文献

J-GLOBAL ID：201702260643261633   整理番号：17A0504239

深層学習とマニピュレーション

著者 (2件)： 尾形哲也 (早稲田大学) ,  尾形哲也 (産業技術総合研究所人工知能研究センター)
資料名： 日本ロボット学会誌  (ロボ學)
巻： 35  号： 1  ページ： 28-31(J-STAGE)  発行年： 2017年 
JST資料番号： Y0482A  ISSN： 0289-1824  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ロボットによる物体のマニピュレーションとして,深層学習(ディープラーニング:DL)を用いる手法について解説した。画像に特化したDLモデルとして畳み込みニューラルネットワーク(CNN)が知られている。物体の把持位置予測にCNNを用い,優れた性能が得られた。ロボットの構造に依存する動作には画像と動作とを直接つなぐエンドツーエンドの学習アプローチが重要である。動作生成によって得られたデータをDLモデルの教師信号としてロボットの行動生成モデルを獲得させる試みとして,柔軟物操作作業が行えることを確認した。

シソーラス用語： *機械学習 ,  画像 ,  畳込み ,  *ニューラルネットワーク ,  行為 ,  *操作
準シソーラス用語： ディープラーニング ,  *マニピュレーション ,  *深層学習 ,  動作生成

著者キーワード (2件)： Article ,  Manuscript

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

引用文献 (9件)：

• [1] I. Lenz, H. Lee and A. Saxena: “Deep Learning for Detecting Robotic Grasps,” International Journal of Robotics Research (IJRR), doi:10.1177/0278364914549607, 2014.
• [2] R. Joseph and A. Angelova: “Real-Time Grasp Detection Using Convolutional Neural Networks,” IEEE International Conference on Robotics and Automation 2015, doo:10.1109/ICRA. 2015.7139361, 2015.
• [3] 鈴木,新古,陽,高橋,菅野,尾形:“CNNによる二次元物体画像から実ロボットでの把持動作生成”,日本機械学会ロボティクスメカトロニクス講演会,2P1-12b7, 2016.
• [4] Robot Learning Lab, Deep Learning for Detecting Robotic Grasps, http://pr.cs.cornell.edu/deepgrasping/, 2015年7月4日現在.
• [5] 川田テクノロジーズ株式会社:Nextage Open,http://nextage.kawada.jp/,2015年9月21日現在.

タイトルに関連する用語 (2件)： 深層学習 ,  マニピュレーション