Share
Embed
Transcript
62 slides
-
会社紹介 2011年よりクラウドインテグレーション事業を展開しております。熊本にはパブリッククラ ウドに特化した運用保守拠点を設置し、24時間体制で有人対応が可能です。近年ではデータ 分析・クラウドAIに注力しお客様のクラウド活用を推進しています。 会社名 株式会社ナレッジコミュニケーション 設立日 2008年11月 (創立2006年5月) 人数
34名 資本金 9,000,000円 代表者 代表取締役 奥沢 明 本社所在地 千葉県市川市相之川3-13-23 丸伝小川ビル3階 支社 熊本支社 主要取引先 日本マイクロソフト株式会社 トヨタ情報システム愛知株式会社 カルビー株式会社 認定 ・AWS ソリューションプロバイダー ・APNアドバンスドコンサルティングパートナー ・AWS Machine Learning コンピテンシー ・Amazon Redshift サービスデリバリープログラム ・AWS Well-Architected パートナープログラム ・Azure Gold コンピテンシーパートナー ・Microsoft Mixed Reality パートナー ・Microsoft Azure Advanced Specialization ・Databricksのソリューションパートナー セキュリティ プライバシーマーク取得 取り組み ・一般社団法人SCBラボ 理事 ・IoT ビジネス共創ラボ 幹事会社 -
沿革 2006 2007 2008 2009 2010 2011 2012 2013 2014
2015 2016 2017 2018 株式会社ナレッジコミュニケーション 設立 自社サービス基盤をパブリッククラウドに移行 クラウドインテグレーションサービス「ナレコムクラウド」提供開始 Microsoft Azure取扱い開始 / クラウド型機械学習提供サービス開始 IoTビジネス共創ラボ参画 / 熊本拠点(DevOps&RD)を設立 Microsoft HoloLensサービス提供開始 Databricks 公式パートナー認定 創業 学び総合サイト「学び&おけいこのナレコム」提供開始 2021 Advanced Specialization (専門領域認定) を Analytics の領域で取得 ※日本で2社のみ -
カルビー様 : データパイプラインの PaaS 化による新規サービスの立ち上げ ご支援事例:カルビー株式会社様 内容:AIサービスを活用した Azure 基盤構築 日本マイクロソフト事例ページ
: Data / AI に関わる広範囲な領域を データ分析から運用まで包括的にご支援が可能です ご支援可能なML-Ops / アーキテクチャ例 ナレッジコミュニケーションのお客様に対するご支援 • 成功する進め方がわからない • データサイエンティストが社内いない • AIの取組が運用に結びつかない • 事例とベストプラクティスをベースに推進 • Azure のサービスを利用を前提に構築 • MLOPSを前提にしたアーキテクチャ設計 データ / AI に関する一般的な課題 弊社の解決アプローチ 収集 → 加工 → 分析 → デプロイ → 運用 MLライフサイクルをベストプラクティスでご支援 https://customers.microsoft.com/ja-jp/story/1342733310061494540-calbee-consumer-azure-ja-japan -
メタバースとは? • インターネット上の仮想空間にアバターで参加し、他者とコミュニケーションすること • meta(超える、高次の)+ universe(世界、領域)の造語 • アメリカのSF作家が1992年に発表した小説「Snow Crash」(1992)に登場 •
バーチャルSNS:Second Life、VRChat、Cluster -
Society5.0におけるXRの位置づけ 可視化(AR) 自動化(ロボット) シミュレーション(VR) デジタルツイン センシング フィードバック ・位置情報 ・カメラ映像 ・視線
・環境マップ など ・環境情報 ・予測情報 ・認識結果 など サイバー空間 フィジカル空間 -
ARの定義 ARは次の3つの特徴を備えていなくてはならない [Azuma 1997] • 現実と仮想の組み合わせである • 実時間で動作する応答性を備えている • 三次元的に整合性が取れているものである
Ronald T. Azuma; A Survey of Augmented Reality. Presence: Teleoperators and Virtual Environments 1997; 6 (4): 355–385. doi: https://doi.org/10.1162/pres.1997.6.4.355 -
現実世界と仮想世界の位置合わせ • GPSを用いるロケーションベースAR • カメラを用いるビジョンベースAR • マーカー • マーカーレス(自然特徴) 2019,
https://youtu.be/XWbY5jdJnHg 2013, https://youtu.be/gZqcrcxEWKg -
自己位置推定(Odometry) • 内界センサを用いる • ジャイロセンサ、加速度センサ、地磁気センサ 目をつぶって歩数を数えて距離を測る • 外界センサを用いる • GPS
• モーションキャプチャ • カメラ(Visual Odometry) • LiDAR 外から観測できる もしくは 景色を見ながら歩いて距離を測る -
SLAM(Simultaneous Localization and Mapping) • リアルタイムに自己位置推定とマップ作成を同時に行うこと • SLAM = Visual
Odometry + Mapping + 最適化(バックエンド) SLAM VO -
SLAMの原理 1. マップの初期化 2. トラッキング 3. マッピング 4. Loop Closure
https://jp.mathworks.com/help/vision/ug/monocular-visual-simultaneous-localization-and-mapping.html -
Deep SLAM • End-to-End(2枚の画像を入力すると自己位置推定結果が出力される)の学習モデル W. Wang, Y. Hu and S.
Scherer, “TartanVO: A Generalizable Learning-based VO,” Conference on Robot Learning (CoRL), 2020. -
SLAM(カメラの位置推定&トラッキングとマップ作成) • 事前マップなしで自己位置推定とマップ作成を同時に行うこと(ARKitやARCore) ※フォトグラメトリ(SfM/Reconstruction)は、リアルタイムである必要がなく、異なるカメラや時間に撮影した画像群 からでも内部パラメータの推定~カメラ位置とマップを最適化 • ロストした場合、作成したマップから復帰(Relocalization、VPSと同じ原理) SLAM System 1.特徴抽出
2.特徴対応付け 短期間:特徴追跡 長期間:ループクロージャ フロントエンド マップ作成 バックエンド フレーム R,t -
現実世界と仮想世界の位置合わせ • VPSなし • アプリ開始位置またはARマーカーが基準座標 • アプリ開始位置から計測して、現実世界に合わ せて表示するのは困難 • 物理的なマーカーが必要、それに合わせて表示
• VPSあり • 事前にSLAMなどでマップ作成が必要 • 事前マップが基準座標 • 事前マップ上にコンテンツを配置 https://youtu.be/pFn11hYZM2E https://youtu.be/udoSz_UBUdc 2007, http://kougaku-navi.net/ARToolKit/ -
VPS比較表(2022年8月20日 更新) Spatial Anchors Immersal Pretia Geospatial API マップ作成 セッション内でスキャン
画像アップロード 専用スキャンアプリ Googleがスキャン 座標系 アンカーID マップID マップID グローバルマップ(経度緯度高度) iOS/Android 〇 〇 〇 〇 HoloLens2 〇 〇 × × Reloc API (画像をPOST、自己位置返す) × 〇 × × 屋内 〇 〇 〇 × 屋外 × 〇 〇 ◎(地球規模対応) コンテンツ配置 × × 〇 × Playback API × 〇 〇 〇 備考 ・アンカーを基準にオブジェク トを配置するためマップとの位 置合わせが面倒 ・マップがエクスポートできな いためどの領域を認識できるの か不明 ・アンカー位置の編集が不可能 (削除して再度配置) ・マップを基準にオブジェクトを配 置できる ・マップ作成には画像アップロード するだけ、カメラはなんでもOK、専 用スキャンアプリもある ・Reloc APIがあるためデバイスに依 存しない ・マップを基準にオブジェクト を配置できる ・マップ作成には専用のスキャ ンアプリが必要 ・専用のコンテンツオーサリン グツールやAR Playbackが用意 されている ・Googleがスキャンするため、スキャン する必要がない ・Googleがスキャンできないところでは 使用できない ・Googleがマップを更新するまで認識で きない場所が出てくるかも ・Reloc APIが出たら最強 -
Immersal x 3D Scanner App • 専用アプリで撮影(3D Scanner Appを使えばスキャンを確認しながら画像取得) •
画像とカメラ情報をImmersalにアップロードし、マップ作成 • ダウンロードしたマップ上にコンテンツを配置 • APIで画像をPOSTすると自己位置推定できる https://twitter.com/sotongshi/status/1431203787796926467 -
Pretia x ARサイネージ • 専用アプリで3Dスキャン • マップをダウンロードし、コンテンツを配置 • 専用アプリでコンテンツを配置する機能もある (3)
(1)スキャン (2)VRでシミュレーション (3)AR表示 https://twitter.com/sotongshi/status/1492760083503398915 -
Geospatial API x PLATEAU • Googleが事前にスキャンしている(地球規模対応w つよ • 経度緯度高度の指定だけでコンテンツが置ける •
精度はあまり良くない印象 https://twitter.com/sotongshi/status/1557003609019400194 -
Gachispatial API • 3D Scanner Appでスキャンし、画像特徴データベースを構築 • 特徴点の抽出と対応付けにはDeep Learningベースの手法(SuperPoint)を利用 •
画像とLiDARの点群の両方を利用したRGB-D SLAM • 画像をサーバーに送信し、自己位置を返すAPIを作成 -
Gachispatial API x 電動車いすの自動運転 • 事前マップを作成 • 事前マップ上に経路計画 • VPSにより初期位置推定し、自動運転
https://twitter.com/sotongshi/status/1168740395125075968