- 著者
- 渡邊 裕太 倉爪 亮 ピョ ユンスク 辻 徳生 諸岡 健一
- 出版者
- 一般社団法人 日本機械学会
- 雑誌
- ロボティクス・メカトロニクス講演会講演概要集
- 巻号頁・発行日
- vol.2015, pp._1A1-H05_1-_1A1-H05_4, 2015
This paper proposes a small, lightweight, and easily-relocated sensor terminal named "Portable" for acquiring a variety of environmental information. The Portable is equipped with a variety of sensors including a pyroelectric sensor, a proximity sensor, a sound pressure sensor, a thermometer, a hygrometer, a gas sensor, a flame sensor, and a laser range finder. We introduce three typical applications: abnormality detection, pedestrian tracking and automatic reconfiguration of several Portables for pedestrian tracking.
- 著者
- 宮内 翔子 諸岡 健一 辻 徳生 宮城 靖 福田 孝一 倉爪 亮
- 出版者
- 一般社団法人電子情報通信学会
- 雑誌
- 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 (ISSN:09135685)
- 巻号頁・発行日
- vol.113, no.410, pp.143-148, 2014-01-26
本研究では,幾何特徴量を保存しつつ,生体組織の三次元表面メッシュモデルを目標曲面へ写像する方法を提案する.この写像は,自己組織化可変モデル(Self-organizing Deformable Model: SDM)の変形法に基づいており,組織表面上の特徴点を,目標曲面上の特定の位置へ移動させることが可能である.これまで,脳表モデルを対象とし,写像前後でモデルの三角パッチの面積比を保存する等面積写像法を構築した.本発表では,我々の写像法を拡張し,パッチの角度を保存する等角写像法を提案する.これにより,等面積か等角,あるいはこれら両方を保存しつつ,モデルを目標曲面上へ写像することが可能となる.両方の性質を保存することにより,任意の頂点間の相対位置関係が保存できる.脳表以外の組織モデル,特に球面へ歪みなく写像することが難しい組織に対しても,本手法は,各組織の形状特徴に適した目標曲面へ写像できる.また,この写像結果を用いることで,頂点数の異なる複数の同一組織モデルを,同じ頂点数と位相構造を持ち,かつ元モデルより均一なメッシュで再構築することができる.特徴点の位置を制御しつつ,元モデルを歪みの少ないメッシュ構造で再構築できていることを,複数の実験を行い検証した.
1 0 0 0 OA テイラーメイド型日本人脳座標アトラスの開発
日本人脳の完全連続標本を用い、3次元的整合性と高精細組織画像を両立させた。患者脳MRI画像をもとに最適に形状変形できる次世代型の定位脳手術用ヒト脳座標デジタルアトラスにより、難治性神経疾患のテイラーメイド外科治療に対応できる日本人版の定位脳手術支援システムを構築し安心・安全・精確な定位脳手術を実現する、そしてこれをもとに脳科学統合データベースの基盤を形成する。日本人脳の外表面3D形状モデルが完成し大脳基底核などの微細構造を抽出中、また形状の普遍性を担保するため120例の健常者MRIから脳の平均化処理、有限要素解析と機会学習を用いて実時間で最適な3D変形ができるパラメータを調整している。
- 著者
- 諸岡 健一 浜元 和久 長橋 宏
- 出版者
- 一般社団法人電子情報通信学会
- 雑誌
- 電子情報通信学会論文誌. D-II, 情報・システム, II-パターン処理 (ISSN:09151923)
- 巻号頁・発行日
- vol.88, no.7, pp.1269-1277, 2005-07-01
- 被引用文献数
- 7
実環境でロボットが適応的に行動するには, 他者動作の認識機能と, 自己動作の生成機能が必要である.我々は, 現在, 他者動作認識モジュールと自己動作生成モジュールからなるシステムを開発中であり, 本論文では, 自己動作に基づく他者動作認識に焦点を当てる.認識及び生成モジュールは, それぞれ隠れマルコフモデル(HMM)と強化学習によって構築される.このとき, HMMの推定では, 一般に, 多数の学習用データが必要であるが, 実世界で十分な数の動作データを取得できる保証はなく, したがって, HMMの精度が低下する可能性がある.そこで, 本論文では, 強化学習の学習結果に基づくHMMの新たな推定法について述べる.強化学習の状態価値関数をいくつかのクラスタに離散化し, 各クラスタをHMMの各状態と対応づける.これにより, 価値関数値に基づいてHMMの出力分布を推定し, HMMの精度の向上が可能となる.実験により, 提案手法によるHMMは, 学習データが少数の場合でも, 認識精度の低下を抑えることができることを確認した.