# 全体スライド 内容 :+1:
> [time=Mon, Aug 5, 2019 7:10 PM]
> [TOC]

## iOtProject
- ディスプレイ上の３Dキャラクタや、実環境で動作する模型玩具を、クラウド上で運用される人工知能機構から操作する技術の開発とそのビジネス化を対象とした、オープンプロジェクトである。

## 目的
- 身体性を持つロボットの制御系を作る
- タスクに必要なデータを認識し、現実世界から収集することができる
- 集めたデータを機械学習技術等を使いモデル作成
- モデル化した結果をタスクの効率改善に用いる
- これらの３要素を自律的に行う
- これらを生物的認知機能とよぶ

### 補足説明
- 生物の持つ機能を実現したい
- この世界で「生き残る」ロボット

生き残るロボットとは
※ 最上位のjob（生き残りたい）はあらかじめ定められていると仮定する
- 人間のように、置かれた環境の認知に基づいて何をすべきかを思考し，動作するAIの構造（知能アーキテクチャ）の策定
- 「生き残るための手段」を強化学習的に学習できるのでは？
- ここでは何層にも学習のレイヤーが備わっている
- 層構造を再現してみることでこの事実を確認したい
<!-- - それを通して汎用人工知能に至る -->
<!-- - 認知機構
- ~~認知機能とは、観測した実世界のデータから法則性や因果関係、問題定義ができる機能~~
- -->
<!-- - 汎用人工知能は手段 -->

## メリット的な
- 現在よりも汎用性が高まる
- 生物の起源の解明につながるかも
- **人間とのスムーズなコミュニケーションが実現する**
- コミュニケーションロボットが発展しきらない要因はこれ
- 実現できればウハウハみが深い

<!-- - 汎用人工知能
- 付加価値が高まる -->
<!-- - 人工知能をはじめとするIT技術の発展、および、IoTで典型的にみられる、IT技術の適用対象の拡大が、急速に進んでいる
- IT技術の適用対象の拡大に伴い、様々な課題に適用可能な汎用人工知能への関心が高まっている -->

<!-- ## 汎用人工知能 -->
<!-- - 従来：個別のタスクを解決するようなシステム
- ↓
- さまざまな特定タスクを学習によって実行できるようになるような一般的な仕組み -->
<!-- - 現状，汎用人工知能は存在しない
- 理由としては，問題定義やデータ収集など人の手が必要な部分がある
- 現状の機械学習技術のほとんどは特定のタスクに特化している為、特化型のAIが多い -->

<!--## 知能アーキテクチャ
- 認知機構
- 知識獲得・蓄積
- 行動決定機構
- 最上位のjobを達成するために思考するところｗ
- ”生き残りたい”
-->
<!-- ## 環境の認知(認知機構)
- 認知する対象：
- object identification
- 自分とobjectの法則性・関係性
- 前提として自身の状態を認知している必要あり
- object同士の法則性・関係性
-
- 最初は自分vs他の主観的な認知からはじまる
- 主観的な認識をもとに、客観的な認識を行う

## 認知に基づく行動(行動決定機構)
1. 取得した特徴を判断材料として、行動の目標を決定する
1. 過去の記憶も基にする

帰納的な -->
## 目標

- ロボットの開発
- エッジコンピューティング
- MAGIの開発
- ロボットにやらせる適切なタスクの設定
- 生物的認知機能を含む単純なタスクを設定する
- タスク：何らかの達成すべき目標
-> モノ探し
- 方式の検討
- 階層型強化学習に注目
- 一般化
- より複雑なタスクで方式を検討

## 開発するロボットと開発環境

## ものさがしタスク
- 層構造の検証にものさがし
- 強化学習と実ロボットを組み合わせた知能アーキテクチャの検討
~何でやるのか？ 自動的に手順を考えられるものを目指したいから~
- 自動的に手順を考えるロボットをまずは目指したい
- ビデオカメラを用いて、手順を考えさせたい

## 階層型強化学習方式
- 物探しを実現する例のひとつとして説明したいね

メモ
- 二層ができれば多層もできる
- 層構造によって性能が上がることを証明したい
- さらに，層を自動構築できるようになれば神と化す
- ロボットを制御する人工知能を開発
- 階層型強化学習を用いたロボット制御機構
<!-- - 戦略を考える系と、言語処理をつなげていきたい
- 戦略と言語処理をつなげた仕組みを用いて、開発を行いたい
- 他の研究者も巻き込みたい -->

<!-- ## 強化学習
今現在のAIのほとんどは特化型である
- 最終目標：人工知能の開発
- 必要と思われる機能
- データを能動的に収集する機能
- 収集したデータからタスクにあったシミュレーターを自動生成、学習してタスクに利用できる機能
- 認知機能を搭載したロボットの開発 -->

<!-- ## ロボットが必要な理由
- 身体性
- 実環境はあまりにも複雑　
- 実環境の複雑な状況を再現するシュミレータは実現不可能なので実環境下でやるしかない
- しょうがないから実環境から必要事項のみ抽出して試すわ -->

<!-- ## 実装
- 実装したいけど処理が重くて厳しみの深みが強い
- 実装における一般的な問題点 -->

## 各メンバーのPosition
- 図

## 要素技術の説明
### 自律移動ロボット
- GoPiGo3
- LIDAR
- ナビゲーション
### ROS
- Navigation Stack
### Infrastructure

<!-- - GoPiGo3
- LIDAR
- LIDAR自体の説明
- GoPiGo3に搭載する理由についても説明
- ROS
> 通信の仕方とかも説明(死ぬほど簡単に)
> ROSネットワークによる分散処理アーキテクチャが本プロジェクトのアプローチに適してるわーい
- ~~Tensorflow~~
- 強化学習
- 階層型強化学習
> 行動計画を行う層と行動の学習を行う層が分かれる
- ロボットナビゲーション
- SLAM技術とか
- 自律移動に関する説明
- ROSのナビゲーションについて
- クラウドコンピューティング
- エッジコンピューティング
- AIoT
- AIとIoTを組み合わせた概念
- AIとIoT技術を組み合わせた研究や開発について説明する時に用いる -->

---

## 今後の予定と現状

### やる事
プロジェクトにおいて
* iOtProjectでの具体的なアウトプットは何にしたい？
* 研究として何を成果にしたい？
* 開発としては何を成果にしたい？

## 参考資料
https://manage.iotaku.jp/uploads/store/file/1/position.pdf

7月OCポスター
https://drive.google.com/file/d/11FpNDSkWb41BYu7IXZoqYuINxz06Oku1/view?usp=sharing

7月OCの写真フォルダ
https://drive.google.com/drive/folders/1CMMsmb03XEc46DZcYX64JDsPXVofs9_d?usp=sharing