Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
侵入者の特性を考慮した相互情報量に基づく巡回経路の評価 / Evaluation of patrol route based on mutual information considering characteristics of intruders
Search
konakalab
August 29, 2023
Science
0
58
侵入者の特性を考慮した相互情報量に基づく巡回経路の評価 / Evaluation of patrol route based on mutual information considering characteristics of intruders
令和五年度 電気・電子・情報関係学会 東海支部連合大会で発表したスライドです.
konakalab
August 29, 2023
Tweet
Share
More Decks by konakalab
See All by konakalab
作業領域内の障害物を回避可能なバイナリマニピュレータの設計 / Design of binary manipulator avoiding obstacles in workspace
konakalab
0
80
様々な侵入者タイプに対応した適切な警備計画の策定 / Patrol route design considering various types of intrudes
konakalab
0
57
カーネル密度推定を用いた侵入者のモデルの構成 / Construction of criminal models using kernel density estimation
konakalab
0
51
スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)
konakalab
1
720
Design of three-dimensional binary manipulators based on the KS statistic and maximum empty circles (IECON2023)
konakalab
0
230
障害物を回避する バイナリマニピュレータの軌道の設計 / Design of binary manipulator trajectories avoiding obstacles
konakalab
0
96
Scoring probability model based on service landing location and ranking points in men’s professional tennis matches
konakalab
0
170
ロボットシステム講義資料 / Lecture note: "Robot system"
konakalab
0
110
進化計算を用いた三次元バイナリマニピュレータの設計 / Design of Three-Dimensional Binary Manipulator Using Genetic Algorithm
konakalab
0
230
Other Decks in Science
See All in Science
Endocannabinology 101
drbonci
PRO
0
250
qeMLパッケージの紹介
bob3bob3
0
970
BigQueryで参加するレコメンドコンペ / bq-recommend-competition-kaggle-meetup-tokyo-2023
shimacos
1
1.3k
Presenting Effectively with Data (in a Hurry)
thomaselove
1
250
Machine Learning for Materials (Lecture 4)
aronwalsh
0
680
データで課題を解決する -因果関係を調べる統計的因果推論-
sshimizu2006
4
1.3k
[NeurIPS 2023 論文読み会] Wasserstein Quantum Monte Carlo
stakaya
0
360
最新のAI技術を使った材料シミュレーションで材料研究現場に変革を
matlantis
0
460
「国と音楽」 ~spotifyrを用いて~ #muana
bob3bob3
2
330
名古屋市立大学データサイエンス学部 夏のオープンキャンパス模擬授業20230818
ncu_ds
0
1.1k
A Theory of Scrum Team Effectiveness 〜『ゾンビスクラムサバイバルガイド』の裏側にある科学〜
bonotake
13
5.1k
OptimizationNight~機械学習と数理最適化の融合~
hidenari
0
300
Featured
See All Featured
The Power of CSS Pseudo Elements
geoffreycrofte
61
5k
Web development in the modern age
philhawksworth
203
10k
GitHub's CSS Performance
jonrohan
1025
450k
StorybookのUI Testing Handbookを読んだ
zakiyama
13
4.6k
Mobile First: as difficult as doing things right
swwweet
217
8.6k
10 Git Anti Patterns You Should be Aware of
lemiorhan
649
58k
The Illustrated Children's Guide to Kubernetes
chrisshort
32
46k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
242
1.2M
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
126
32k
The Invisible Side of Design
smashingmag
294
49k
Debugging Ruby Performance
tmm1
70
11k
Why Our Code Smells
bkeepers
PRO
331
56k
Transcript
侵入者の特性を考慮した 相互情報量に基づく 巡回経路の評価 坂倉健太* 小中英嗣 名城大学大学院 理工学研究科 情報工学専攻 令和五年度 電気・電子・情報関係学会
東海支部連合大会
研究背景 ➢ 警備ロボットの巡回警備の実用化 https://www.knightscope.com/k5/ 警備の自動化 警備員の負担の軽減・警備の質の向上 警備員の代わりに警備ロボットを導入
➢ 巡回警備の目的:火災・不審者・事故の早期発見と拡大防止 研究背景 これらの事象を総称してインシデント ➢巡回警備の考慮すべき点: ➀巡回経路が単一の経路 ➁訪問間隔が長い地点が 存在する 侵入者によって ➀経路が予測される
➁インシデントの発生 が容易となる
➢ 本研究の目的: 研究背景 • 訪問間隔を警備の一周毎に変化させる手法の提案 • 警備ロボットの訪問間隔を観測しインシデントを起こす侵入者のモデル化 本研究の提案手法を相互情報量に基づいて評価し 単一の巡回経路との比較を行う
➢ 巡回警備の条件: • 地図上での全ての通路を少なくとも一回は通る • 経路の始点と終点が同じ CPP(中国人郵便配達問題) CPPに帰着 地図が無向グラフ ➢
CPP(中国人郵便配達問題): 無向グラフの全ての道を少なくとも一度通り、出発点に戻る経路 のうち総経路長が最小のものを求めるグラフ問題
1. 地図を無向グラフに変換 2. 最小重み最大マッチングを用いた多重グラフの生成 3. 多重グラフに対してオイラー回路を求める CPPの解法
地図上の通路を辺、通路同士の交差点を頂点、頂点間の距離を辺の重み 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 1.0 2.0 地図を無向グラフに変換 与えられた元の地図 変換した無向グラフ
1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 • 次数(頂点に繋がっている辺の数)が奇数の頂点間のみで 最小重み最大マッチングを求める ➢ マッチング 次数が奇数の頂点6個を2個ずつ の三組に分ける 最小重み最大マッチングを用いた多重グラフの生成
1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 • 次数(頂点に繋がっている辺の数)が奇数の頂点間のみで 最小重み最大マッチングを求める ➢ マッチング 次数が奇数の頂点6個を2個ずつ の三組に分ける 最小重み最大マッチングを用いた多重グラフの生成 マッチングは15通り存在
1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 ➢ 結果 • マッチング:(1,2) (4,9) (6,7) • マッチングの重みの総和:4.0 最小重み最大マッチングを用いた多重グラフの生成
1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 ➢ 結果 • マッチング:(1,2) (4,9) (6,7) • マッチングの重みの総和:4.0 最小重み最大マッチングを用いた多重グラフの生成 15通りの中で最小のもの
1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 ➢ 結果 • マッチング:(1,2) (4,9) (6,7) • マッチングの重みの総和:4.0 最小重み最大マッチングを用いた多重グラフの生成 15通りの中で最小のもの ➢ 最小重み最大マッチング: 重みの総和が最小となるマッチング
• 元のグラフにマッチングを追加し多重グラフを生成 • 多重グラフ 最小重み最大マッチングを用いた多重グラフの生成
• 元のグラフにマッチングを追加し多重グラフを生成 • 多重グラフ 最小重み最大マッチングを用いた多重グラフの生成 全ての頂点の次数が偶数
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路 ➀
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路 ➀ ➁
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路 ➀ ➁ ③
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路 ➢ 問題点 単一の経路なため巡回経路を予測される ➀ ➁ ③
多重グラフに対してオイラー回路を求める ➢ オイラー回路を求め巡回経路を生成: 地図上での全ての通路を少なくとも一回は通る、最短の経路 ➢ 問題点 単一の経路なため巡回経路を予測される ➀ ➁ ③
➢ 提案手法: 最小重み最大マッチングに着目し、 前の周と異なる複数の巡回経路を生成
提案手法の概要 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 2.0 16.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 マッチングをランダムで一つ選択
提案手法の概要 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 2.0 16.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 重みを非常に大きな値に変更 マッチングをランダムで一つ選択
提案手法の概要 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 16.0 ➢ 結果: • マッチング:(1,7) (2,6) (4,9) • 次数が奇数の頂点間のみで最小重み最大マッチングを求める
提案手法の概要 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0 1.0 16.0 ➢ 結果: • マッチング:(1,7) (2,6) (4,9) • 次数が奇数の頂点間のみで最小重み最大マッチングを求める (6,7)を選ばないマッチング • マッチングの重みの総和:6.0
提案手法の概要 新しく生成された経路 前の周の経路 ➀ ➀
提案手法の概要 新しく生成された経路 前の周の経路 ➀ ➀ ➁ ➁
提案手法の概要 新しく生成された経路 前の周の経路 ➀ ➀ ➁ ➁ ③ ③
提案手法の概要 新しく生成された経路 前の周の経路 ➀ ➀ ➁ ➁ ③ ③ 提案手法によって生成される
巡回経路は 一周毎に変化している
侵入者モデル ➢ 侵入者がインシデントを発生させるのに要する時間 𝑇𝑐 を設定 𝑇𝑐 間警備ロボットが来ないと確信 侵入者は目的の辺で警備ロボットの 訪問間隔時間を観測し続ける 侵入者が目的の辺でインシデントを発生
観測
侵入者モデル 𝑇𝑐 = 500 観測 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙
∆𝑡 > 𝑇𝑐 ∆𝑡𝑖 = {400,500,800,150} ∆𝑡𝑖 :𝑖番目の訪問間隔時間 𝑆 ∊ { 𝑆𝑠 , 𝑆𝑙 }:状態 𝑇𝑐 :インシデント発生に要する時間 侵入者モデル 𝑺𝒊 から𝑺𝒊+𝟏 を予測 𝑆𝑖 = { 𝑆𝑠 , 𝑆𝑠 , 𝑆𝑙 , 𝑆𝑠 }
侵入者モデル 𝑇𝑐 = 500 観測 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙
∆𝑡 > 𝑇𝑐 ∆𝑡𝑖 = {400,500,800,150} ∆𝑡𝑖 :𝑖番目の訪問間隔時間 𝑆 ∊ { 𝑆𝑠 , 𝑆𝑙 }:状態 𝑇𝑐 :インシデント発生に要する時間 𝑺𝒊 から𝑺𝒊+𝟏 を予測 𝑆𝑖 = { 𝑆𝑠 , 𝑆𝑠 , 𝑆𝑙 , 𝑆𝑠 } ➀ ➀ 侵入者モデル
侵入者モデル 𝑇𝑐 = 500 観測 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙
∆𝑡 > 𝑇𝑐 ∆𝑡𝑖 = {400,500,800,150} ∆𝑡𝑖 :𝑖番目の訪問間隔時間 𝑆 ∊ { 𝑆𝑠 , 𝑆𝑙 }:状態 𝑇𝑐 :インシデント発生に要する時間 𝑺𝒊 から𝑺𝒊+𝟏 を予測 𝑆𝑖 = { 𝑆𝑠 , 𝑆𝑠 , 𝑆𝑙 , 𝑆𝑠 } ➀ ➀ ➁ ➁ 侵入者モデル
侵入者モデル 𝑇𝑐 = 500 観測 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙
∆𝑡 > 𝑇𝑐 ∆𝑡𝑖 = {400,500,800,150} ∆𝑡𝑖 :𝑖番目の訪問間隔時間 𝑆 ∊ { 𝑆𝑠 , 𝑆𝑙 }:状態 𝑇𝑐 :インシデント発生に要する時間 𝑺𝒊 から𝑺𝒊+𝟏 を予測 𝑆𝑖 = { 𝑆𝑠 , 𝑆𝑠 , 𝑆𝑙 , 𝑆𝑠 } ➀ ➀ ➁ ➁ ③ ③ 侵入者モデル
侵入者モデル 𝑇𝑐 = 500 観測 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙
∆𝑡 > 𝑇𝑐 ∆𝑡𝑖 = {400,500,800,150} ∆𝑡𝑖 :𝑖番目の訪問間隔時間 𝑆 ∊ { 𝑆𝑠 , 𝑆𝑙 }:状態 𝑇𝑐 :インシデント発生に要する時間 𝑺𝒊 から𝑺𝒊+𝟏 を予測 𝑆𝑖 = { 𝑆𝑠 , 𝑆𝑠 , 𝑆𝑙 , 𝑆𝑠 } ➀ ➀ ➁ ➁ ③ ③ 相互情報量 侵入者モデル
評価指標 𝐽 = σ𝑒∈𝐸 𝐼𝑒 𝑆𝑖+1,𝑆𝑖 𝐸 (1) 𝐼𝑒 𝑆𝑖+1
, 𝑆𝑖 = 𝐻 𝑆𝑖+1 − 𝐻 𝑆𝑖+1 𝑆𝑖 (2) 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙 ∆𝑡 > 𝑇𝑐 E:グラフの辺集合 𝐼𝑒 𝑆𝑖+1 , 𝑆𝑖 :辺𝑒の状態𝑆𝑖+1 と𝑆𝑖 の相互情報量 評価指標 J :警備ロボットの訪問間隔の予測しづらさ 𝑃 𝑆𝑖+1 = 𝑆𝑙 ȁ𝑆 𝑖 = 𝑆𝑠
評価指標 𝐽 = σ𝑒∈𝐸 𝐼𝑒 𝑆𝑖+1,𝑆𝑖 𝐸 (1) 𝐼𝑒 𝑆𝑖+1
, 𝑆𝑖 = 𝐻 𝑆𝑖+1 − 𝐻 𝑆𝑖+1 𝑆𝑖 (2) 𝑆𝑠 ∆𝑡 ≤ 𝑇𝑐 𝑆𝑙 ∆𝑡 > 𝑇𝑐 E:グラフの辺集合 𝐼𝑒 𝑆𝑖+1 , 𝑆𝑖 :辺𝑒の状態𝑆𝑖+1 と𝑆𝑖 の相互情報量 評価指標 J :警備ロボットの訪問間隔の予測しづらさ 𝑃 𝑆𝑖+1 = 𝑆𝑙 ȁ𝑆 𝑖 = 𝑆𝑠 Jの値は侵入者に与える情報量が 大きいほど大きくなり、 訪問間隔時間が乱雑であると言えるので 大きい方が望ましい
数値実験 ➢ 評価する巡回経路 (1) 本研究の提案手法で生成する巡回経路 (2) CPPの解法で生成する単一の巡回経路 ➢ 実験条件: •
それぞれ100周分の巡回経路を生成 • ロボットの速度を1 [m/s] • 𝑇𝑐 = 800𝑠 実験で使用する無向グラフ
数値実験 各辺の𝑆𝑖+1 と𝑆𝑖 の相互情報量 (1) 本研究の提案手法で生成する巡回経路
数値実験 (1)の J の値0.7068 各辺の𝑆𝑖+1 と𝑆𝑖 の相互情報量 (2)の J の値0.0
(1) 本研究の提案手法で生成する巡回経路
数値実験 (1)の J の値0.7068 (2)の J の値0.0 各辺の𝑆𝑖+1 と𝑆𝑖 の相互情報量
(2) CPPの解法で生成する単一の巡回経路
数値実験 (1)の J の値0.7068 各辺の𝑆𝑖+1 と𝑆𝑖 の相互情報量 (2)の J の値0.0
(1) 本研究の提案手法で生成する巡回経路 提案手法によって生成される 巡回経路は訪問間隔が多様で 侵入者の予測を難しくしている
まとめ・今後 • まとめ ➢ 本研究では訪問間隔を警備の一周ごとに変化させる手法の提案と侵入者の モデル化をした ➢ 訪問間隔時間の相互情報量からCPP の解である単一の経路に比べ本研究の提 案手法によって生成される巡回経路は侵入者の予測を難しくすることが分
かった • 今後 ➢ 侵入者のモデル化をより具体的にする