって多くの識別・回帰問題が可解になってきた中、予測問題を可解にするための研究が活発化してきています。識別・回帰問題においては独立同分布を仮定した下で決定論的な推論結果を返す枠組みが充分に機能しますが、予測問題においては時系列的な関連性=マルコフ性を仮定した下で確率的な推論結果を返す枠組みが望まれます。我々のグループでは、車両の進路予測の問題において、直進/右折/左折といった複数挙動を推論できる深層ネットワークの研究に取り組みました。本講演の第一部では、この多峰性を持った任意の確率分布に基づく推論の枠組みとそれの移動ロボットへの応用について紹介します。第二部では、Deep Kalman Filterと呼ばれる、深層モデルを状態空間モデルへ拡張した方法について紹介します。

第4話 【チュートリアル】深層強化学習の実応用のための報酬設計
千葉大学 荒井 幸代

 深層強化学習において、深層学習は状況の「認識」を、強化学習は状況に応じた「最適な行動」の学習をそれぞれ担っています。本セミナーでは特に「行動」を獲得する強化学習に焦点をあてます。強化学習は、逐次的な教師信号が不要で、代わりに行動に対する評価値を見積もるための報酬値を所与とします。強化学習の売りは、複数の行動後、すなわち、複数の状態遷移後に対する報酬値でも最適な行動を学習可能な点です。しかし、実問題への応用では「状態空間設計」「報酬設計」の方がボトルネックだとわかってきました。本セミナーでは、報酬設計の視点から、強化学習アルゴリズムの整理と、報酬設計法である逆強化学習(IRL)に加えて話題のGAIN(模倣学習に基づく敵対型生成モデル)を解説します。

第5話 自動運転における車両群制御に向けた深層学習の適用
北海道大学 山下 倫央

 車両単体の運転行動の学習に関する研究成果は既に実車を用いた検証段階にあります。その一方で、車両群全体としての移動効率や安全性を考慮した研究はまだ萌芽的段階にあります。本講演では、運転行動に関する機械学習の従来研究を概観するとともに、車両群全体の移動効率を向上させるためのDQN(Deep Q-Network)を用いた運転行動の学習手法と学習の結果として得られた“ゆずりあい”が及ぼす効果の検証結果を紹介します。また、安定した実車走行のためには制御パラメータのチューニングが重要です。本講演では、ニューラルネットワークを用いてPIDパラメータを自動調整する手法(ニューロPID)についても紹介します。

注意事項

  1. 第1話をご受講の際、Google Chrome、Safari、もしくはMozilla FirefoxをインストールしたPCやスマートフォン、タブレットをご持参いただければ、playgroundをご自身で実際に動作させながら体感することができます。会場内にはネットワーク環境がありませんが、あらかじめ以下のURLの画面を表示させておけばオフラインでの動作が可能です。
    https://playground.tensorflow.org/
  2. セミナー中、講師への質問をTwitterでも受け付けます。Twitterからの質問には各講演の質疑応答時間および<全体を通じた質疑応答>で回答いたします。
  3. 本セミナー第1話にて2台のPCを使用してチュートリアルを行います。本遠隔配信は技術的な問題でPC画面を配信できるのはPC1台のみとなり、もう1台のPCについてはWebカメラにてPC画面を撮影し、予備的に配信を行うこととなり、場合によっては、Webカメラで配信を行うPCの映像は十分なクオリティを確保できない可能性がございます。つきましては本セミナー遠隔配信参加申込の際は、上記ご了承の上お申込みをお願い致します。

参加申込は下記WEBページにアクセスの上、手続きをお願いいたします。
第118回 ロボット工学セミナー『実践的に学ぶ!深層学習を用いた自動運転・ナビゲーションの最前線』(4/23開催)

その他のセミナー開催情報は下記よりご確認ください。
日本ロボット学会 ロボット工学セミナー


本件に関する連絡先
一般社団法人 日本ロボット学会 ロボット工学セミナー係
〒113-0033 東京都文京区本郷2-19-7 ブルービルディング2階
TEL 03-3812-7594 FAX 03-3812-4628
seminar[at]rsj.or.jp([at]を@に置き換えてください)