セミナー
ライブ配信&後日の録画視聴可能
AIロボット・3次元物体認識技術の基礎と実際、現場への展開手法
~AIとロボットビジョンで達成する生産・物流イノベーションと機能認識による簡単教示~
開催主旨
2010年代の後半からAI(Artificial Intelligence、人工知能)の応用が急速に進展しています。生産設備のAI実装のほか、AIの適用により生産システム、さらには製品の流通を含むプロセス革新が期待されています。例えば、多品種アイテムのピッキング性能を競う国際的なロボット大会である「Amazon Robotics Challenge」や「World Robot Summit(WRS)」は、こうした動きを加速する大会であり、生産・物流分野へのAIとロボット技術の適用例を提示しつつ、数年後の工場・配送センター・コンビニ店舗の姿を想起させるものとなっています。
本講座は、これらの大会で世界第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、4時間集中で解説します。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。
本セミナーは、オンライン配信ツールZoomを使い、出演者自身も自宅から出演いただく形式の「Home to Home」(H2H)セミナーとなります。ご視聴方法(参加用URL等)はご登録くださいましたメールにお知らせいたします。
概要
日時 | 2025年 1月 27日(月)13:00~17:00 ※当日12:00まで申込可能 |
---|---|
受講料 | 39,600円(テキスト代、後日の録画視聴、税込、1名分の参加費となります)※テキストはメールでお知らせします。 ※振込手数料は貴社でご負担願います。開催決定後、受講料の請求書(PDF)をメールでお知らせします。 ※当日の参加が難しい方は録画での参加も可能です。録画での参加を希望される方は、申込フォームの備考欄にその旨をご記載ください。 ※録画視聴は当日参加された方もご確認いただけます。講座終了後2週間にわたりご視聴いただけます。 |
主催 | 日刊工業新聞社 |
協力 | 中京大学 橋本研究室 |
問い合わせ先 | 日刊工業新聞社 西日本支社 総合事業本部 セミナー係 TEL : 06-6946-3382 FAX : 06-6946-3389 E-mail : seminar-osaka@media.nikkan.co.jp |
講師
プログラム
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、さらなる自動化へ |
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 |
8.まとめ・質疑応答 |
【ライブ配信セミナーに伴う注意事項について】⇒ 【詳細はこちら】 ※必ずお読みください(お申込みを頂いた時点でご同意頂いたとみなします) |