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...
マルチビュー画像に基づくエンドツーエンド視覚セマンティックローカライズ研究 背景と研究の意義 スマートドライビング技術が急速に発展する中で、自動運転車の精密な位置推定能力は研究と産業界でのホットな話題となっています。正確な車両位置推定は、自動運転のコアモジュールであるだけでなく、高度運転支援システム（ADAS）の重要な構成要素でもあります。従来の視覚ローカライズ手法は、しばしば幾何学モデルと複雑なパラメータ調整に依存していましたが、複雑なシーンではそのロバスト性と大規模展開能力が限られていました。また、環境の変化（天候や照明条件など）の影響を受けやすく、従来の特徴抽出手法（例えばSIFT、SURF、ORBなど）は動的環境下での性能に限界があります。近年では、豊富なセマンティック情報を含む高精...
衛星支援の6G広域エッジインテリジェンス：遠隔IoTサービス向け動的認識タスクオフロードおよびリソース配分 背景紹介 6G移動通信ネットワークの到来に伴い、従来のモノのインターネット（IoT, Internet of Things）アーキテクチャは、グローバルな接続と幅広い人工知能（AI）の能力を統合したスマート万物インターネット（IoE, Internet of Everything）の新しいパラダイムへと徐々に変化しています。しかし、地上ネットワークには複雑な地形や遠隔地を完全にカバーすることができないという制限があります。低軌道（LEO, Low Earth Orbit）衛星技術の急速な発展により、この課題を解決するための新たな希望が生まれています。非地上ネットワーク（NTN, Non...
プルリクエスト受け入れの早期予測に関する研究の突破口 近年、オープンソースソフトウェア（Open-Source Software, OSS）の開発は主流のソフトウェア開発モデルの一つとなりつつあります。このモデルは開発者間での協力を大いに依存しており、プルリクエスト（Pull Request, PR）の仕組みは分散型ソフトウェア開発における協力の効率を向上させる手段として広く採用されています。GitHubなどのOSSプラットフォームでは、PRを通じて開発者はコード変更要求を提出し、プロジェクトの管理者（インテグレーター）がコードレビューを行い、そのコードを主ブランチにマージするかどうかを決定します。しかし、OSSプロジェクトの活発化に伴い、PRの数が急増し、管理者の負担が増大するとともに、P...
iOSアプリストア推薦関係の複雑ネットワーク研究の解析 背景紹介 モバイルアプリケーション（以下、モバイルアプリ）は、現代のインターネットエコシステムの重要な構成要素です。しかし、爆発的に増加するアプリ数により、ユーザーがアプリストアで必要なアプリを見つけることが難しくなる一方で、開発者によるアプリの発見も困難になっています。ユーザー体験を向上させるため、大多数のアプリストアでは、ユーザーの行動やその他のアルゴリズムを基にアプリ推薦機能を提供します。たとえば、iOSアプリストアの「あなたにおすすめ」（”You Might Also Like”）推薦機能では、特定のアプリに関連する他のアプリが表示され、これが推薦関係ネットワークを形成します。 アプリ推薦がユーザー行動やアプリ市場に与える影響は...
データプライバシ保護と因果学習の交差点：フェデレーテッドラーニングに基づく局所的因果構造学習のブレークスルー ビッグデータと人工知能が急速に発展する中で、医療や金融といった敏感な分野では、データのプライバシを保障しつつ効率的に因果関係を分析・推論する方法が学術界および産業界の重要な課題となっています。「Federated Local Causal Structure Learning」（連合局所因果構造学習）という論文は、この重要な課題に直接取り組み、FedLCSというアルゴリズムを導入しました。このアルゴリズムは、フェデレーテッドラーニング（Federated Learning）環境下で局所的因果構造を学習するために設計されており、データプライバシを確保しながら因果推論を実現する問題を革新...
混合タイプ対話生成分野の新たな突破口：少数ショット学習に基づく研究 人工知能（Artificial Intelligence, AI）の重要な目標の1つは、多種多様な自然言語対話を実現できるAIエージェントを構築することです。現在、業界や学術界において、オープンドメイン対話（Open-Domain Dialogue）とタスク指向対話（Task-Oriented Dialogue）の両方に対応できる対話モデルを設計することが長年の課題とされています。この複数のスキルやタイプを統合した形式は、混合タイプ対話（Mixed-Type Dialogue）と呼ばれます。しかし、この課題に取り組む既存の研究の多くは、大規模な人工ラベル付きデータセットの構築に依存しており、データラベリングのコストが非常に高...
深層学習における非対称二重タスク協調モデルによる部分ラベル学習の改良に関する研究 研究背景 深層学習の分野では、教師あり学習が多くの人工知能タスクの中心的な方法となっています。しかし、深層ニューラルネットワークを訓練するには、大量の正確にアノテーションされたデータが必要です。このようなデータの構築には、コストが非常に高く、時間がかかります。これに対する有効な代替手段として、弱教師あり学習（Weakly Supervised Learning）が近年広く注目されています。その中で部分ラベル学習（Partial Label Learning, PLL）は典型的な問題として捉えられており、各トレーニングインスタンスが候補ラベルセット（Candidate Label Set）でアノテーションされ、こ...
皮膚がん診断を支える新しい手法：光音響イメージングとレベルセット分割アルゴリズムに基づく研究 近年の地球環境変化や人口の高齢化に伴い、皮膚がんの発生率は年々増加傾向にあります。皮膚がんは、重要な公衆衛生上の課題となっており、代表的な非メラノーマ皮膚がんには、扁平上皮がん（Squamous Cell Carcinoma, SCC）と基底細胞がん（Basal Cell Carcinoma, BCC）が含まれます。その中でも、基底細胞がんは最も一般的であり、米国では毎年約430万件の新たな症例が報告されています。このがんは死亡率こそ低いものの、患者の生活の質や医療資源に対して重大な負担をもたらしています。 基底細胞がんの臨床診断および治療には、いまだ多くの課題が存在します。従来の腫瘍境界評価法は主...
光コヒーレンストモグラフィーとロボット工学の融合：現在の研究と将来の展望 学術的背景 光コヒーレンストモグラフィー（Optical Coherence Tomography、OCT）は、非侵襲的で高解像度の光学イメージング技術であり、その誕生以来、生物医学分野で広く利用されています。OCTはマイクロメートルレベルで組織の構造を可視化することが可能であり、特に眼科領域では、角膜や網膜のイメージングや病気の診断といった応用で大きな成功を収めています。しかし、従来型のOCT装置は通常、静的な環境でのイメージングに使用され、装置の大きさ、視野（Field of View, FOV）、および操作の柔軟性の観点で制約を受けています。動的で複雑な医療シナリオや外科手術への応用では、従来のOCT装置の限界が...