YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Japanese subtitles

← 02x-01 Office Hours Week 1

dummy description

Get Embed Code
2 Languages

Showing Revision 1 created 10/29/2014 by Udacity.

  1. 初めてのオフィスアワーへようこそ
  2. セバスチャン・スラン教授とCS373フォーラムの
    モデレータであるアンディーです
  3. 質問を講義内容に応じて分類し
  4. 後ほどその他の質問にお答えします
  5. 例えば教授の仕事に関することなどです
  6. 一番多く質問があった講義についての問題です
  7. sense関数について話したとき
    p_hitとp_missという乗数を導入し
  8. それぞれ0.6と0.2という値を割り当てました
  9. その数字はどこから来たのでしょうか
  10. これは説明したときに思いつきで入れた数字です
  11. 後に観測確率になりました
  12. まずその確率をプログラミングするまで
    それらについて言及したくありませんでした
  13. p_hitとは例えばドアの隣にいて
    実際にそれを感知する確率です
  14. p_missとはドアの隣にいながら
    それを感知していない確率です
  15. 実は4つの観測の組み合わせがあります
  16. ドアがあるという仮定の元で
    正しい観測をする確率と
  17. もしドアがないなら
  18. この2つの仮定の下で間違った観測をする確率です
  19. しかし計算には2つだけで十分です
  20. 次に仕事に関連する質問ですが
    実際はどうやって割り当てますか?
  21. この例では即興でやりましたけど
    本当にロボット自動車を設計する場合
  22. この値はどうやって決めますか
  23. 実験的にやりますか? もしくは
    センサのパラメータに基づいていますか?
  24. これにはいろいろな要点があり
    講義では取り扱う時間がありませんでした
  25. しかし私の著書ではその点にも触れています
  26. 多くはセンサに関係しています
  27. もしカメラを使うなら
    距離計の違うモデルを使いますし
  28. レーザ距離計をよく使います
  29. 距離を観測するレーザ距離計を使うなら
  30. p_hitやp_missの問題ではなくて
  31. ある位置である距離を観測する確率になります
  32. 第一の近似値は物理です
  33. センサの遠心力ノイズは何かを導くことができ
    それらを特性化できます
  34. でも物理だけを使うと
    実際の不確実性は捉えにくくなります
  35. ですからそのパラメータを調整するとき
    多くの場合は実験的にやります
  36. あるパラメータを試してみて
    どれが正しく機能するかを確認して
  37. 数式に合わせるように弱めることが多いです
  38. 次に多かった質問です
  39. 私たちが使う方法はロボットが
    すでに環境の地図を持つことに依存しますか?
  40. 確かに位置推定は地図に依存します
  41. これまで教えた内容も
    地図があることを前提にしています
  42. 自己位置推定と地図作成 略してSLAMという
  43. 位置推定と同時に地図を構築することに
    取り組む分野です
  44. まだ授業で取り上げていません
  45. 以上の2つが講義に関して最も多かった質問でした
  46. 本物の位置推定器では何を求めますか?
  47. ドアではありませんよね
  48. Googleの自動運転車がいい例になります
  49. Google Earthの地図とさほど変わらない方法による
  50. 道路地図が搭載されています
  51. またロボットカーのレーザカメラによって
    局所地図を作成します
  52. この局所地図は車線情報など
    グローバル地図と同じ特徴を持ちます
  53. 確率マッチング問題は局所地図とグローバル地図を
  54. 重ね合わせて最もマッチングする部分を探します
  55. xとy空間にての探索です
  56. 方位が少し違ってるかもしれないので
    ちょっとした方位空間の探索でもあります
  57. p_hitとp_missに取って代わる
    可能性のある関数は
  58. 今見ている局所地図をいかにグローバル地図と
  59. 一致させるかという相関関数です
  60. 正しい位置へ移動させればより正確に一致します
  61. その結果として確率も大きくなります
  62. 絶えず変化する道路状況、天気、日光条件などが
    ロボットカーの有用性に
  63. 大きく影響するのでは?という意見もありました
  64. それは非常にいい質問です
  65. ある程度の天候に関しては
    かなり対応できています
  66. 例えば雨が降ると
    道路の見た目がまったく変わります
  67. でもレーザ地図の全輝度の調整は
    1つの定数係数で調整が可能です
  68. しかし雪に完全に覆われた道路に対しては
    今のところ解決策はありません
  69. 雪の日は運転をしないことです
  70. カリフォルニア州では雪があまり降りませんからね
  71. 雪の日は自動運転装置を利用するなと指示します
  72. これは取り組むべき課題です
  73. 雪などの大きな変化がある場合は
    他の要素に頼らなければなりません
  74. 木々や建築物や岩などもあります
  75. 通常 雪は山で降るので
    山の構造が必要かもしれません
  76. そしてそれらの情報を
    システムに反映しなくてはなりません
  77. 皆さんは実際にロボットカーを作るのを
    楽しみにしているようです
  78. 費用に関する質問も出ました
  79. 費用が高すぎるのならば
    レゴでロボットカーを作ることはできますか?
  80. 買えるキットはいろいろあります
  81. レゴ・マインドストームでの実験も
    すばらしいことだと思います
  82. 低価格なロボットプラットフォームも
    市販されています
  83. でも自分の車の改造はお薦めできません
  84. ケーブルを切ったりすれば
    車の安全性が問題となります
  85. もし実際の車で作業するなら
    二度と手動で運転しないようにしてください
  86. 私たちも車の改造は行いました
  87. 電動操舵ブースタを運転モータに変える方法や
    復号について学びました
  88. 人間だけではなくコンピュータのコマンドでも
    運転できるようになります
  89. しかし大変かつ危険な作業なので
    ご自分ではやらないでください
  90. それよりもレゴ・マインドストームなどを買って
    遊んでください
  91. 同じことをレゴのセットで勉強することができます
  92. レゴのロボットを家の中で移動させられたら
    すばらしいことです
  93. 最後の質問は特にロボット工学と人工知能に
    熱心な人たちのためです
  94. この分野に携わるためには
    受講後にどうすればいいですか?
  95. まずはこの講義を受講しましょう
  96. ご存じのとおり優秀な生徒の履歴書を
    様々な会社へ提出してきました
  97. Amazon、Twitter、Facebook、Googleなどです
  98. これは1つの手段ですが
  99. 誰にでもというわけにはいきません
  100. 私の場合はプログラミングできる
    多くの玩具を持っていました
  101. コンピュータも持っていましたし
  102. ドイツでの子供時代には
    組み立てできるキットで遊んでいました
  103. そして本当の科学者になって
  104. 論文を発表し始めました
  105. また未解決の問題にも取り組み
  106. 詳しく調べて寄稿できるかどうかを確かめました
  107. 22歳の時 大規模な会議で
    初めての大論文を発表しました
  108. そしてこの分野に足を踏み入れ
    夢中になったのです
  109. この分野の技術が必要されている場は
    多数あります
  110. 追跡問題や推測問題もそうです
  111. ロボットを買うことができなくても
  112. 台所にWebカメラを置き
    自分の料理を追跡できます
  113. それは誰でも同じ技術を用いてできます
  114. 例えばコックが時々
    湯を煮こぼしてコンロをぬらします
  115. これを防ぐシステムを作れますか?
  116. これも同じ技術を使うロボットの任務です
  117. もし成功したら
    新規事業を始められるかもしれません
  118. 協力してくれる人が現れたり
  119. 教授に見せて気に入ってもらえたら
    会議で発表できるかもしれません
  120. 様々な方法でこの分野に関われます
  121. 創造力を発揮してください
  122. ロボット研究者としての考え方を
    この講義で学ぶことができます
  123. 発想を学んでほしいのです
  124. また皆さん自身がプログラミングするのを
    楽しみにしています
  125. 私の学生時代はそれができませんでした
  126. 去年の講義でもまだ無理でした
  127. 自分のロボットカーを乗り回すことは
    まだできませんが
  128. ロボットシミュレータで試せるようになるのが
    今後の目標です
  129. でも購入できるものもいろいろあります
  130. 例えば携帯電話についているカメラは重要です
  131. 画像を使って携帯電話で
    位置推定ができます
  132. もしうまくいけば会社を立ち上げ
    主要事業者に売ることもできます
  133. さらなる技術開発の余地がありますし
  134. ロボット研究者として発想し
  135. 面白い問題を解決できる技術はたくさん存在します
  136. ありがとうございました
  137. どうもありがとう