人工知能をロボット制御に応用する
実践型プロジェクト演習
本プロジェクトでは、従来の作り込みによるロボット制御では実現が難しいと考えられる家庭内での生活支援タスクなどの多様な環境やタスクを含む問題設定に取り組みます。学生が実世界における知能実現のための機械学習とロボットシステムの両方の技術を習得することを目的とします。特に、物体検出や画像認識、ローカライゼーションといった複数のセンサに対する情報処理・機械学習の手法だけではなく、それらの手法を元にして複雑なロボットを実際にロバストに動かすための技術(ROSをベースとしたロボットシステムの構築やモーションプランニングなど)を同時に習得できます。
また、本プロジェクトでは、論文投稿や技術競技会への参加を推奨しており、明確なゴールの定まった目標に向けたチームでの開発を行うことで、複雑なシステムを設計・実装する上でのプロジェクトマネジメント手法やチーム開発手法を体験することができます。
概要
実世界における知能を実現する機械学習とロボットシステムの技術を同時に習得できる!
近年の人工知能技術(機械学習・深層学習)をロボット制御・ロボットシステムと組み合わせて、実世界で柔軟に動くロボット創るためのプロジェクトを立案・実行します。本講義は、工学部「創造的ものづくりプロジェクト」、大学院工学系研究科「創造性工学プロジェクト」のプロジェクト型演習講義の1つとして実施されるものです。人工知能技術を応用したロボット開発を行うチーム開発活動への参加に対して単位が認定される講義になっています。
【プロジェクト説明資料】プロジェクトへの参加希望者は、「創造的ものづくりプロジェクトII、創造性工学プロジェクトIIガイダンス」に参加してください(開催日時は決定次第追記)
▶︎2024/10/3 6限に行われたプロジェクト説明会の資料
受講のメリット
-
01
実社会における知能実現の
基礎となる機械学習と
ロボットシステムを学べる -
02
開発プロジェクトの
立案から実行までを
トータルで体験できる -
03
複雑なシステム設計における
プロジェクトマネジメントや
チーム開発手法を学べる
カリキュラム
・月に1度、教員やスタッフを含めた全体報告会を実施
・プロジェクトグループごとのミーティングを毎週または隔週実施
・参加者の予定に合わせて日時時間を決定
・RoboCup@homeをテーマにする場合は、毎週日曜日14:00-17:00を予定しています
〇最終報告会 2025/1/30(木)18:45-20:30
〇最終課題締め切り 2025/2/6(木)18:45-20:30 最終レポート〆切(予定)
※ 授業コンテンツに関しては、変更する可能性がございます。ご了承下さい。
日時 | カリキュラム |
---|---|
10/3 18:45-20:30 | Zoomによるオンラインガイダンス(UTASを参照) |
10/10 18:45-20:30 | 初回キックオフミーティング(オフライン) |
この間毎週木曜日6限をコアタイム作業日 | |
10/31 18:45-20:30 | プロジェクトテーマ報告会(予定) |
この間毎週木曜日6限をコアタイム作業日 | |
12/19 18:45-20:30 | 中間報告会(予定) |
この間毎週木曜日6限をコアタイム作業日 | |
1/30 18:45-20:30 | 最終報告会(予定) |
体制
教員・研究員
松尾 豊
Matsuo Yutaka
東京大学大学院
工学系研究科
松尾・岩澤研究室
岩澤 有祐
Iwasawa Yusuke
東京大学 大学院
工学系研究科
松尾・岩澤研究室
松嶋 達也
Matsushima Tatsuya
東京大学 大学院
工学系研究科
松尾・岩澤研究室
申込
受講対象者
東京大学の学部生・大学院生
前提条件
〇必要要件
・ロボットシステムや制御・機械学習などに関する強い興味・関心
・開発に利用できるノートPCを持参すること
・少なくともSSHで通信して開発マシンに接続できる必要があります
・CSに関する最低限の知識や経験(シェルやgitなど)
・自信のない方は、本講義の受講の前にThe Missing Semester of Your CS Educationなどを通じた学習を強く推奨します。
・PythonもしくはC++による開発経験
・本講義は、チーム開発に対して単位が認定されるプロジェクト演習型講義です。週に数時間以上、プロジェクトに取り組む時間を確保してください。
〇歓迎するスキルや経験
以下のいずれかのスキルや経験をもつ方の参加を歓迎しています(必ずしも現時点で全ての経験がなくても構いません)
・ロボットシステムに関する知識や経験 例)ROS
・ロボット制御に関する知識や実装経験 例)自律移動、(v)SLAM
・深層学習技術に関する知識や実装経験 例)PyTorchやTensorflowを用いた深層学習モデルの実装
・画像処理に関する知識や経験 例)物体認識・点群処理
・ロボット学習に関する知識や経験 例)模倣学習・強化学習
・エッジコンピューティング関する知識や経験 例)Jetson
・3Dモデリングに関する経験 例)Fusion360・機械設計
・プロトタイピング 例)ラピッドプロトタイピング
・物理シミュレータに関する経験 例)Gazebo,PyBullet,MuJoCo
・コンテナ化・仮想化に関する知識や経験 例)Docker
・チーム開発 例)企業でのインターンシップ経験
受講の仕組み
講義について
〇講義の目的
・本プロジェクトでは、従来の作り込みによるロボット制御では実現が難しいと考えられる、家庭内での生活支援タスクなどの多様な環境やタスクを含む問題設定に取り組む。学生が実世界における知能実現のための機械学習とロボットシステムの両方の技術を習得することを目的とする。
・とくに、物体検出や画像認識、ローカライゼーションといった複数のセンサに対する情報処理・機械学習の手法だけではなく、それらの手法を元にして複雑なロボットを実際にロバストに動かすための技術(ROSをベースとしたロボットシステムの構築やモーションプランニングなど)を同時に習得する。
・また、本プロジェクトでは、論文投稿や技術競技会への参加を推奨しており、明確なゴールの定まった目標に向けたチームでの開発を行うことで、複雑なシステムを設計・実装する上での、プロジェクトマネジメント手法やチーム開発手法を体験する。
今学期は、世界的なロボット競技会(Robocup)への参加も推奨しています.
〇理解すべき事項
・画像処理(image processing)
・深層学習(deep learning)
・ロボット学習(robot learning)
・ロボットシステム(robot system)
・プロジェクトマネジメント(project management)
修了要件
本講座を修了するためには、以下の条件が必要です。
1. 一定回数以上出席
2. レポートを提出し一定の点数を得る
留意事項
申込アドレス宛に第一回講義の教室など詳細を共有。
@weblab.t.u-tokyo.ac.jpからのメールが迷惑メールへ振り分けられないよう設定をお願いします。
履修者は、申し込みフォーム内容を基に選考を行い対象者を発表する予定です。
よくある質問
本講座は東京大学の正規講座のため、対象者以外の受講は受け付けておりません。
※履修登録に関するお問い合わせは研究室ではなく大学にお願いします。
※東京大学の学生以外の受講は受け付けておりません。
※回答にお時間をいただく場合がございます。ご了承ください。