知能処理の回路化とロボットプラットフォームへの適用

点击翻译按钮获取中文摘要

家庭用サービスロボットにおける，認識機能の自動獲得を目指して，フォトリアリスティックなシミュレータを用いた深層学習訓練用データセットの自動生成システムの研究開発を行った．提案システムでは，Sim2Realのために，強化学習で用いられるDomain Randomizationを応用し，背景のテクスチャや色，物体の位置，光源の位置や強さ，鏡面反射率など様々なパラメータを複雑に変化させ，多様なデータセットを生成する．CPUにXeon W-2235を使用した場合，シミュレータを５並列で動作させることで，１時間で約２５万枚の画像・アノテーションデータを同時に生成することができ，人が撮影・アノテーションして作成する場合に比べ，約８７７倍高速であった．また，YCBオブジェクト内の５５クラスを用いて，５０万枚のデータを生成し，インスタンスセグメンテーションのモデル（YolactEdge）を学習したところ，APが71.10%であった．このことから，Sim2Realでの頑健な物体認識ができていることがわかった．提案システムを用いて学習した物体認識システムを，家庭用ホームサービスロボットの国際的な競技会である，World Robot Challenge (WRC) 2020 Partner Robot Challenge (Real Space)で使用したところ，約７９%の認識率を達成することができ，実ロボットでの使用にも問題ないことが確認できた．WRCでは，室内環境があらかじめ指定されているが，シミュレータでは様々な環境を用意することで，どのような環境でも頑健な物体認識ができることを目指した．そして，この成果は，本競技会での優勝に大きく貢献した．