カメラ映像をAIが判別し、日報を自動作成。作業日報の手間を削減!

 株式会社フォワードネットワーク(本社:東京都文京区、代表取締役:藤田 一弥、以下 フォワードネットワーク)と、株式会社BFT(本社:東京都千代田区:代表取締役社長 小林 道寛、以下BFT)は、工場内などのカメラの映像をAI(人工知能)が自動判別し、作業日報を自動作成する「日報AIシステム」の提供を開始いたしました。「日報AIシステム」のメインとなるAIエンジン部はフォワードネットワークが、ユーザインターフェース部はBFTが開発を行いました。  毎日作成する日報は、作業者本人が作成するため、形ばかりの日報になりやすく、また作成にも時間がかかる作業でした。工場内にカメラを設置し、その映像をAIで分析することにより、正確な日報を自動で作成することができます。  今後は、この「日報AIシステム」をクラウド環境に移設し、ネットワークカメラ経由で収集した映像をAI(人工知能)で自動判別するサービスを、2021年中に公開/提供していく予定です。 <製品紹介URL> 日報AIシステム : http://www.fward.net/products/AIDailyreport   ■製品概要  工場内にカメラを固定し、作業の様子をSDカードに記録します。  SDカードに記録された映像データを、画像解析(AI)専用のパソコンにコピーし、画像解析を行うこ...
More

ラジコン「働く車」の自動運転ーPart3 強化学習 「ダンプカー」

 こんにちは。  前回は、模倣学習を用いたショベルカーの自動運転を紹介しました。ショベルカーの操作になれたエキスパートが10回ほど操作を繰り返し、その操作内容を記録します。  次に、その記録データ(エキスパートデータ)をコンピュータが学習し、コンピュータがショベルカーを自動操作するという内容でした。  今回は強化学習を使用して、ダンプカーの自動運転に挑戦します。  強化学習は、何十万回と動作を試しながら、最善の行動をコンピュータが学習する方法です。多数回の試行を行うためには、動きにみあったシミュレータ(ソフトウェア)が必要となります。  シミュレータを相手に「何十万回も繰り返す」となると、学習に時間がかかって大変ですが、多数回繰り返すことで、今まで(人が)知らなかった行動も発見できるというメリットもあります。AlphaGoが世界TOP棋士に勝てたのも、この「何十万回と動作を試す」ことが大きな要因だと思います。  車を駐車場に停めるとき、「ハンドルの切り返し」を行うことがありますが、多数回の試行を行う強化学習では、この「切り返す」という技を自然に学習していきます。今回ご紹介するダンプカーも切り返しを行いながら目的地へ進んでいきます。   1 ダンプカーを動かす環境  図1は、コンピュータとダンプカーの連携図です...
More

ラジコン「働く車」の自動運転ーPart2 模倣学習 「ショベルカー」

 こんにちは。  前回のブログでは、ラジコン「働く車」の自動運転の概要を紹介しました。今回はラジコンのショベルカーの自動操作について紹介したいと思います。  強化学習を行うためには、ショベルカーのシミュレータが必要になります。しかし、ショベルカーの動きは三次元的で、土砂の移動も考慮する必要があるため、シミュレータの作成自体に時間がかかりそうです。そこで今回は、シミュレータを使用せずに、エキスパートデータ(熟練者の操作記録、エキスパートの行動軌跡)のみで学習を行う「模倣学習」(Imitation Learning)を用いて、ショベルカーの自動操作を行いたいと思います。  センサーとして使用するのは「1台のカメラ」のみです。カメラ画像のみを使用しているので、模倣学習の中でも、「見まね学習」(learning by watching)と言われるジャンルの学習方法になります。   1 ショベルカーを動かす環境  図1は、コンピュータとショベルカーの連携図です。はじめに、キーボードを使って、人(熟練者)がショベルカーを操作し、その時のカメラ画像と人の操作(行動)を、「操作記録データ」(エキスパートデータ)として保管します。次に、このエキスパートデータをコンピュータが学習し、最終的にコンピュータがショベルカーを自動操作するという流...
More

ラジコン「働く車」の自動運転ーPart1 概要説明編

 こんにちは。  昨年、ボールコントロールについてのブログを書きました。今回はAIを使用して、ラジコンの「働く車」の自動運転や自動操作に挑戦したいと思います。  ここ数年、「車の自動運転」が注目されていますが、自動運転の実験に本物の車を使用するのは、コストや安全面からみて非常に敷居が高いため、ラジコン玩具の「働く車」を使用して自動運転に挑戦したいと思います。  ラジコンの「働く車」は、子供が楽しく遊べる玩具として数千円程度で販売されていますが、その機能は驚くほど充実しています。「ショベルカー」にいたっては、ロボットアームの簡易版といった代物で、台座(上部旋回体)の回転や、アーム、バケットの上げ下げなど、「数千円でよくぞここまで!」という驚きの機能をもっています。  Part1では、ラジコンの「働く車」の自動運転の概要を説明したいと思います。   1 全体像  図1は、今回挑戦するラジコンの「働く車」を使った自動運転の全体像です。  (1)初めにショベルカーを使って、土砂をダンプカーに積み込みます。  (2)次に、ダンプカーが目的の位置まで土砂を運搬します。  (3)最後に、ホイールローダが、ダンプが降ろした土砂をならします。  この(1)~(3)までの流れを連携して動かすことにより、土砂を...
More

強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 3

実際の機材を使用した強化学習(事例・応用例)  こんにちは。  Part 1では「強化学習の概要」を紹介し、Part 2では「ボールの自動転がし」について、シミュレーション上で行った様子を紹介しました。  いよいよ今回のPart 3では、実際の機材を使用して、強化学習を用いたボールコントロールを行ってみたいと思います。  前回のおさらいとなりますが、図1は「ボールの自動転がし」に使用する実際の機材構成です。カメラでボールの位置を捕捉し、ステージの下にある高さセンサーで、ステージの状態をとらえています。  2個のサーボモータを回転させてステージを上下させることにより、ボールを「円」や「8の字」に転がそうとしています。仮想の(見えない)ネズミをボールが追いかけるように(強化学習で)学習を行っています。 図1 ボール転がし機の全体像   1 実機を使用した再学習(Fine-tuning)  コンピュータで使用する強化学習のモデルは、前回 Part 2 の「シミュレータを使用して学習したモデル」を使用します。このモデルは仮想の(見えない)ネズミをボールが追いかけるように学習していますが、実際の機材とシミュレータではボールの動きが若干異なることや、実機ではリアルタ...
More

強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 2

疑似シミュレータで強化学習(事例・応用例) こんにちは。 前回のPart 1では強化学習の概要についてお話をしました。今回は強化学習の事例を紹介したいと思います。 ~関連ブログ~  「強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 3 実際の機材を使用した強化学習(事例・応用例)」   1 ボールの自動転がし  ここで紹介する事例は、 「ボールの自動転がし」です(図1)。 図1 工事用一輪車(手押し車)  図1のように、工事用の一輪車に平らな板を載せ、その板の上にボールを置きます。この一輪車を左右の手で上下させることにより、板の上のボールを自由自在に転がそうというものです。ボールを板の上でピタッと静止させたり、「8の字」の形にボールを転がしたいと考えています。  ここでは本物の一輪車は使いません。図2のような機材を用います。人の眼をカメラに、人の手をサーボモータに置き換えて、ステージの上のボールを自動的に、自在にコントロールすることを目標にしています。 図2 ボール転がし機  このような技術はシステム制御工学の「フィードバック制御」と呼ばれる中の一つのようですが、ここでは強化学習を用いてボールの...
More

強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 1

強化学習の概要 こんにちは。 前回は「倒立振り子」を例に、強化学習を用いた自動操作について紹介しました。 今回は強化学習と自動操作について、もう少し深くお話しをしたいと思います。 しかしその前に、このPart 1では強化学習の概要を紹介します。 ~関連ブログ~  「強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 2 疑似シミュレータで強化学習(事例・応用例)」  「強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 3 実際の機材を使用した強化学習(事例・応用例)」 Deep Learning(深層学習)を用いた強化学習としてはDQN が有名ですが、最近では次のように様々なアルゴリズムが提案されています。 DQN (Deep Q Learning) DDQN (Double DQN) DDPG (Deep Deterministic Policy Gradient) NAF  (Continuous DQN (CDQN )) CEM  (Cross-Entropy Method) Dueling DQN (Dueling network DQN) Deep SARSA A3C  (Asynchronous Advantage Actor-Criti...
More

ネズミを追いかける振り子と機械の自動操作(深層強化学習  Deep Reinforcement Learning)

こんにちは。 今回は、「機械の自動操作」について、少しお話をしたいと思います。 機械学習の一つの領域に「強化学習」がありますが、強化学習とディープラーニングを統合させた深層強化学習を用いた、「機械の自動操作」についてご紹介したいと思います。 自動操作で最近のホットな話題は、「車の自動運転」です。 Googleをはじめ、車の製造メーカー各社は、大量の機械学習技術者を採用し、「車の自動運転」を目指して競争しているようです。 複数のモータをスムーズに制御しなければならいない人間型ロボットについても同様で、機械学習を用いた制御方法が盛んに研究されているようです。 「強化学習」の基本につきましては、「強い三目並べをつくる」をテーマに、書籍「実装 ディープラーニング」(2016 オーム社)の第6章で紹介させていただきました。詳しくはこちらをご覧下さい。 初めに、強化学習と自動操作の基本ともいえる「倒立振り子」のご紹介です。 ここでは、この「倒立振り子」も簡単な制御機械の一つとして考えています。 ~関連ブログ~  「強化学習でボールを自由に動かす ~ネズミを追いかけるボール~ Part 1 強化学習の概要」   1 倒立振り子   上の図のような振り子を考えます。 こ...
More

弊社代表が「建設施工と建設機械シンポジウム」で講演いたします

 一般社団法人 日本建設機械施工協会主催の「建設施工と建設機械シンポジウム」 において、弊社代表、藤田一弥 が特別講演を行います。  ○一般社団法人 日本建設機械施工協会      http://www.jcmanet.or.jp/jcmanet/  ○「建設施工と建設機械シンポジウム」に関する情報       http://www.jcmanet.or.jp/jcmanet/category/sympo/  ・講演日時  平成29年11月9日(木) 14:40 ~  ・場所    機械振興会館(東京都港区芝公園3-5-8)  ・講演テーマ 「建設施工におけるビッグデータ・AI の活用に向けて」    
More