AI、３次元データとロボティクス

AI（深層学習 ＝ディープラーニング、機械学習＝マシンラーニング）を始めてロボティックスも同じ要素で構成されています。
最新技術のAIやロボティックスはGPUを使った処理＝行列、並列演算、ベイズ統計等々。
センサー等で取得した情報は描きグラフの様にバラついてます。
古典的な処理はフィルターに掛けて平均化します。この手法は本来のデータを見えなくしてしまうことがあります。
今は統計学的な手法を使ってより正確なデータを導き出します。間接的なデータから本来のデータを補足して出来るだけ正確なデータにします。
カーナビはGPSで位置を取得していますが、トンネルの中ではセンサーは情報を取得できません。道路を走行中に地図データで道路以外を走行したり建物を突き抜けたりしません。
GPSのデータは実際走行しているところとは例えば描きブラフの様にずれています。

まずこれを統計学手法を使って処理します。
その後走行距離計、９軸センサーを使ってさらに補正して正確な位置情報にしています。

動画の解説です。英語ですが見ればわかります。

https://youtu.be/mwn8xhgNpFY

AIも同じ様な処理をします。
但し予測するデータ（目的変数）を導き出すデータ（説明変数）を決める必要があります。正しい説明変数が多いと予測の確率は上がりますが処理が複雑になります。当然間違えると期待した結果になりません。


自動運転やロボティックスはAI、センサー情報、制御これらのデータを総合的に取り扱いうので複雑です。
テスラの電気自動車はこれらの最新技術に挑戦しています。もちろんトヨタや自動車メーカー、産業ロボットも試行錯誤しています。

くるくる回っているトーラスの点群は何を意味するかと言うと３次元のデータを上手に扱う事がこれらの技術の重要な要素になります。

VR（仮想現実）も視線を変えた位置の画像をリアルタイムで再現する技術です。
これも同じ種類の技術です。

９軸センサーは９DoF（degree of freedom)「ジャイロセンサ3軸」，「加速度センサ3軸」，「地磁気センサ3軸」で構成されています．
それぞれをソフトで補正して正確な位置や方向を導き出します。
以前お見せしたVIVE PROはこれ前後にレーダーを追加して正確な位置をさらに補正します。なので最大で６m四方までしか計測出来ませんがゴーグルに膨大な画像をリアルタイムに送るためNVIDIAのグラフィックボードを積んだデスクトップパソコンとの配線があるのでリアル感は凄いですが、外で使えません。
外で無線で使える簡易なVRもありますがそれらの処理をスマホやラップトップではまだまだ能力不足でゴーグル内で表現される画像は漫画の様になります。

この９軸センサーはまさに３次元のデータを測定するセンサーです。
９軸センサーのとても分かり易い説明をしている動画を著者のwatako-labさんの許可を頂いて動画を使わせて頂きます。

https://youtu.be/_nk9k_Topf4

観ていただきたいのはセンサーから取得した生データの揺れです。
この動画は秀逸です。センサーから取得したデータと動作を同時にわかり易く表現しています。

サーモグラフィー画像の安定化

サーマルカム基板を買った方で実際太陽光発電所でテストして頂いた方でドローンの自動操縦（ウエイポイント）を使った録画があります。

サーマルカムはジンバルを付けていないのでどうしても画像が安定しません。

なので簡易ジンバルをサーボモータを使って軽量に試作しました。

ここからが長いストーリー（2018年8月～）でブラシレスモーターの出力を上げると誤動作し出します。ソフト上でフィルターをかけたり、３DoFセンサーをアルミケースに入れたり、ドローンの上部にセンサーを移動したり、サーボモーターの配線をフェライトコアに巻き付けたり係数の違うフェライトコアを4種類テストしたり、サーボモータの制御をアナログ配線からフォトカプラを使ってノイズを入り難くしたり、基板を金属ケースに入れたり、サーボモーター自信をブリキケースに納めたり…

10ヵ月42回のフライトテストをしましたが、サーボモーターを使ったジンバルは断念しました。

原因はサーボモーターの中にあるKC5188のPWMサーキットのレファレンス電圧が怪しいとは思いますがこれを強力なブラシレスモーターの磁気嵐から救う事が出来ません。

なぜブリキを使ってサーボモーターを囲ったかというと軟鉄が磁気に強い（ブリキの鉄が軟鉄かどうかの確認はしていませんが、鋼板をブリキにする意味は無いのでそれにしました。）仮に鋼板にしても結果を見る限り殆ど変らないと思います。

軽量ドローンにする為に本格的なジンバル（ブラシレスモーターを使ったタイプ）を使わなかったのですが、サーボモーターでもここまでの重量になると本格的なジンバルでテストした方が良いかもしれません。

色々な検証とテストを繰り返しても全く解が見付かりませんでした。

私の見当がそもそも間違っているのかもしれませんが、一旦このプロジェクトはクローズします。

テストをお願いした大澤さんには感謝です。

残念な結果ですが、すべてが報われる訳ではないのは世の常です。でも疲れた。

近赤外線（暗視カメラ）とサーモグラフィーカメラ

監視カメラ（夜はモノクロの暗視カメラ）は数千円からあります。

暗視カメラの技術は近赤外線です。
サーモグラフィーは遠赤外線です。（ヒータで暖かいと感じる熱線と言えば理解出来ると思います。）

帯域名	波長	光エネルギー
近赤外線 (Near-infrared, NIR)	0.75-1.4 µm	0.9-1.7 eV
短波長赤外線 (Short-wavelength infrared, SWIR)	1.4-3 µm	0.4-0.9 eV
中波長赤外線 (Mid-wavelength infrared, MWIR)	3-8 µm	150-400 meV
長波長赤外線 (Long-wavelength infrared, LWIR) 熱赤外線 (Thermal infrared, TIR)	8–15 µm	80-150 meV
遠赤外線 (Far infrared, FIR)	15-1,000 µm	1.2-80 meV

FLIR LEPTONは8µm～14µmのレンジです。

最近はその暗視カメラ（夜間の映像を）のカラー画像を出力できるものもあります。

ISO感度を上げて可視化しているだけで何も新しい技術でもないです。
CMOSの製造機技術が上がって、それと同時にソフトでノイズの処理が良くなったのでそれでも良ければそれまでです。
ただ少し戦略的な視点で見ると、仮にそれで機械学習してオブジェクト認識させて製品を作るとします。
CMOS素子はソニーが今の所一番で価格レンジも国際流通も潤沢です。
つまり中国製の安価で高性能な製品はすぐに出てコモディティ化 （＝価格競争とそれを作る事に意味はない）するので企画者がその点と革新性のセンスが問われると思います。

そのカラーの暗視カメラとサーモグラフィーとの違いは用途によります。

対象物が何であるかを識別する必要があればカラー暗視カメラでも良いでしょう。

特にわくわくするような技術でもないですが、カメラメーカーは既にオブジェクト認識を開発しています。指名手配犯を探す例の中国AI会社でやっています。何せ中国政府を上げて開発しているので凄い状態で勝負する気はありません。魅力も感じませんし。

走行中の車が交差点の人、道路脇の動物や前方の車を識別するならサーモグラフィーも使えます。

特に対象物が一定の温度（体温等）があればアクティブ（生きている）かどうかも含めた認識になります。上記のメーカーが開発しているオブジェクト認識は個人を特定出来るレベルなのでモデルデータが膨大です。もちろんグレードを下げて対応する事は可能です。

こちらはサーモグラフィーが専門でAIを含めたソリューションを含めたサービスを研究しています。

認識するものを決めて学習モデルを作って試行錯誤が必要です。

もう少し簡単な比較に例えるとガラケーとスマホに似ているかもしれません。
どちらも電話もメールもインターネットも出来ます。ガラケーや安いですが、年寄りを除いて積極的に買う人はいません。コモディティ化しているからです。

商工会議所のコンペと同じくそれを理解出来ないと受け入れて頂くのは難しいですね。
資料で理解出来る出来ないでは無くセンスの問題の様に思います。

メーカーズフェア京都２０１９

今回関西で初開催のメーカーズフェアは予想を上回る来場者数で、事務局の発表はまだですが恐らく二日間で１万人前後の来場者数の様です。
昨年の東京の展示会は２万５千人の来場者でした。
京都の学研都市での開催で交通の便が悪いので事務局の予想は５、６千人だったのでお弁当が売り切れたりと主催者側はパニック状態だったそうです。

名刺が１５０枚位減っているのでその位は来てもらいました。

全てを紹介するのは難しいのでダイジェスト動画を拝借。
https://youtu.be/d-Vd6pWiT9U

ご来展頂いた方々のお話を参考に改善する予定。
二日間立ちっぱなしでクタクタです。ぼちぼち赤外線は卒業かも。