少量のピクセルラベルと点群データを用いた自動車運転シーンの弱教師ありセマンティックセグメンテーション 背景と研究課題 セマンティックセグメンテーションは、コンピュータビジョンにおける重要な課題の一つであり、自動運転などの分野で広く応用されています。しかし、従来の完全教師ありセグメンテーション手法では、大量のピクセル単位のアノテーションが必要であり、そのコストは非常に高いです。 弱教師ありセグメンテーション（Weakly Supervised Semantic Segmentation、WSSS）は、ラベル付きデータが少ない状況で高精度なセグメンテーションを実現することを目的とし、画像ラベルやバウンディングボックス、点レベルのラベルなどの粗いアノテーションを利用して、ピクセル単位のセグメンテー...

自律的に移動できる車輪脚ロボット 背景紹介 都市化の進展に伴い、サプライチェーン物流、特にラストワンマイルの配送が大きな課題となっています。交通の混雑が増加し、より迅速な配送サービスが求められる中、特に屋内や街路での複雑なルートは配送にとって解決し難い問題となっています。従来の車輪型ロボットは複雑な障害物を越えるのが難しく、脚部システムだけでは必要な速度と効率を達成することはできません。例えば、ANYmalロボットは一定の移動能力を持っているものの、その最大走行速度は平均的な歩行速度の半分に過ぎず、バッテリーの持続時間も限られています。したがって、平坦な地面で効率的に動き、障害物を乗り越えることができるロボットシステムを開発することが研究の主要な方向となっています。 本稿で主要に研究している...

移動ネットワークの時空動態を学習して開かれた世界のイベントに適応する 研究背景 現代社会のモビリティ・アズ・ア・サービス(MaaS)システムは、公共交通機関、ライドシェアリング、シェアリング自転車などの様々な交通手段が無縫に統合されています。MaaSの効率的な運営を実現するには、マルチモーダル移動ネットワークの時空動態のモデル化が不可欠です。しかし、従来の手法は、異なる交通手段間の相互作用を暗黙的に扱うか、その相互作用が不変であると仮定しています。さらに、休日、悪天候、パンデミックなどの開かれた世界のイベントが発生すると、群集の移動行動がその通常のパターンから大きく逸脱する可能性があり、このモデリングタスクをより難しくしています。 論文の出典 本論文は、イリノイ大学アーバナ・シャンペーン校の...