Misc - 中村　恭之

機械学習法のロボット知能化システムへの応用(2)

中村 恭之, 和田 俊和

機械の研究 ( 養賢堂 )  58 ( 2 ) 263 - 267   2006年02月

機械学習法のロボット知能化システムへの応用(1)

中村 恭之, 和田 俊和

機械の研究 ( 養賢堂 )  58 ( 1 ) 7 - 16   2006年01月

2A1-E08 モデル学習とプランニングの密な結合による実ロボット行動学習法の提案

川原 輝美, 中村 恭之, 和田 俊和

ロボティクス・メカトロニクス講演会講演概要集 ( 一般社団法人日本機械学会 )  2006   "2A1 - E08(1)"-"2A1-E08(4)"   2006年

　概要を見る

This paper presents a new framework for learning dynamic robot behavior such that a wheeled mobile robot moves to the destination with wheel slippage. First, our method learns the body dynamics from a large number of sensory-motor instances using PaLM-tree algorithm, which approximates nonlinear mapping in arbitrary preciseness. The mapping specifies a transition model from state-action pair to next state. An optimal action sequence generating the transition from initial to goal states is obtained by the branch-and-bound algorithm using the estimated transition model. Then, new sensory-moto...

事例を用いた弁別性マップの構築とその応用 : 弁別性マップを用いたステレオトラッキング(一般セッション1)

飯塚 健男, 和田 俊和, 華 春生, 中村 恭之

情報処理学会研究報告. CVIM, [コンピュータビジョンとイメージメディア] ( 一般社団法人情報処理学会 )  2005 ( 112 ) 9 - 16   2005年11月

　概要を見る

本研究では画素の色に基づく対象検出と追跡に共通に用いることができる尺度を提案する.この尺度「弁別度」を用いることによって, 我々が以前に提案した最近傍識別による対象検出を対象追跡に拡張することができる.最近傍識別による対象検出は単に各画素を2値的に識別するだけであるため, 対象の検出に失敗すると追跡に失敗する.これに対して, 対象である度合いを表す弁別度を全画像に適用して得られる「弁別性マップ」を用いれば, 色に基づく対象検出が行えるだけでなく, 検出ができない場合でも弁別度の高い部分を見つけることによって追跡を継続することができるという利点がある.このため, 照明の変動などによる色の変化に対して頑健性の高い対象追跡が行える.本研究では, 対象と非対象画素の色を事例として与え, それらを用いて対象である度合いを表す「弁別性マップ」を求める方法と, それを用いた単眼カメラおよびステレオカメラを用いた対象追跡法を提案し, 実験によりその有効性を示す.

事例を用いた顕著性マップの構築とその応用

飯塚,和田,華,中村

情報処理学会研究報告2005-CVIM-151     65-70   2005年11月

空間分割を用いた識別と非線形写像の学習 : (2)データ空間の再帰的分割に基づく非線形写像学習 : 回帰木の今昔

中村 恭之, 和田 俊和

情報処理 ( 一般社団法人情報処理学会 )  46 ( 9 ) 1030 - 1038   2005年09月

LF-006 床圧力センサを用いた人物位置追跡のための追跡対象数推定(F分野:人工知能・ゲーム)

佐藤 哲, 和田 俊和, 中村 恭之

情報科学技術レターズ ( FIT(電子情報通信学会・情報処理学会)運営委員会 )  4 ( 4 ) 103 - 104   2005年08月

High Performance Control of Active Camera Head Using PaLM-Tree

T.Nakamura, Y.Sakata, T.Wada and H. Wu

IEEE/ASME International Conference on Advanced Intelligent Mechatronics 2005     963-968   2005年08月  [査読有り]

　概要を見る

基本アルゴリズムの考案,実験, 検証

MDL基準に基づく区分的関数あてはめによる写像学習

上江洲吉美, 中村恭之, 和田俊和

画像の認識・理解シンポジウム(MIRU2005)     144 - 150   2005年07月  [査読有り]

視点固定型パン・チルトステレオカメラによるリアルタイム3次元位置計測システム

飯塚健男, 和田俊和, 中村恭之, 加藤丈和, 吉岡悠一

画像の認識・理解シンポジウム(MIRU2005) デモセッション     1620 - 1621   2005年07月  [査読有り]

識別器選択のための入力空間分割法に関する検討

林拓, 中村恭之, 和田俊和

画像の認識・理解シンポジウム(MIRU2005)     859 - 866   2005年07月  [査読有り]

計画と実行の反復による車輪型移動ロボットの滑り運動学習

川原輝美, 中村恭之, 和田俊和

第10回ロボティクスシンポジア予稿集     405 - 409   2005年03月  [査読有り]

情報量基準に基づく区分的関数あてはめによる写像学習(学習理論とパターン認識メディア理解, 学習理論とパターン認識メディア理解, 機械学習による自然言語処理・言語処理を利用したメディア理解, 一般)

上江洲 吉美, 中村 恭之, 和田 俊和

電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション ( 社団法人電子情報通信学会 )  104 ( 667 ) 13 - 18   2005年02月

　概要を見る

入出力間の写像を求める方法は, ロボットの制御やパターン認識, カメラのキャリブレーションなど様々な場面で必要となる根本的技術である.そこで我々は非線形写像を学習するアルゴリズムPaLM-treeを提案した.この手法は, 入力空間を複数の領域に分割し, 領域毎に線形な写像を求める線形回帰木の持ついくつかの問題点を解決した手法である.しかしこのアプローチでは, 複雑な写像を学習する場合に分割が細かくなりすぎ, 汎化性能が劣るという問題点があった.そこで本稿では, 汎化性能が高くなるようにPaLM-Treeを改良した手法について報告する.この手法では, 領域毎に異なる次数をもつ多変数多項式を当てはめる, 非線形回帰木を作成する.このとき, 回帰木のノードで情報量基準を計算することにより, 空間の分割位置と当てはめる関数の次数を決定する.人工データ・実データを用いた実験を通して, 提案手法の有効性について検討した結果についても報告する.

識別器選択のための入力空間分割法に関する検討(学習理論とパターン認識メディア理解, 学習理論とパターン認識メディア理解, 機械学習による自然言語処理・言語処理を利用したメディア理解, 一般)

林 柘, 中村 恭之, 和田 俊和

電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション ( 社団法人電子情報通信学会 )  104 ( 667 ) 7 - 12   2005年02月

　概要を見る

アンサンブル学習は, トレーニングした複数の識別器の出力を統合し, 個々の識別器よりも正確な出力を得るというものである.このアプローチでは, 確かに識別性能の向上は期待できるが, 一つの入力に対して多数の識別器を動かさなければならないため, 速度の低下や消費メモリの増加が起きる.本報告では, 1)入力空間を箱状に分割し, 2)分割された個々の箱において最も性能の高い識別器を選択する, というアプローチで全体としての識別率の向上と, 識別速度の向上を図る方法について述べる.この方法は, 一つの入力に対して一つの識別器しか動かないため, 一台の識別器を用いているのとほぼ同等の速度で動作する.また, 入力空間中の各場所で最も良く機能する識別器を選択しているため, 明らかに元の識別器よりも良い性能が得られる.空間分割と識別器選択の複数の方法を提案し実験によりそれらを検証する.

1P2-S-067 PaLM-treeによる能動カメラ制御の高性能化(進化・学習とロボティクス3,生活を支援するロボメカ技術のメガインテグレーション)

坂田 好生, 中村 恭之, 呉 海元, 和田 俊和

ロボティクス・メカトロニクス講演会講演概要集 ( 一般社団法人 日本機械学会 )  2005 ( 0 ) 133 - 133   2005年

DOI

回帰木を用いた非線形写像の学習と識別問題への応用(テーマ関連/オーガナイズドセッション(2))

和田 俊和, 中村 恭之

情報処理学会研究報告. CVIM, [コンピュータビジョンとイメージメディア] ( 一般社団法人情報処理学会 )  2004 ( 91 ) 203 - 210   2004年09月

　概要を見る

本報告では,機械学習およびデータマインニングの分野で主にスカラ関数の近似に用いられてきた回帰木(Regression Tree),およびそれを線形回帰に拡張した線形回帰木(Linear Regression Tree)の研究を概観し,筆者らが新たに開発した区分的線形写像木PaLM-treeについて述べる.PaLM-treeは,線形回帰木の出力次元を多次元に拡張したものであり,木の構築時にSplit-and-Merge戦略を採用することにより,学習時間の短縮と写像の高精度化を同時に達成している.また,写像計算は二分探索と線形変換だけであるので,極めて高速である.PaLM-treeの用途は非常に多岐に渡るが,本報告では画像の領域分割,カメラキャリブレーション,そして任意の識別器の機能を模倣する問題への応用例について述べる.

回帰木を用いた非線形写像の学習と識別問題への応用(オーガナイズドセッション(2))(CVのためのパターン認識・学習理論の新展開)

和田 俊和, 中村 恭之

電子情報通信学会技術研究報告. PRMU, パターン認識・メディア理解 ( 社団法人電子情報通信学会 )  104 ( 291 ) 33 - 40   2004年09月

　概要を見る

本報告では,機械学習およびデータマインニングの分野で主にスカラ関数の近似に用いられてきた回帰木(Regression Tree),およびそれを線形回帰に拡張した線形回帰木(Linear Regression Tree)の研究を概観し,筆者らが新たに開発した区分的線形写像木PaLM-treeについて述べる.PaLM-treeは,線形回帰木の出力次元を多次元に拡張したものであり,木の構築時にSplit-and-Merge戦略を採用することにより,学習時間の短縮と写像の高精度化を同時に達成している.また,写像計算は二分探索と線形変換だけであるので,極めて高速である.PaLM-treeの用途は非常に多岐に渡るが,本報告では画像の領域分割,カメラキャリブレーション,そして任意の識別器の機能を模倣する問題への応用例について述べる。

回帰木を用いた非線形写像の学習と識別問題への応用

和田,中村

電子情報通信学会PRMU研究会資料 ( 一般社団法人情報処理学会 )  2004 ( 91 ) 203 - 210   2004年09月  [査読有り]

　概要を見る

本報告では，機械学習およびデータマインニングの分野で主にスカラ関数の近似に用いられてきた回帰木（Regression Tree），およびそれを線形回帰に拡張した線形回帰木（Linear Regression Tree）の研究を概観し，筆者らが新たに開発した区分的線形写像木PaLM-treeについて述べる.PaLM-treeは，線形回帰木の出力次元を多次元に拡張したものであり，木の構築時にSplit-and-Merge戦略を採用することにより，学習時間の短縮と写像の高精度化を同時に達成している．また，写像計算は二分探索と線形変換だけであるので，極めて高速である.PaLM-treeの用途は非常に多岐に渡るが，本報告では画像の領域分割，カメラキャリブレーション，そして任意の識別器の機能を模倣する問題への応用例について述べる.This paper presents evolutional history of regression trees, a novel regression tree called PaLM-tree, and its application to Computer Vision and Pattern Recognition problems. Regression tree is a tree representation of nonlinear function, which is mainly investigated in the fields of Machine Learning and Data Mining. The original regression tree is a simple tree representation holding function values at leaves (terminated nodes). Linear regression tree extends the function values to linear regression coefficients. Since these regression trees are designed for rule-extraction, most of them are single valued for representing nonlinear scalar functions. PaLM-tree is a multi-valued extension of the linear regression tree with Split-and-Merge tree construction. PaLM-tree can be applied to varieties of nonlinear mapping learning problems. This paper also presents applications of PaLM-tree involving image segmentation, camera calibration and imitating classifiers.

I-067 非線形写像学習アルゴリズムPaLM-treeを用いた顔方向推定(I.画像認識・メディア理解)

佐藤 哲, 和田 俊和, 中村 恭之

情報科学技術フォーラム一般講演論文集 ( FIT(電子情報通信学会・情報処理学会)運営委員会 )  3 ( 3 ) 157 - 158   2004年08月

カメラ同期・対応点の必要のない複数ステレオカメラのキャリブレーション法

飯塚 健男, 中村 恭之, 和田 俊和

知能メカトロニクスワークショップ講演論文集 ( 〔精密工学会〕 )  9   157 - 162   2004年08月