1D-03
把持位置学習における中間特徴量を用いた物体形状分類手法の検討
○横田泰斗，鈴木彼方，金澤裕治，竹林知善（富士通研）
本研究ではピッキングタスクの際の深層学習を用いた物体把持位置検出において，ニューラルネットワークの中間特徴量をもとに物体形状を分類する手法を検討する．
ピッキングタスクでは一般的に把持位置情報を正解ラベルとしたデータを学習させており，形状に応じた物体の分類を行う場合には別途ラベル付けを行う必要があるが大きな工数がかかる．
そこで本稿では，物体把持位置検出に用いるニューラルネットワークの中間特徴量を活用して物体形状を分類する手法を検討する．
評価実験としてシミュレータ上で4種類の物体に対して把持位置学習を行った．
上記で得られる中間特徴量に対し，次元削減とクラスタリングの結果を可視化して分類手法の検討を行った．
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会