CLOSE

第118回 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)
セミナーレポートセミナーレポート

会場アクセス:
http://www.u-tokyo.ac.jp/campusmap/cam01_04_16_j.html
http://www.vdec.u-tokyo.ac.jp/Guide/access.htmlcam01_04_16_j.html
「根津駅」(千代田線)徒歩5分,「東大前駅」(南北線)徒歩10分,または「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

会場150名/ネット配信50名(どちらも定員になり次第締め切ります)

参加費(税込):※ お支払の際,別途システム手数料「216円」を頂戴致します.
当学会及び協賛学会の正会員(個人)/8,500円,会員外(一般)/13,000円
当学会及び協賛学会の学生会員(個人)/3,000円,会員外(学生)/4,500円
当学会賛助会員 招待券ご利用/無料,優待券ご利用/3,000円,左記サービス券なし/13,000円
特別優待券使用の場合:学生(RSJ会員非会員問わず)/無料,学生以外/3,000円
ネット配信参加(RSJ個人会員のみ申込可能):申込者のみ視聴/4,500円,申込者以外に複数人視聴/8,000円

  • 2017年度開催セミナーより参加申込みおよび参加費のお支払い方法が変更となっております.詳細はご案内ページをご確認ください.
  • 賛助会員招待券/優待券および特別優待券の詳細はご案内ページをご確認ください.

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.
オーガナイザー:香月 理絵(株式会社東芝)


講演内容:

10:00-10:10 <開会挨拶・講師紹介>


10:10-12:00 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.


12:00-13:00 <休憩(昼食)>


13:00-13:55 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,地図を更新する度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.


13:55-14:05 <休憩>


14:05-15:00 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.


15:00-15:10 <休憩>


15:10-16:05 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.


16:05-16:15 <休憩>


16:15-17:10 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.


17:10-17:15 <休憩>


17:15-17:25 <全体を通じた質疑応答>


17:25-17:30 <閉会挨拶>

注意事項:

  • 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/
  • 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.
  • twitterを用いた質問について(2019/4/19更新)
    質問用ハッシュタグは、「#第118回ロボット工学セミナー」です。このハッシュタグを質問に追加してツイートしてください。このハッシュタグは第一話から第五話まで共通です。質問ツイートにはセミナー中に口頭で回答いたします。時間の都合上、全ての質問に答えられない場合があります。また、セミナー終了後は回答いたしかねます。ご了承よろしくお願いします。皆様からのツイートをお待ちしています!

参加申込方法:

必ず参加申込みおよび参加費のお支払い方法のご案内ページをご確認の上,下記よりお申し込みください.


本セミナー会場参加希望の場合,下記よりお申込み,参加費支払のお手続きをお願いします.
申込締切:4月22日(月)17:00.

セミナー参加申込


賛助会員招待券や学生の特別優待券等,無料参加券をご利用の場合は下記よりお申し込みください.
申込締切:4月22日(月)17:00.

無料参加券利用申込


本セミナー遠隔参加希望の場合,下記よりお申込み,参加費支払のお手続きをお願いします.
申込締切:4月21日(日)17:00.

遠隔配信の概要については遠隔配信のご案内をご参照ください。

2018年度より遠隔配信参加の申込は抽選から申込先着順となりました。申込方法・参加費のお支払い方法も会場参加申込みと同様のシステムに変更となりましたのでご注意ください。

遠隔配信に関する注意:
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。

遠隔配信申込


セミナー参加に関する注意事項

  1. 会場,講師,日時等は都合により変更になる可能性がございますのでご了承下さい.最新の情報は学会ロボット工学セミナーHPに掲載されます.
  2. 台風等警報発令時のセミナー開催中止判断については「災害時における中止判断」のページをご確認ください.
  3. 当日、参加者の理解を深めるためテキストを配布致します。このテキストは、原則、講演に使用されるスライド資料等を縮小コピーしたものですが、諸事情により修正・抜粋がされている場合がございます。ご了承ください。また、テキストの後日販売は行いません。
  4. 参加者のセミナー会場内での撮影・録音行為は禁止させて頂きます。なお、撮影・録音を含む取材をご希望の場合は必ず事前に学会事務局までお問い合わせください。

主 催:
一般社団法人 日本ロボット学会
協 賛(予定):
計測自動制御学会,産業技術連携推進会議 医療福祉技術分科会,システム制御情報学会,情報処理学会,人工知能学会,精密工学会,電気学会,電子情報通信学会,土木学会,日本感性工学会,日本機械学会,日本シミュレーション学会,日本神経回路学会,日本設計工学会,日本時計学会,日本人間工学会,日本バーチャルリアリティ学会,日本ロボット工業会,農業食料工学会,バイオメカニズム学会