最近の 4 年生・修士の研究内容星野研究室一同

研究室の概要• 人間の知能獲得システム• 人間の感性評価システム• 人間らしい意思決定支援システム• 人間にやさしいヒューマンインタフェース• 人間らしい知的制御システム

ヒューマンインタフェース感性工学

知能システム機械学習マインドストーム２足歩行ロボットロボカップ

研究テーマは自由アイデアと実践あるのみ！• ファジィ理論：高速ライントレースカーのファジィ制御 (M2)• ヒューマンインタフェース：ヘリコプタ操縦支援 (OG)• モーションキャプチャでの人間の動作解析 ( 新規 )• 最適化問題：ゼミ発表スケジューリング問題 (OB)• 知能ロボット：ネットワークコントロールロボ (OB)

強化学習による最短経路探索問題 (OB)• 感性工学：キャラクタデザインのための　　　　　　　　　　　　　　カラーパレット支援システム (OB)• RoboCup ：強化学習によるサッカーロボットの制御 (OG)

• FPGA を用いた高速ラベリングによる ロボットサッカーボール追跡 ( 星野 )

• 自己組織化アルゴリズムを用いたネクタイ・Ｙシャツ組み合せ コーディネーションシステム ( 星

野 )• ParticleSwarmOptimization を用いた階層型ニューラルネットワークの学習

( 星野 )• 画像処理フィルタ自動設計研究 ( 星野 )

マインドストームとは？レゴ・エデュケーショナル・ディビジョン社（デンマーク）とマサチューセッツ工科大学が共同開発したロボット製作キットです。光センサー，タッチセンサー，プロセッサーボックスがあり，これらと各パーツを組み合わせてロボットを製作します．コントロールプログラムをプログラミングして PC からダウンロードして使います．

ロボットを動かすプログラム例

スイッチ On-Off の二分木型の決定木

ボタン一つでコントロールするインタフェース状態遷移図 ( 論理回路 )1 回押す ... 左へ移動2 回押す ... 右へ移動3 回押す ... アーム回転 採る方向4 回押す ... アーム回転 放す方向

※ 動作中に 1 回押すと動作が停止※ 押さないと現状維持

全停止回転 ( 採 ) 左移動

右移動2 回押す

1 回押す

1 回押す

1 回押す

回転 ( 放 )

3 回押す

4 回押す

1 回押す1 回押す

押さない

押さない

押さない

押さない

押さない

ボールを打ち返す動作• タッチセンサーを使って、ボールが当たったことに反応し、モーターでボールを打ち返す。

ボールを探す・シュート！！• 光センサーを使い、回転してボールの場所を探す。見つけたらボールに向かって突進。

フェイストラッキングもやってます．

一瞬でボールだけを見分けてます．

高速ライントレースカーのファジィ制御 ジグザグ なめらか バンバン制御 ファジィ制御

カニ歩きロボ

ネットワークロボット：ネットワークとロボットを融合させたロボットシステム

エージェント環境 ネットワーク

外部センサ・広視野カメラ・ＧＰＳ

など… 無線ＬＡＮ

ネットワークロボットとネットタンサー ―ネットタンサーの基本概要とシステムの開発環境―• 製品名：NetTansor

　　　 ( 以下 NT)• 発売元：

バンダイ

• 特徴：・ウェブカムユニット搭載・無線 LAN による遠隔操作

・コンパイル・アプリケーションの実行

・画像処理ライブラリ

RGB 表色系• 光の三原色の輝度値で色を表現する• カメラから取り込まれた値は BGR の順番

– Red : 赤 0 ～ 255 : 8bit– Green : 緑 0 ～ 255 : 8bit– Blue : 青 0 ～ 255 : 8bit

RGB 表色系

HSV 表色系• 感覚的に色を捉えることが事ができる• 領域を分離抽出するのに適している

– Hue : 色相– Saturation : 彩度– Value : 明度

Hue Circle : 色相環

障害物・目標物の認識NT からの取得画像

障害物 ( 赤 )の認識画像

60°

運搬物( 緑 ) の認識画像

運搬先 ( 青 )の認識画像H:0~20,　　 150 ～179

H:50 ～ 75

H:95 ～ 120

物体の位置情報の取得

NT 前方直線上の障害物

障害物の認識範囲

NT からの取得画像

障害物の認識画像

60°

物体の位置情報の取得

運搬物の認識画像H:50 ～ 75

（ 218 ， 135 ） 障害物の認識画像

60°

H:0~20,　　 150 ～179

（ 263 ， 207 ）

・それぞれの処理画像から抽出物の右下の座標を取得．物体の位置関係を認識する．・画面の下側に近いものを優先的に回避するように行動する .

仕事エリア環境と物体認識―仕事エリアの環境設定―

壁を設置しない

133cm

110cm ゴール

障害物運搬物

NetTansor

※各物体はランダムに配置する 障害物をよけながら運搬物をゴールに運びます．

1. 選択2. 交叉3. 突然変異

遺伝子個体

選択 交叉 突然変異

生物の進化（選択淘汰・突然変異）の原理に着想遺伝子操作により良い個体を残すことで問題解決

遺伝的アルゴリズムalgorithm ：人間や機械に仕事をさせるときの手順のこと。　　　　停止しない場合は procedure （手順・手続き）という。

遺伝的アルゴリズムを使って，ゼミスケジューリングを自動計算 １回目 ２回目 ３回目 ４回目 ５回目 ６回目 ７回目 ８回目 ９回目 １０回目 １１回目 １２回目 １３回目 １４回目 １５回目 発表回数

A君 × ○ × × ○ × ○ ○ × ○ ○ × ○ × ○ ８回B君 ○ × ○ ○ × × ○ × ○ × ○ × ○ ○ × ８回C君 ○ × ○ × ○ × ○ × ○ × ○ × × ○ ○ ８回D君 ○ ○ × ○ × ○ × ○ × ○ × ○ × ○ × ８回E君 ○ × ○ × ○ × × ○ × ○ × ○ ○ × ○ ８回F君 ○ × ○ ○ × ○ × × ○ × ○ × ○ ○ × ８回G君 × ○ × × ○ × ○ × ○ ○ × ○ ○ × ○ ８回H君 ○ × ○ × ○ ○ × ○ × ○ ○ × × ○ × ８回I君 × ○ ○ × ○ × ○ ○ × ○ × ○ × × ○ ８回J君 × ○ × × ○ ○ × ○ × ○ × ○ × ○ ○ ８回K君 × ○ × ○ ○ × ○ × ○ × ○ × ○ ○ × ８回L君 ○ × × ○ × ○ × ○ ○ × ○ ○ × ○ × ８回M君 × ○ × ○ × ○ ○ × ○ ○ × ○ × × ○ ８回発表人数 ７人 ７人 ６人 ６人 ８人 ６人 ７人 ７人 ７人 ８人 ７人 ７人 ６人 ８人 ７人

ParticleSwarmOptimization アルゴリズム個体全体で最も良い位置 (G-BEST) は全体に通知される．個体 (粒子： Particle) が過去に得た良い位置 (P-BEST) は個体自身に通知される．

PSO の処理手順1. 各粒子の初期位置 x particle と初期速度 vparticle をランダムに初期

化．2. xpbestを現在位置 x particleに初期化．3. xgbestを群全体で最も良い適応度を持つ粒子の位置 xpbestに初期化．4. 設定した回数まで以下の 5 ～ 9 を繰返す．5. (5) 式に従って x particle を更新． 6. 新たな位置 x particleで適応度を計算． 7. xpbestでの適応度よりも良い値が得られたら、 xpbest を新たな位置と

適応 度に置き換える． 8. (xpbestは個体が過去の中で最良適応度を得た位置 )9. xgbestでの適応度よりも良い値が得られたら、 xgbest を新たな位置と

適応 度に置き換える．10. (xgbestは郡全体の中で最良適応度を持つ位置 )11. (6) 式に従って vparticleを更新する。

PSO の軌跡関数の最大値探索

PSO は最適解，准最適な付近に粒子が集まる傾向がある．　 G-BEST の効果

パーティクルが真ん中に集まってくる．

感性工学「感性工学とは，これから生まれる商品に対して，消費者の抱いているイメージや感性を商品デザインに翻訳する工学技術」

1. 消費者の感性やイメージを正確に把握2. 人の感性⇔商品の機能，外観，色 ...etc　　　

因子分析• 散らばった情報に共通性を見出して、そこに隠されている、本質的な意味を示す手法あなたは国語と英語の点数が良いから文系タイプね。 単純な要因 (印象評価 )共通の因子でまとめる

因子分析(固有値 問題 )

感性工学キャラクターと色の感性評価

本実験対象 47 種類キャラクター

キャラクターと色の感性評価

　　　図：キャラクターマッピング　　　　　　　　　　

やわらかさの因子

愛着の因子

因子分析結果因子分析結果カラーイメージスケールの因子

■SOFT – HARD

　　■WARM – COOL 　　の形容詞対を含んでいる。

キャラクターと色の感性評価　　キャラクターマッピング　　　　　　　　　　　　　　　　　カラーイメージスケール

キャラクターと色の感性評価　　キャラクターマッピング　　　　　　　　　　　　　　　　　カラーイメージスケール

商品間の位置関係がわかるようにポジショニングポジショニング商品をマップ上に配置

自社商品と競合の位置関係を見極めるニッチ（すきま）は何処？どの商品に近いものを作りたい？企画の方向付けができる⇒ニッチ商品の開発

バイク A 　　　バイク D　　　　　　　　　　　　　　　新しいバイクバイク B 　　　　バイク E

　　　　　　バイク F　　　　カブ　　　　　　　バイク G 　　バイク C

ポジショニングマップによるバイクの商品開発感性評価を使って商品のポジショニングを行う！

ニッチ商品の提案

シビック，フィット，ビッツ

ファンカーゴ，ｂ B，キューブ

デュエット，マーチ

ロードスター，インタグラーこの辺ニッチ商品のターゲットエリア

BS 　ブレインストーミングアレックス・ F ・オズボーンによって考案された会議方式のひとつ集団思考・集団発想法・ブレインストーミング法 (BS法 ) ・ブレスト・課題抽出可能性は無視して，未来への夢物語を膨らますことが重要！！「ブレインストーミングの 4 原則」１．判断・結論を出さない（結論厳禁） ２．粗野な考えを歓迎する（自由奔放） ３．量を重視する（質より量） ４．アイディアを結合し発展させる（結合改善） 「否定的発言」は厳禁！！

BS法のアイスブレーク・フリートーク お題：面接につけるネクタイ(因子得点マップ )

KJ 法による結果

AHP(階層分析法 )

2 つの要素の一対比較という直感的で単純な判断の積み重ねで , これを基に問題全体の大局的な判断を支援する . 実際に組織の中だけではなく社会や公共の意思決定の場で広く実際に利用されている .

面接に付けていくネクタイの意思決定をしてみる．．．

•状態認識器 環境状態を認識しルール集合を生成•行動選択器 生成されたルール集合から行動を決定•学習器 環境から報酬を受取りルールの重みを更新

強化学習の構成

問題を速やかに解決 .

お互いが影響しあう

Heterogeneous Multi-Agent System

A1A2

ファイヤーパニック問題First 30,000 trials Last 30,000 trials

第 22 回 ファジィ システム シンポジウム in 札幌　ソフトコンピューティングとエンタテインメントCGIE2006 での企画セッション「 Soft Computing and Games/Entertainment 」　

ペット型ロボットをもちいた独居者の在宅データ取得と隠れセミマルコフモデル (HSMM) による体調不良推定- AIBO ERS-7 型- PC と AIBO は無線 LAN で常に通信- 実験場所はワンルームマンションの一室- 被験者はその部屋に住む女性 1名

トイレ 浴室

玄関 台所洗濯機

クローゼット

ベッド

食卓テレビ

デスク

第 22 回 ファジィ システム シンポジウム in 札幌　知的画像処理

システムの流れ

画像データを取得送信

• 被験者が画像中に いるかどうかを調査• いる場合，発見場所と 発見時刻を在宅データ として記録

•　得られた在宅データから，日常の生活モデルを構築•　日常と違う日を，非日常として推定する•　構築と推定には，隠れセミマルコフモデルを使用

非日常生活推定システム

在宅データ取得システム

モルフォロジー演算の自動調整

• FPGA のよる画像処理のハードウエア化• 高速かつリアルタイム処理が可能• 画像処理＋ハードウエアの専門知識が不可欠

• 基本的なモジュール＋処理系パラメータチューニングFPGA のシミュレーションは PC上で可能

ターゲット：㈱ユーテック社製 gTOP シリーズ使用

モルフォロジー演算

• 基本的なフィルタ演算– 膨張 (Dilation) 収縮 (Erosion)– 組合せ演算　…　オープニング (Opening) 　　　　クロージング

(Closing)

膨張 (Dilation)

対象画像

構成要素

OpenCV では cvDilate()関数を使います．

8近傍 (４近傍 ) の場合：　　　入力注目画素と近傍画素 (9 or 5) の一つでも　　　　黒なら出力注目画素は，黒

＋

収縮 (Erosion)

対象画像

構成要素

OpenCV では cvErode()関数を使います．

8近傍 (４近傍 ) の場合：　　　入力注目画素と近傍画素 (9 or 5) の一つでも　　　　白なら出力注目画素は，白

－

オープニング (Opening)

対象画像

構成要素

⇒収縮 膨張の処理を行う． OpenCV では cvMorphologyEx関数を使います．処理としては膨張，収縮の順番で処理

＋

対象画像

構成要素

－

クロージング (Closig)

対象画像

構成要素

⇒膨張 収縮の処理を行う． OpenCV では cvMorphologyEx関数を使います．処理としては収縮，膨張の順番で処理

－

対象画像

構成要素

＋

特殊な処理• グラジエント

Dailation した画像から Erosion した画像を減算 (XOR,OR)　 (エッジを検出に相当 )

• トップハット変換元画像から Opening した画像を減算 (XOR,OR)

• ブラックハット変換Closing した画像から元画像を減算 (XOR,OR)

演算例

元画像 (2 値画像）　　　 Dilation(膨張 ) Erosion(収縮 ) Opening

Closing グラジエント トップハット変換 ブラックハット変換

32bit で各処理を表現• gTOP の FPGA モジュールの制御レジスタ準拠• 256段階のグレー色データ画像 (白～灰～黒 )• 2 値化、反転 ( ネガポジ ) のオペレーションを追加• 32ビット 1本で表現できる．

２値化：ある閾値で白・黒に分割反転 ( ネガポジ ) ：白～黒のデータを 黒～白に変換

メディアンフィルタ• 対象画素の 8 近傍の画素データから　　中間値を取得• 対象画素を中間値に

{1,2,3,5,5,7,8,9,10} の真中は 5

進化計算• 生物の進化を模倣した解探索アルゴリズ

ム a)評価の低い子 x2 を選択 b) 交叉 2 つの子に似た子供を作る c) 突然変異 親とは無関係な特徴も持たせ

る d) 新しい子を評価

進化計算• 生物の進化を模倣した解探索アルゴリズム a)評価の低い遺伝子列を選択 b) 交叉 {11110000} {00111100} ⇒ {11111100} {00110000}

二つの遺伝子列の一部を入れ替え c) 突然変異 {11110000} ⇒ {11111000} 遺伝子を一定確立で反転 d)遺伝子列を評価 ( 理想欠陥画像との類似誤差 )

FPGA モジュール制御レジスタ• bit0 4 or 8 近傍選択• bit1 ～ bit3 Selector1

(膨張，収縮， Closing, Opening, Closing, Opening と Closing の OR, Opening と Closing の XOR)

• bit4 Selector2 (入力画像と Selector1 処理画像との XOR)

• bit8 ～ bit11 パラメータ m (3x3 ～ 13x13)• bit12 ～ bit15 未使用 ( 実ボードのみで使用 )• bit16 ～ bit19 パラメータ n (3x3 ～ 13x13)• bit20 ～ bit23 メディアンフィルタ (on-off,3x3 ～ 11x11)• bit24 元画像をネガポジ処理• bit25 ～ bit31 2 値化閾値

モフォロジを使って異物を見つけてみる．

ミミズみたいな異物．．．わかるかな？

原画像

実験結果異物発見成功！！

実験１回目 実験２回目

実験 2 回目の適応度の推移