新しい小規模サンプル意味セグメンテーション手法——先行情報駆動型エッジ特徴強化ネットワーク 人工知能分野において、意味セグメンテーション（Semantic Segmentation）はコンピュータビジョンの中核的技術であり、画像内の各ピクセルに対して意味的なカテゴリーラベルを割り当てることを目的としています。しかし、従来の意味セグメンテーション手法は、大量の注釈付きデータをトレーニングに必要とし、そのため、注釈付きサンプルデータが少ない状況での適用が制約されます。例えば、医用画像解析や自動運転では、少数のデータクラスに対して分割を行い、精確な分割結果を得る必要があります。このような背景の中で、小規模サンプル意味セグメンテーション（Few-Shot Semantic Segmentation,...

部分多ラベル学習の最前線：ラベル固有の特徴補正に基づく新しいアプローチ 近年、部分多ラベル学習（Partial Multi-Label Learning, PML）は機械学習分野で注目を集める研究課題として位置づけられています。クラウドソーシングプラットフォームの普及に伴い、データラベリングのコストは大幅に削減されましたが、同時にラベル品質の低下という問題が顕在化しました——すなわち、候補ラベル集合の中に必然的に無関係なラベルが含まれる場合が増えています。これらのラベルノイズは学習タスクの難易度を増加させるだけでなく、モデルの性能に誤った影響を与える可能性があります。このため、ノイズを含むデータから効率的に学習する方法の研究は現在の学術界において緊急に解決すべき重要課題となっています。本レポ...

ロボットによる自動化把握姿勢推定分野の新たなブレークスルー——MetaCoorNetネットワーク 学術的背景と研究課題 ロボットの把握は、ロボティクスにおける基本的な課題であり、その核心は、ロボットが環境とインタラクションを行い、物体のピックアップや操作タスクを完了する能力にあります。自動化把握技術は、産業製造、家庭支援、部品組立などの分野で大きな可能性を示しているものの、その適用には多くの困難が伴います。たとえば、把握対象物の形状、サイズ、材質などの多様性や、環境の複雑な要因（遮蔽や照明の変化など）は、把握アルゴリズムの安定性や現実性に影響を及ぼします。また、センサーデータのノイズや機械手自体の複雑な設計も、高精度な把握を実現する上での課題を増加させています。 こうした背景から、把握姿勢推...

ラベル分布学習が分類においてより良い一般化性能を持つ理由を理解する 背景紹介 人工知能と機械学習の分野では、分類問題は研究者たちの主要なテーマの一つであり、多ラベル学習（Multi-label Learning, MLL）や単一ラベル学習（Single-label Learning, SLL）の進展に伴い、ラベル間の複雑な関係を効果的に処理することが重要な課題となっています。しかし、従来の単一ラベル学習モデルは最も関連するラベルのみに注目し、ラベル間の曖昧性や相関情報を無視する傾向があります。このような制約により、現実世界の多くの複雑な課題を解析し解決する際に障害が生じています。 この問題を解決するためにラベル分布学習（Label Distribution Learning, LDL）が提案...

単片集積型3次元IGZO-RRAM-SRAMコンピューティングストレージ新アーキテクチャ研究：ニューラルネットワーク計算効率向上のブレークスルー 背景と研究の動機 ニューラルネットワーク（Neural Network, NN）が人工知能分野で広く応用されるにつれ、従来の計算アーキテクチャでは、エネルギー消費、速度、密度に関する要求を満たすのが困難です。この問題を解決するため、研究者はコンピューティングストレージ（Compute-In-Memory, CIM）チップ技術に注目しています。CIMは、計算ユニットとストレージユニットを1つのアーキテクチャに統合することで、大量のデータ転送による「メモリボトルネック」効果を回避し、システム効率を大幅に向上させるものです。これまでのCIMアーキテクチャ...

有限周波数応答を用いた行列分数記述での構造化システムの識別性とパラメータ推定の難易度 背景紹介 科学研究や工学応用の中で、パラメータ識別は複雑なシステムの理解と制御の中核的な課題の一つである。電力システム、機械システム、または化学反応動力学モデルのいずれにおいても、正確なパラメータ識別は、システム挙動の最適化、誤差の削減、制御性能の向上の基盤となる。しかしながら、システムの複雑性が増すにつれ、従来のパラメータ識別手法は、大規模システムを扱う際に徐々に効果を失い、特に識別問題が高度非線形でありデータ量が膨大である場合には特に顕著である。このため、新たな理論と計算手法の開発が必要不可欠であり、これによりパラメータ識別の過程で遭遇する実践的な課題を解決することが求められる。 近年、パラメータ識別の...

異種指向性マルチエージェントシステムの協調出力調整問題研究：完全分散型モデルフリー強化学習フレームワークに基づくアプローチ 背景紹介 近年、分散制御と最適化の研究は、スマート交通、スマートグリッド、分散型エネルギーシステムなどの分野で広く応用可能性が示されています。このようなシステムでは、複数のエージェントが協力して特定のタスクを達成する必要があり、その中で基本的な研究課題の一つが協調出力調節（Cooperative Output Regulation、以下COR）問題です。この問題は、適切な制御プロトコルを設計することで、マルチエージェントシステムのすべてのエージェントが参照信号を追従し、最終的に追従誤差をゼロにすることを目指します。 しかし、この課題を解決するためには、エージェントの動的...

分散型ランダムネスビーコン（Distributed Randomness Beacon）研究の最前線 —— 大規模における通信複雑性を最適化した実用的なソリューション 今日の多くの技術分野において、信頼できるランダム数生成器（Randomness Beacon）は、暗号技術、ブロックチェーン、電子投票など多数の応用においてセキュリティを支える重要な要素となっています。ランダム数生成器は、公正性、予測不能性、そして公開的な検証可能性を満たさなければなりません。しかしながら、従来の分散型ランダムネスビーコン（Distributed Randomness Beacon、以下DRB）ソリューションは、複雑な通信工程に依存するか、公共掲示板（Public Bulletin Board、以下PBB）の利...

制約された領域におけるマルチエージェントシステムの時間変化隊形成追尾制御に関する研究レビュー マルチエージェントシステム（Multi-Agent Systems, MAS）の協調および協力制御は、近年大きな注目を集めています。その関心は、多自主水中航行体やマルチローター航空機といったエンジニアリング分野での幅広い応用だけでなく、効率的な自動化、複雑なタスクの達成、資源消耗の削減における可能性にも由来しています。しかし、複雑で動的な実環境では、外部の未知の擾乱への対応、衝突回避、および制約された領域内でのタスク実行など、MASの隊形成追尾制御により高い要求が課されます。 本論文「Observer-based event-triggered formation tracking control ...

確率的非線形時変システムの有限時間安定性と不安定性定理に関する新しい成果 1. 研究背景と意義 安定性理論は、システム理論と工学応用における核心的な内容であり、システムの解析と設計における最も基本的な考慮事項の一つです。安定性理論には、最も一般的に使用される2つの概念があります。それは漸近安定性（asymptotic stability）と有限時間安定性（finite-time stability）です。漸近安定性は時間が無限大に近づいたときのシステム状態の挙動を記述する一方、有限時間安定性は有限な時間内でのシステム状態の過渡性能に焦点を当てています。 多くの工学的問題においては、漸近安定性よりも有限時間安定性がより重要視されます。たとえば、ロボットの操縦における軌道制御や水中飛行体の姿勢制...