| 講演名 | 2019-01-17 ニューラルネットワークを用いた物体画像から把持方法候補の想起 眞田 慎(立命館大), 松尾 直志(立命館大), 島田 伸敬(立命館大), 白井 良明(立命館大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 人間がロボットに物体に対する単純な動作指示を出すことで，ロボットが物体に対して想定される複数の動作から指示に沿った最適な動作を選択し，実行することが求められている．しかし，一つの物体の把持方法は複数あり，最適な動作の決定には物体に対して複数の把持方法の推定を行うことが重要となる．本研究では，一枚の物体画像から複数の把持位置や把持手形状を推定することを目標とする．学習時には，一枚の物体画像に対して複数の把持方法がある場合には，その中から一度につき一つを選んで提示する．これを一枚の物体画像の入力に対して複数の把持方法を別チャンネルで出力するネットワークで学習する．学習過程では似た物体形状に対する似た把持方法が自動的にクラスタリングされ，把持方法候補が別チャンネルに出力されるようになる．実験例を用いて本手法の有用性を示す． |
| 抄録(英) | Robots are required to support people’s work. In order to alleviate the burden on people, it is desirable that robot can automatically generate and execute complicated motions according to simple directions from human. However, there are a plurality of grasping methods for one object. In order to select a motion suitable for the direction, it is important to estimate grasping method candidates for the object. In this research, we purpose to recall candidates of grasping position and hand shape from an object image. In learning, a network that outputs a plurality of grasping method candidates for one object image to each channel of a multi-channel image is used. At this time, a plurality of grasping methods are not learned at same time, learned one by one. The similar grasping method for the similar object shape is automatically clustered to each output channel in the learning process, and a grasping method having a characteristic difference is presented as a candidate. We show the usefulness of this method using experimental examples. |
| キーワード(和) | 把持位置の候補 / 把持方法の想起 / Fully Convolutional Network |
| キーワード(英) | |
| 資料番号 | PRMU2018-103,MVE2018-45 |
| 発行日 | 2019-01-10 (PRMU, MVE) |
| 研究会情報 | |
| 研究会 | PRMU / MVE / IPSJ-CVIM |
|---|---|
| 開催期間 | 2019/1/17(から2日開催) |
| 開催地（和） | 京都テルサ |
| 開催地（英） | |
| テーマ（和） | AR/VRのためのComputational Photography and Display |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 真一(NII) / 間瀬 健二(名大) |
| 委員長氏名（英） | Shinichi Sato(NII) / Kenji Mase(Nagoya Univ.) |
| 副委員長氏名（和） | 井尻 善久(オムロン) / 玉木 徹(広島大) / 井原 雅行(NTT) |
| 副委員長氏名（英） | Yoshihisa Ijiri(Omron) / Toru Tamaki(Hiroshima Univ.) / Masayuki Ihara(NTT) |
| 幹事氏名（和） | 石井 雅人(NEC) / 菅野 裕介(阪大) / 青木 良輔(NTT) / 内山 英昭(九大) / 平山 高嗣(名大) |
| 幹事氏名（英） | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Ryosuke Aoki(NTT) / Hideaki Uchiyama(Kyushu Univ.) / Takatsugu Hirayama(Nagoya Univ.) |
| 幹事補佐氏名（和） | 入江 豪(NTT) / 牛久 祥孝(東大) / 西口 敏司(阪工大) / 横山 正典(*) |
| 幹事補佐氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(Univ. of Tokyo) / Satoshi Nishiguchi(Oosaka Inst. of Tech.) / Masanori Yokoyama(*) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Media Experience and Virtual Environment / Special Interest Group on Computer Vision and Image Media |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ニューラルネットワークを用いた物体画像から把持方法候補の想起 |
| サブタイトル（和） | |
| タイトル（英） | Recalling candidates of gripping hand shapes from an object image using neural network |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 把持位置の候補 |
| キーワード(2)（和/英） | 把持方法の想起 |
| キーワード(3)（和/英） | Fully Convolutional Network |
| 第 1 著者 氏名（和/英） | 眞田 慎 / Makoto Sanada |
| 第 1 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 2 著者 氏名（和/英） | 松尾 直志 / Tadashi Matsuo |
| 第 2 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 3 著者 氏名（和/英） | 島田 伸敬 / Nobutaka Shimada |
| 第 3 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 4 著者 氏名（和/英） | 白井 良明 / Yoshiaki Shirai |
| 第 4 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 発表年月日 | 2019-01-17 |
| 資料番号 | PRMU2018-103,MVE2018-45 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | PRMU-404,MVE-405 |
| ページ範囲 | pp.51-55(PRMU), pp.51-55(MVE), |
| ページ数 | 5 |
| 発行日 | 2019-01-10 (PRMU, MVE) |