自己位置推定・SLAMの基礎とシステム実装および自律移動ロボット開発への応用

~ 自己位置推定の基礎とモデルベース開発を活用した性能向上/システム実装、移動ロボットにおける自律ナビゲーションとSLAM技術の基礎と応用 ~

・自動運転や自律ナビゲーションに必要な要素技術を修得し、システム開発・システム実装に応用するための講座

・通常の自己位置推定技術では実現困難なことを可能とさせる技術を修得し、精度の高いシステム実装に役立てよう!

・自律ナビゲーション技術やSLAM技術の基礎から応用まで修得し、移動ロボットの開発に活かそう!

オンラインセミナーの詳細はこちら:

・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。

講師の言葉

(第一部)

 自己位置推定とは、与えられた地図の上における相対的な位置を求める技術です。これだけ聞くと自動運転との関わりが強くない様に聞こえますが、現状の自動運転においては、自己位置推定は最も重要な根幹技術となっています。本講演では、自己位置推定の重要性や、正しく実行することの困難さといった基礎的な話から、デファクトとなっている確率ロボティクスの話、また講師が行っている最新の話まで含めて言及します。

 すでに自己位置推定が何なのかということをある程度理解している方を前提としています。講演内でも基礎的な話は触れますが、私自身この講演の価値はプログラム内の5、6、7章にあると思っています。これらの章では、通常の自己位置推定では実現困難なことを可能とさせることを目指しています。そのため、この価値を感じ取れるように、ある程度自己位置推定に関する知識があることが好ましいと考えています。

 

(第二部)

 自律ナビゲーションとSLAM技術は、移動ロボットの運用において不可欠な技術であり、この数十年間活発な応用研究がなされ、近年は着実に実用化が進みつつあります。また、次世代移動手段として脚光を浴びている自動運転技術の発展の礎として、多くの研究者が性能向上のために研究に取り組んでいる分野です。

 本講演では、自律ナビゲーションを実装するための必須要素技術である、自己位置推定、経路計画、運動制御と、環境マップを生成する技術であるSLAMについて、各々の基礎概念から、いくつかの最新研究事例まで紹介します。

セミナー詳細

開催日時
  • 2022年08月22日(月) 10:30 ~ 17:30
開催場所 オンラインセミナー
カテゴリー オンラインセミナー電気・機械・メカトロ・設備ソフト・データ・画像・デザイン
受講対象者 ・自動運転、ロボット、ドローンなどに携わる技術者の方
・自己位置推定の応用技術に関心のある方
・自律ナビゲーションとSLAM技術について全体図を理解し基礎を学びたい方
・移動ロボット等の無人移動体の研究を始めようとする方
予備知識 ・確率に関する式展開(講演内でも解説しますが、できればある程度の知識があることが好ましいです)
・高校から大学教養レベルの数学の知識
修得知識 ・基礎的な確率的自己位置推定に関する知識
・上記の基礎的な方法が有する課題とその解決法
・自律ナビゲーションの実装に必要となる要素技術
・環境マップを生成するSLAM技術の動作原理
プログラム

(第一部)自己位置推定の基礎とモデルベース開発を活用した性能向上/システム実装

1.自己位置推定の基礎

  (1).自己位置推定とは何か

  (2).なぜ自動運転に自己位置推定が重要か

  (3).自己位置推定のあるなしの自動運転

 

2.自己位置推定の定式化

  (1).グラフィカルモデルからの定式化

  (2).ベイズフィルタと呼ばれる所以の理解

  (3).ベイズフィルタと最適化の違い

 

3.観測モデル

  (1).ビームモデルと尤度場モデル

  (2).なぜ動的環境で自己位置が失敗するかの理解

  (3).観測の独立性の仮定の重要性とそれが引き起こす問題

 

4.パーティクルフィルタを用いた自己位置推定

  (1).パーティクルフィルタを用いた自己位置推定(MCL)

  (2).パーティクルフィルタを用いた自己位置推定の工夫

  (3).自己位置推定失敗からの即座復帰を可能とする機械学習との融合

 

5.パーティクルフィルタと機械学習を用いた自己位置推定の融合

  (1).パーティクルフィルタにおける尤度の計算

  (2).重点サンプリング

  (3).重点サンプリングを介した融合

 

6.動的環境下での自己位置推定

  (1).観測物体のクラスを考慮した自己位置推定

  (2).環境変化に対する頑健性の向上

  (3).計算・メモリコストの増大しない頑健性の向上

 

7.自己位置推定結果の性能保証

  (1).信頼度付き自己位置推定

  (2).深層学習を用いた自己位置推定の失敗検出

  (3).深層学習の不確かさも考慮したモデル化

  (4).自己位置推定結果の正誤を正しく理解

 

8.まとめ

 

(第二部)移動ロボットにおける自律ナビゲーションとSLAM技術の基礎と応用

1.移動ロボットにおける自律ナビゲーションの基礎

  (1).移動ロボットの運動学

  (2).自己位置推定、経路計画、運動制御の概念

 

2.センサ

  (1).カメラ、LiDAR、サーモグラフィ、超音波センサ等の外界センサ

  (2).エンコーダ、GPS、IMU等の内界センサ

 

3.経路計画技術の基礎と応用

  (1).コンフィグレーション空間

  (2).古典的な経路探索法

    a.A*

    b.勾配法

  (3).ランダムサンプリングによる経路探索法

    a.Rapidly exploring random trees(RRT)

    b.Path-directed subdivision trees(PDST)

  (4).経路計画技術の最新研究事例紹介

    a.不整地走行のための移動ロボットの経路計画

    b.移動ロボットの位置誤差を考慮した経路計画

 

4.運動制御技術の基礎と応用

  (1).非ホロノミックシステムの制御

  (2).Kanayama制御法

  (3).Dynamic Window Approach(DWA)

  (4).運動制御技術の最新研究事例紹介

    a.深層強化学習によるend-to-end運動生成

 

5.Simultaneous Localization and Mapping(SLAM)

  (1).マップの表現方法

  (2).SLAM問題の定義

  (3).Iterative closest point(ICP)によるSLAM

  (4).カルマンフィルタによるSLAM

  (5).グラフベースSLAM

  (6).SLAMの最新研究事例紹介

    a.被災地探査ロボットによるセマンティックマップ生成

    b.超音波センサにおける水中マップ生成

キーワード 自己位置推定 自動運転 モデル モデルベース ベイズフィルタ 最適化 観測モデル ビームモデル 尤度場モデル パーティクルフィルタ MCL 機械学習 AI 深層学習
ディープラーニング ロボティクス ロボット 自律 ナビゲーション SLAM マッピング 経路計画 経路探索 運動制御 センサ カメラ LiDAR サーモグラフィ 超音波 エンコーダ
GPS IMU カルマンフィルタ RRT PDST 位置 ホロノミックシステム 強化学習 グラフベース 被災地探査 セマンティックマップ
タグ 精密機器・情報機器AI・機械学習SLAM・自己位置推定自動運転・運転支援技術・ADASカメラシミュレーション・解析データ解析センサ位置情報画像認識ロボット位置決め機械計測器系統連系光学実装自動車・輸送機車載機器・部品制御精密機器
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日