2022年9月5日~9日に第40回日本ロボット学会学術講演会が東京大学本郷キャンパス（東京都文京区）で開催されます．

我々は本講演会にて，以下の論文の発表を行います．

1. Sequential 2D Continuous Kinodynamic RRT for Driving Behavior at Un-signalized Intersections with Stop Lines

自動車はよく，高速道路に比べて生活道路を走行する際に交通事故を起こすリスクが高いと言われています．先進運転支援システムは交通事故の回避を支援する技術として研究開発が進んでいます．システムの信頼性を更に向上させるため，コアとなる運転行動予測・運転行動モデリング技術の重要性が高まっています．

既存研究では，逐次型MDPを用いて生活道路でより良い経路計画結果を得ることが提案されています[Yang+ IV”21]．しかし，これは離散空間でのみ議論されており、より一般的な走行環境では状態や行動の数が制限されています．本研究ではRRTという経路計画モデルを用い，連続空間において離散空間と同様の逐次的な方法で動作計画を計算します．また，異なるタスク分割パターンのもとで，各タスクフェーズにおける最終状態を固定する重要性を議論します．

実験では信号のない交差点を通過する際に，一時停止のような適切な停止行動を行う熟練ドライバのデータを取得しました．本研究が提案する逐次的な最終状態が固定されるキノダイナミックRRT*が，様々なタスクの分割方法において最も高い性能とロバスト性を持つことが示されました．

2. Model search and compression towards on-device activity recognition in shovel machines

建設機械における正確な行動認識はショベルの稼働状況の把握，オペレーターの技能向上のための有益な材料となることが期待されています．一方，行動認識処理を建機内部で行えることができれば，建機データと行動認識を行う計算機との通信を削減することが可能となります．　一方，建機に認識処理を搭載するにはコンパクトかつ高性能な認識モデルを構築する必要があります．

本研究では，より精度の高い認識性能を得るために，ベイズ最適化に基づくニューラルモデル探索を行い，続いてニューラルネットワークモデルの刈り込みを適用し，建機に搭載できるコンパクトかつ高性能なモデルの構築を目指します．

実際の建機の活動データを用いて，提案手法が，性能を維持したまま既存の認識処理モデルの小型化が可能であることを示しました．

発表情報（RSJ2022 スケジュール）
———-
日時：2022年9月6日(火)　16:15 – 16:30
セッション：2F3-03 OS16:確率ロボティクスとデータ工学ロボティクス～認識・行動学習・記号創発～(2/4)
論文タイトル：Sequential 2D Continuous Kinodynamic RRT for Driving Behavior at Un-signalized Intersections with Stop Lines
著者：Shaoyu Yang（Tokyo Institute of Technology）and Masamichi Shimosaka（Tokyo Institute of Technology）

日時：2022年9月6日(火)　17:00 – 17:15
セッション：2J3-07 IS2:AI, Learning and Control
論文タイトル：Model search and compression towards on-device activity recognition in shovel machines
著者：Bing Bai（Tokyo Institute of Technology）, Masato Sugasaki（Tokyo Institute of Technology）, Kanji Takazawa（Tokyo Institute of Technology）, Motohide Sugihara（Komatsu Ltd.）, Mitsutaka Kumagai（Komatsu Ltd.）, Keita Yamada（Komatsu Ltd.）, Aren Shinozaki（Komatsu Ltd.）, Shintarou Hamada（Komatsu Ltd.）, and Masamichi Shimosaka（Tokyo Institute of Technology）
———-