Google Chromeを使ってWEBサイトのレスポンスを24時間自動計測

~TrafficPatrol2が新たにブラウザGoogle Chromeに対応~  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)は、 Webサービスのログイン・検索実行などの一連の操作を実ブラウザで自動実行し、各ページのレスポンス計測を24時間監視するサービス 「Traffic Patrol2」に対し、新たにGoogle Chromeへの対応を行いました。パソコンやタブレットPC、スマートフォンで、Google Chromeブラウザの利用者割合は最も高く、より現実的なレスポンス計測が可能となりました。 サービス紹介サイト: http://www.fward.net/products_20.html   ■サービスの特徴  「Traffic Patrol2」は、ブラウザIE(Internet Explorer)を使用し、レスポンス計測/監視を自動で行っていましたが、2022年6月にIEのサービスが終了となるため、IEに替えてGoogle Chromeを使用した24時間監視サービスを、2022年3月から開始いたします。  Google Chromeは、パソコンやタブレットPC、スマートフォンで最も多くのユーザから使用されており、Javascriptを多用したWEBサイトでも...
More

カメラ映像をAIが解析し、シーン毎に索引を自動生成  日報の作成、映像シーンの検索、動画マニュアルの作成も可能!

 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)が判別し、日報を自動作成する「AIレコレポ」の提供を、2022年1月より開始いたします。  会社や工場、店舗にカメラを設置する企業が増えています。このカメラ映像は、何か問題があったときに確認する目的で使用されることが多く、その映像のほとんどは一度も閲覧されずに消去され、有効活用されていません。  「AIレコレポ」は、カメラの映像をシーン毎に自動分類することにより、膨大な映像に索引(インデックス)を付けることができるため、カメラ映像の有効活用が可能です。  「AIレコレポ」は、AIエンジンである「ムービーAIサーチ」の機能を使用しています。「ムービーAIサーチ」は、「腕を上げているシーン」「腕を下げているシーン」というように、行動別に映像をシーンに分類することができます(図1)。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。 図1 行動別に映像をシーンに分類 AIレコレポ URL :https://recorepo.net <製品紹介U...
More

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