８月１日に
学習・推論そして制御！ クラウド＋Ｅｄｇｅで実現する ＡＩ＆ロボティクス技術を垣間見る
https://algyan.connpass.com/event/183331/
を聴いたのでメモメモ
※表題の件は、後半の「汎用人工知能で自動ロボットバトルの実現」で出てきます。
このエントリの最後に（話にはなかったけど）詳しく書いておきました。
■ご挨拶
・注意点
■１．まずは基礎からスタート！ＪｅｔＢｏｔではじめるＡＩ学習への道
・自己紹介
・ＪｅｔＢｏｔきっと紹介
「簡単に作れます」→人間には個性と能力差がある
完成品味気ない
動かないものはつまらない
簡単に。何度でも
・簡単ポイントその１「車体」
カメラ端子あります
ほかにも工夫色々
・ＡＩ自動運転カー ＪｅｔＢｏｔとは
自動運転カーのイメージ
→ＪｅｔＢｏｔはラインとレースカーのほう
カメラ→Ｎａｎｏ→
ラインセンサーの代わりにＡＩ（推論）
ラインセンサー代わりのＡＩ推論
標準的→ＡｌｅｘＮｅｔを使っている
障害物の存在確率
分類：４０９６を２個にする
障害物あり
障害物なし
画像をランダムに補正
pretrained=True 事前学習された結果を読み込んで再利用する
最適化 ＳＧＤを利用（確率的勾配降下法 モメンタム法）
→ランダムに選んだ値で最適化、極小値から脱出しやすくする
勾配を移動平均によって計算
学習の実行
訓練用データで学習
評価用データで評価
結果が良ければ保存
・障害物判定と制御
制御はとてもシンプル
前にモノがない→直進
あれば→左回転
・画像の取り組み
GStreamer OpenCV
GStreamerがクラウド連携のカギ
→DeepStreamSDK
・推論用モデル
Get-nvinfer
Gst-nvmsgconv
Gst-nvmsgbroker
各プロトコル(Ｐｒｏｔｏｃｏｌ アダプター）
・まとめ
・ふろく、せんでん
■ディープラーニングで実現する自動走行ロボットの仕組み
・ＡＩ ＲＣ Ｃａｒについて
・模倣による自動運転
・自動運転の仕組み
・ＡＩ ＲＣ Ｃａｒについて
Ｌｅｖｅｌ２相当の走行
求められるもの
ハード（機構・ＩｏＴ）
ＡＩ＆ＣＶ＆制御
パイロット適正
ハードウェア構成
２つのＰＷＭ信号でラジコンハードウェアを制御
Ｉ２Ｃ接続
ラジコン用プロポ→JetSon経由
リファレンスハードウェア
ＤｏｎｋｅｙＣａｒ
１．教示データの収集
２．ＡＩの学習（カメラとハンドル、アクセル）
３．推論走行
・今日の本題
シンプルな構成のＡＩ
ＥｎｄｔｏｅｎｄＬｉｎｅ
ドンキーカーと一緒
・ＡＩ ＲＣ ＣＡＲのＡＩ
入力
畳み込み層→画像の特徴的な部分を抽出
全結合層 →特徴から結果を求める
ステアリング・アクセル
・ＡＩの学習とは
お手本との誤差を最小化するパラメータを求める
・全結合層
・畳み込み層：画像の翌朝を抽出
マックスプーリング：位置ずれ吸収
・誤差を計算する：目的関数
ＭＳＥ：平均二乗誤差
クロスエントロピー誤差
・パラメーター調整
最急降下法で誤差が小さくなるように
ＳＧＤ
Ａｄａｍ
RMSProp
・論よりＲＵＮ
・目指せバーチャルレース
・まとめ
ＡＩを使ってレベル２
単純なＣＮＮで模倣学習
ハンズオンで体験
■ここだけ抑える！ＲＯＳの勘所
・自己紹介
・ロボットと言えば
ルンバ、ペッパー君・・・
必要なこと
処理能力
膨大なデータ
複雑な制御
品質要求
多品種少量生産
ロボット開発の進め方→開発の高速化のため
モジュールの再生産性の促進
プロセス間通信の効率的な管理
サービスの向上に注力したい
→統一化された開発フレームワークによる設計開発
・ＲＯＳ
plumbing
tools
capabilities
Ecosystem
・plumbing
出版購読型
ＲＯＳノード：ロボットシステムを構成する機能単位
基本は出版購読型
・tools
いろいろ提供
rqt QTベースのデバックフレームワーク
gazebi:3D物理シミュレーション
rviz：可視化ツール
など
・capabilities
既存資産パッケージ
コンポーネント指向開発
・Ecosystem
オンラインのコミュニティ
オフラインは最近できないけどある
・ＲＯＳ準拠のロボット
大量に出ている
ドローンとか、宇宙探査も
コンポーネント単位でも（ボード、センサー、モーター）
・れきし
２０１０ １ｓｔリリース
２０１５ ＲＯＳ２
・ＲＯＳのユースケース変化
はじめ：ヒューマンロボットインタラクション→研究用途
リアルなロボットへ
組み込み、不安定なネットワーク
・ＲＯＳ２
ＤＤＳを採用→いろんなベンダが採用
・ＱＯＳコントロール
通信経路の品質
・ＲＯＳ２は商用展開できる
→ＡＩＢＯの中に入っている
・おまけ
http://aka.ms/ros
→windowsでＲＯＳが使える
Ｑ＆Ａ
Ｑ：モデルいりますか
Ａ：トランジスタ技術の特集で、モデルの作り方でてます
ぜひ見てください
Ｑ：ＲＯＳ１から２は
Ａ：移植大変。ただＡＰＩかきかえならそれほどでも。。
Ｑ：Ｐｙｔｈｏｎ３使える？
Ａ：つかえる
■汎用人工知能で自動ロボットバトルの実現
・対戦ゲームができるレベルの汎用ＡＩを作りたい
汎用人工知能を作る
・どのようやるか
だれでも研究開発に参加できるようにしたい
１．安価なロボットの開発
２．コンテナ技術を活用したソフトウェア基盤の開発
・基盤を整備した上で、人工知能の研究に集中
強化学習の発展
１．ロボットの開発
ロボットの制御にはＲＯＳを利用する
とにかくＳＬＡＭ（自己位置推定）とナビゲーション機能
が利用できればいい
・ＰｙｔｈｏｎでＡＰＩをラッピング
ＲＯＳを知らなくても使えるように
モーターユニットを作った
Ｉ２ＣでＣＰＵから制御可能
・ロボットきっとの開発
タミヤの楽しい工作シリーズ
・Mixduinoはおもしろそうです
・深層学習アクセラレーター付きで４０００円弱
２．ソフトウェア技術
・Ｄｏｃｋｅｒ使った
・Ｄｏｃｋｅｒとは
コンテナの一種
一種の仮想計算機（ビルド後が配れる）
・ＭＡＧＩ
ＲＯＳとＡＩのプログラムをＤｏｃｋｅｒ化
・まとめ
ロボットと開発基盤を作りました
■雑談
・汎用人工知能
・ロボットに役割分担→自動行動
・OpenAIでかくれんぼ
■（話にはなかったけど）Maixduinoの話。
スイッチサイエンスで買える。
Sipeed Maixduino
https://www.switch-science.com/catalog/5707/
tiny yoroが入っているから、何が、どこにいるかをカメラ画像から判断できる。
人の顔を四角くかこんだりするやつ。
Mobilenetは
MobileNet(v1,v2,v3)を簡単に解説してみた
https://qiita.com/omiita/items/77dadd5a7b16a104df83
にあるようにＣＮＮ（画像判別）
tensor flowはお好きに使えますね！
学習・推論そして制御！ クラウド＋Ｅｄｇｅで実現する ＡＩ＆ロボティクス技術を垣間見る
https://algyan.connpass.com/event/183331/
を聴いたのでメモメモ
※表題の件は、後半の「汎用人工知能で自動ロボットバトルの実現」で出てきます。
このエントリの最後に（話にはなかったけど）詳しく書いておきました。
■ご挨拶
・注意点
■１．まずは基礎からスタート！ＪｅｔＢｏｔではじめるＡＩ学習への道
・自己紹介
・ＪｅｔＢｏｔきっと紹介
「簡単に作れます」→人間には個性と能力差がある
完成品味気ない
動かないものはつまらない
簡単に。何度でも
・簡単ポイントその１「車体」
カメラ端子あります
ほかにも工夫色々
・ＡＩ自動運転カー ＪｅｔＢｏｔとは
自動運転カーのイメージ
→ＪｅｔＢｏｔはラインとレースカーのほう
カメラ→Ｎａｎｏ→
ラインセンサーの代わりにＡＩ（推論）
ラインセンサー代わりのＡＩ推論
標準的→ＡｌｅｘＮｅｔを使っている
障害物の存在確率
分類：４０９６を２個にする
障害物あり
障害物なし
画像をランダムに補正
pretrained=True 事前学習された結果を読み込んで再利用する
最適化 ＳＧＤを利用（確率的勾配降下法 モメンタム法）
→ランダムに選んだ値で最適化、極小値から脱出しやすくする
勾配を移動平均によって計算
学習の実行
訓練用データで学習
評価用データで評価
結果が良ければ保存
・障害物判定と制御
制御はとてもシンプル
前にモノがない→直進
あれば→左回転
・画像の取り組み
GStreamer OpenCV
GStreamerがクラウド連携のカギ
→DeepStreamSDK
・推論用モデル
Get-nvinfer
Gst-nvmsgconv
Gst-nvmsgbroker
各プロトコル(Ｐｒｏｔｏｃｏｌ アダプター）
・まとめ
・ふろく、せんでん
■ディープラーニングで実現する自動走行ロボットの仕組み
・ＡＩ ＲＣ Ｃａｒについて
・模倣による自動運転
・自動運転の仕組み
・ＡＩ ＲＣ Ｃａｒについて
Ｌｅｖｅｌ２相当の走行
求められるもの
ハード（機構・ＩｏＴ）
ＡＩ＆ＣＶ＆制御
パイロット適正
ハードウェア構成
２つのＰＷＭ信号でラジコンハードウェアを制御
Ｉ２Ｃ接続
ラジコン用プロポ→JetSon経由
リファレンスハードウェア
ＤｏｎｋｅｙＣａｒ
１．教示データの収集
２．ＡＩの学習（カメラとハンドル、アクセル）
３．推論走行
・今日の本題
シンプルな構成のＡＩ
ＥｎｄｔｏｅｎｄＬｉｎｅ
ドンキーカーと一緒
・ＡＩ ＲＣ ＣＡＲのＡＩ
入力
畳み込み層→画像の特徴的な部分を抽出
全結合層 →特徴から結果を求める
ステアリング・アクセル
・ＡＩの学習とは
お手本との誤差を最小化するパラメータを求める
・全結合層
・畳み込み層：画像の翌朝を抽出
マックスプーリング：位置ずれ吸収
・誤差を計算する：目的関数
ＭＳＥ：平均二乗誤差
クロスエントロピー誤差
・パラメーター調整
最急降下法で誤差が小さくなるように
ＳＧＤ
Ａｄａｍ
RMSProp
・論よりＲＵＮ
・目指せバーチャルレース
・まとめ
ＡＩを使ってレベル２
単純なＣＮＮで模倣学習
ハンズオンで体験
■ここだけ抑える！ＲＯＳの勘所
・自己紹介
・ロボットと言えば
ルンバ、ペッパー君・・・
必要なこと
処理能力
膨大なデータ
複雑な制御
品質要求
多品種少量生産
ロボット開発の進め方→開発の高速化のため
モジュールの再生産性の促進
プロセス間通信の効率的な管理
サービスの向上に注力したい
→統一化された開発フレームワークによる設計開発
・ＲＯＳ
plumbing
tools
capabilities
Ecosystem
・plumbing
出版購読型
ＲＯＳノード：ロボットシステムを構成する機能単位
基本は出版購読型
・tools
いろいろ提供
rqt QTベースのデバックフレームワーク
gazebi:3D物理シミュレーション
rviz：可視化ツール
など
・capabilities
既存資産パッケージ
コンポーネント指向開発
・Ecosystem
オンラインのコミュニティ
オフラインは最近できないけどある
・ＲＯＳ準拠のロボット
大量に出ている
ドローンとか、宇宙探査も
コンポーネント単位でも（ボード、センサー、モーター）
・れきし
２０１０ １ｓｔリリース
２０１５ ＲＯＳ２
・ＲＯＳのユースケース変化
はじめ：ヒューマンロボットインタラクション→研究用途
リアルなロボットへ
組み込み、不安定なネットワーク
・ＲＯＳ２
ＤＤＳを採用→いろんなベンダが採用
・ＱＯＳコントロール
通信経路の品質
・ＲＯＳ２は商用展開できる
→ＡＩＢＯの中に入っている
・おまけ
http://aka.ms/ros
→windowsでＲＯＳが使える
Ｑ＆Ａ
Ｑ：モデルいりますか
Ａ：トランジスタ技術の特集で、モデルの作り方でてます
ぜひ見てください
Ｑ：ＲＯＳ１から２は
Ａ：移植大変。ただＡＰＩかきかえならそれほどでも。。
Ｑ：Ｐｙｔｈｏｎ３使える？
Ａ：つかえる
■汎用人工知能で自動ロボットバトルの実現
・対戦ゲームができるレベルの汎用ＡＩを作りたい
汎用人工知能を作る
・どのようやるか
だれでも研究開発に参加できるようにしたい
１．安価なロボットの開発
２．コンテナ技術を活用したソフトウェア基盤の開発
・基盤を整備した上で、人工知能の研究に集中
強化学習の発展
１．ロボットの開発
ロボットの制御にはＲＯＳを利用する
とにかくＳＬＡＭ（自己位置推定）とナビゲーション機能
が利用できればいい
・ＰｙｔｈｏｎでＡＰＩをラッピング
ＲＯＳを知らなくても使えるように
モーターユニットを作った
Ｉ２ＣでＣＰＵから制御可能
・ロボットきっとの開発
タミヤの楽しい工作シリーズ
・Mixduinoはおもしろそうです
・深層学習アクセラレーター付きで４０００円弱
２．ソフトウェア技術
・Ｄｏｃｋｅｒ使った
・Ｄｏｃｋｅｒとは
コンテナの一種
一種の仮想計算機（ビルド後が配れる）
・ＭＡＧＩ
ＲＯＳとＡＩのプログラムをＤｏｃｋｅｒ化
・まとめ
ロボットと開発基盤を作りました
■雑談
・汎用人工知能
・ロボットに役割分担→自動行動
・OpenAIでかくれんぼ
■（話にはなかったけど）Maixduinoの話。
スイッチサイエンスで買える。
Sipeed Maixduino
https://www.switch-science.com/catalog/5707/
tiny yoroが入っているから、何が、どこにいるかをカメラ画像から判断できる。
人の顔を四角くかこんだりするやつ。
Mobilenetは
MobileNet(v1,v2,v3)を簡単に解説してみた
https://qiita.com/omiita/items/77dadd5a7b16a104df83
にあるようにＣＮＮ（画像判別）
tensor flowはお好きに使えますね！
アクセス
トータル
ランキング
