AI in USE !

Artificial Intelligence in Utsunomiya university School of Engineering !

有機系材料・デバイスで完全自動運転の未来を拓く

物質環境化学コース
研究室名:有機光デバイス(杉原)研究室
教員名:杉原 興浩

自動運転システムにおいて根幹となる技術は、AIが車の制御に関わる全ての判断を行うということです。そのために、自動車内外の膨大なデータをセンサー(カメラ、レーダー、ライダーなど)が取得し、遅滞なくAIに送信しなければなりません。この多数のセンサーとAI間の情報を送受信する役割を担っているのが、光ファイバーです。また、センサーデバイスの一つにライダーがあり、シリコン集積光回路と高機能ポリマーを組み合わせることで、超小型高性能ライダーを実現できます。

当研究室では、有機材料を用いた光ファイバーやライダーデバイスの研究を行っており、完全自動運転(レベル5)の未来を拓きます。

音が鳴ります。ご注意ください。

ビッグデータ解析による植物の幹細胞化過程における細胞運命ダイナミクスの解明

(ショートバージョン:ビッグデータ解析による植物幹細胞化メカニズムの解明)

物質環境化学コース
研究室名:生命分子光学研究室
教員名:玉田 洋介

植物は動物に比べて幹細胞化しやすいことが知られていますが、どのようなDNAの働きが植物の高い幹細胞化の能力を支えているかについてはよく分かっていません。私たちは、幹細胞化過程の植物における全ての遺伝子の働きを「ビッグデータ」として取得して解析することで、幹細胞化過程の細胞運命のダイナミクスを捉えることに成功しました。こうしたビッグデータ解析にAIを組み合わせることで、植物の幹細胞化メカニズムをより詳細に解明したいと考えています。

音が鳴ります。ご注意ください。

ディープラーニングに基づく双腕型ロボットによる物体ハンドリング

機械システム工学コース
研究室名:知能ロボット・システム工学研究室
教員名:星野 智史

双腕型のロボットは,人間社会で我々と共に働くことのできる可能性を有しています.これまでのロボットは,センサを使って物体までの距離を計測し,それを数理モデルへ入力することで対象となる物体のハンドリング(取り扱い)を行っていました.一方我々の研究室では,最先端の人工知能技術である「ディープラーニング」に着目し,これをロボットによる自律的な物体ハンドリングに応用しています.人間は,物体までの詳細な距離が分からなくとも,なんとなく目で見た物を手にとることができます.この人間が持つ視覚運動メカニズムを,ディープラーニングを通じて近似的に表現できれば,例えば工場などで人とロボットによる共同作業が実現するはずです.

パーソナルモビリティを脳波で操縦するためのBrain-Machine-Interface

機械システム工学コース
研究室名:知能ロボット・システム工学研究室
教員名:星野 智史

脳からの信号(脳波)を用いて機械を動かすための仲介装置となるのがBrain-Machine-Interface(BMI)です.我々の研究室では,個人用のコンパクトな乗り物として,パーソナルモビリティを開発してきました.そして,搭乗者がこのモビリティを脳波で操縦するためのBMI研究に取り組んでいます.ただし,計測された脳波には様々なノイズが含まれているため,そのまま操縦に用いることはできません.そこで,BMIにディープラーニング技術を適用します.ディープラーニングでは,操縦に必要なデータのみを特徴量として取り出すことができます.我々は,機械・ロボット工学,人工知能,脳神経科学等の分野から,本研究課題に対して領域横断的にアプローチしています.

力学的な運動生成と人工知能

機械システム工学コース
研究室名:システム力学研究室
教員名:吉田 勝俊,山仲 芳和

ヒトや機械の複雑な運動をモデル化するために,AI技術を応用しています.例えば,バランスを保とうとするヒトのふらつきをモデル化できると,高齢自転車のふらつきを自動車の車載AIに予測させることができます.このようなヒトのふらつきは,不規則性が極めて強く,通常の方法ではモデル化することができません.我々の研究室では,代表的なAI技術である深層学習や粒子群最適化を応用することで,こうしたふらつきの確率分布を,極めて高い精度(モデル適合度95%超)で予測することに成功しました.

人工知能を利用したMRIの撮影時間短縮と画像の高品質化

情報電子オプティクスコース
研究室名:伊藤・山登研究室
教員名:伊藤 聡志

MRIは、人間の体内を安全に撮影できる医用画像診断装置です。癌や脳卒中など様々な病気を発見できますが、撮影に時間がかかるため、患者は数十分にわたって安静を余儀なくされます。このように撮影時間の短縮がMRIの課題となっています。この撮影時間を短縮化する方法として数理学的なアプローチが研究されています。撮影時間を短縮すると画像が乱れますが、画像データが本来持っている性質を使うと数理学的な処理を使用して画像の乱れを取り除くことができます。画像の乱れは、これまで計算機で時間をかけて取り除く方法が一般的でした。私たちは、人工知能(AI)を導入することにより迅速かつ効果的に画像の乱れを取り除く方法の研究を行っています。AIにたくさんの画像データを学習させることにより、これまでの30%の撮影時間でも、短縮しない場合と同程度の画像が得られるようになりました。今後、画像診断装置には、AIの導入と普及が進むものと期待されます。

AIを活用した自動車制御システムの数式モデル構築

情報電子オプティクスコース
研究室名:平田研究室
教員名:平田 光男

自動車の制御システム開発では,モデルベース開発と呼ばれる手法が主流となりつつあります。これは,自動車の特性を表す数式モデルをコンピュータ上に構築し,試作や実験をできるだけ減らしながら,コンピュータシミュレーションによって自動車の制御系を効率的に開発しようとするものです。本研究では,この数式モデルにある多数のパラメータを,ニューラルネットワークなど,AIを活用して自動的に求めることを目指しています。

笑うAI: 社会的にふるまうエージェントの研究

情報電子オプティクスコース
研究室名:森大毅研究室
教員名:森 大毅

アンドロイドやAIスピーカーなど、人と音声で会話する機械はずいぶん身近なものになりました。彼女らの合成音声の自然さに驚いた人も多いでしょう。

でも、彼女らは笑わないのです。なぜでしょうか。それは、会話における笑い声の性質や役割の解明、そして機械による実現のためには、数多くの理論的・技術的問題を解決しなければならないからです。

私たちは、これからの機械が備えるべき社会的ふるまいとして、笑い声の合成を研究しています。囲碁AIなどで世界的に有名な DeepMind が発明した深層学習モデル WaveNet を世界で初めて笑い声の合成に応用するなど、夢のAIを目指した先端的研究に取り組んでいます。

WaveNetによる波形生成 ("WaveNet: A generative model for raw audio" より)

Total Page Visits: 198 - Today Page Visits: 12