RoboCup2019 Sydney

• Our team description is here​.
• The files for Technical Challenge are ...

MPSの認識には画像の強化学習プログラムを使用しました。

We used an image reinforcement learning program to recognize MPS.

使用した技術は、CNNの画像認識を使用した。

The technology used is CNN ofimage recognition.

CNNはconvolution Neural Networkという略称です。

CNN is an abbreviation for convolution Neural Network.

(名前の通り)通常のNeural NetworkにConvolutionを追加したものです。

It is an addition of Convolution to a normal Neural Network.

使用するライブラリはcaffeです。

The library to use is caffe.

caffeはCNNを使用したオープンソースのライブラリです。

caffe is an open source library using CNN.

caffeは学習時に高速動作、GPU対応　特化したアーキテクチャ・ソースコードなど の利点があります。

caffe has advantages such as high-speed operation, GPU support,

specialized architecture source code, etc. during learning.

ロボットを動作させながらリアルタイムで推論をすることができる。

Inference can be made in real time while operating the robot.

NVIDIA JetsonはGPU で高速化された並列処理用 ビジュアル コンピューティング プラットフォームです。

NVIDIA Jetson is a GPU-accelerated visual computing platform for parallel processing.

使用した学習データは、各４種類のMPSで２００枚です。

The training data we used is 200 sheets for each of the four MPSs.

合計は２００×４＝８００枚です。

The total is 200 × 4 = 800 sheets.

学習が正しいかを評価するためにテストデータは各200枚です。

The test data is 200 pieces each to evaluate whether the learning is correct.

合計は800枚です。

The total is 800 sheets.

データを元に25000回学習させる。

Learn 25,000 times based on the data.

プログラムはMPSの近い範囲内でMPSを認識することができる。

The program can recognize MPS within the near range of MPS.

ロボットの動き方を説明します。

Explain how to move the robot.

はじめにレーザーレンジセンサを使用して障害物を認識する。 First of all, an obstacle is recognized using a laser range sensor. 次に障害物に近くに移動する。 Then move closer to the obstacle. MPSとの距離が１０cmに止まる。 The distance to MPS stops at 10 cm. caffeを使用しMPSを認識する。 Recognize MPS using caffe.