2020年7月 9日(木) 18:12 JST

千葉大学 平沢研究室のウェブサイトへようこそ

当研究室では建築学の分野を限定しないコンピュータ利用を研究しています。アルゴリズミックデザインデジタルアーカイブテンセグリティロボットAI人工技能が最近のキーワードです。

上のメニューから各コンテンツにアクセスできます。 研究室の概要や入室希望の学生に対する案内は「平沢研究室について」をご覧ください。研究内容については、ある程度まとまった報告を「研究報告・デモ」に、日々の活動を「日々の記事」にブログ形式で綴っています。日々の記事の細分類に関しては右ブロックのカテゴリからもアクセスできます。

人工技能とは人の技能を機械で実現することです。例えば「左官仕上げ用ロボット」のようなものをイメージしてください。

ロボットが余るなんて・・・

  • 印刷用ページ
  • 2020年7月 9日(木) 09:37 JST
  • 投稿者:

数年前に、エイヤッとそれこそ清水の舞台から飛び降りる決意でロボットを導入してから、あれよあれよとロボットが増え、すでに他所に移籍したものも含めると計8機のロボットが研究室にやって来ました。8機目のご紹介はしばらく先になりますが、今回はその初代ロボットを活用した研究の紹介です。


3Dプリントロボット

メーカー名は伏せますが、このロボット、不具合が多くて本当に困りました。木材の切削など、振動が出る仕事をさせるとエンコーダが狂うのです。何度も修理を依頼しましたが、部品が日本国内にないことがあったり、本当にちゃんと働いている期間が短い、そんなロボットでした。大学の研究室の場合、顧客の依頼を納期までに仕上げる、そんなクリティカルなデッドラインはないのでなんとか使ってこられましたが、2台目以降、普通に動くロボットが研究室に入ってくると、木材切削からは退役しその後はタイル並べを細々と続けていましたが、いつしか電源も結線されることなく床にぽつんと放置されてしまいました。

論文の締め切りはあります。為念。

そんな様子を見て不憫に思ったのか、M2の学生が「オレンジ君を使って何かしたい。人間用の3Dペンをロボットに持たせてみたらどうなるか、確かめたい。(注:脚色しています)」と申し出ました。人間用の3Dペンはおもちゃカテゴリーの製品ですので高価ではありません。ロボットへの装着は3Dプリンタでパーツを自作すればよく、低予算で試行できるのでやってもらうことにしました。

オートエンコーダを用いた設計案の管理 -AI(機械学習)メモ vol.3

  • 印刷用ページ
  • 2020年6月15日(月) 13:52 JST
  • 投稿者:

AI(機械学習)メモ vol.3は、オートエンコーダを用いた設計情報の管理(オートエンコーダを用いた外構設計情報の管理とクラスタリングに関する研究、日本建築学会大会(東北)、学術講演梗概集、(社)日本建築学会、2018.9)についてです。あまり聞き慣れないエンコーダという言葉ですが、元の情報を某かの目的に応じ符号に変換をする仕組みを意味します。変換することをエンコード(符号化)と呼び、逆に変換したものを元の情報に戻すことをデコード(復号化)、この仕組みをぞれぞれエンコーダ・デコーダと呼びます。JPEGやZIPでの圧縮も高効率符号化と呼ばれる符号化の一種ですので、JPEGエンコーダの場合は、あるビットマップ画像(元の情報:RGBの塊)をJPEG形式のエンコーダでエンコードして保存する、デコーダでデコードし画像を閲覧する、というかたちで用いられています。自分はエンコード・デコードなんて普段していないぞ、と思うかもしれませんが、これはスマートフォンやPCで自動的に行われているものです。スマートフォンで写真を撮影すると、大体高さ4,000✕幅3,000程度、計12,000,000ピクセルの画像になり、各ピクセルにRGB で3チャンネルぞれぞれ1Byte(8bit: 0~255)ずつ情報がありますので、本来であれば36,000,000Byte = 36MByteの領域を保存に要するわけですが、JPEGで高効率に符号化(エンコード)されることで2MByte程度の容量になって保存されます。もちろんこれを閲覧する際にはビューワでデコードが行われています。高効率符号化はファイル容量を小さくしますので、圧縮とも呼ばれることがありますね。

さて、オートエンコーダは、ニューラルネットワークを用いてエンコーダとデコーダを学習させるものです。オートエンコーダのうち、層が多いものは特にディープオートエンコーダとも呼ばれる、など実装の仕方によって呼び方に区別があるようですが、ここではざっくり区別せずにオートエンコーダと呼ぶことにします。オートエンコーダのネットワークは次図のようになっていて、入力した画像を前半のネットワークでエンコードして特徴量化し、後半のネットワークでデコードして元の画像に近づける、というふうに学習を行います。図では特徴量の要素数をkとしていますが、入力するイメージの要素数より小さい要素数となるよう設定します。このようにすることでイメージを表現する抽象的かつ説明的な特徴量を得ることができます。今回紹介する設計情報の管理研究では、戸建て外構のレイアウト図を対象にオートエンコーダの学習を行い、これで得た特徴量で、類似する設計案を検索することやクラスタリングを行うということを試行しています。


レシプロカル多面体、展示中です

  • 印刷用ページ
  • 2020年6月12日(金) 08:05 JST
  • 投稿者:

コロナ禍からの回復がなかなか進まない現状ですが、皆さんはお変わりないでしょうか。千葉大学では構内への入構規制が緩和され、学生は許可さえあれば比較的自由に入構できるようになりました。学外の方も以前よりは入構しやすいと思います。


レシプロカル・多面体

実はコロナ禍による入構規制が始まる直前から、レシプロカル・タワーの隣にレシプロカル・多面体を展示しています。展示開始からすでに2ヶ月以上過ぎていますが、まさかこれほど入構規制が長引くとは思わず、解除されてからの案内を予定していたため、判断悪くこの時期になってしまいました。梅雨入りしてしまいました・・・


Twitter ・ Facebook

Twitter 平沢研究室アカウント FaceBook 平沢研究室ページ

アクセスカウンタ

7,916,432