Preferred RoboticsPreferred Roboticsは、自律移動ロボットの開発・製造・販売をおこなう、Preferred Networks (PFN)のグループ会社です。PFNの機械学習・深層学習技術を応用し、さまざまな用途の自律移動ロボットを提供していきます。
日本は“AI後進国”なんかじゃない。世界に誇る深層学習技術 ── Preferred Networksが「全自動お片付けロボット」を発表 | Ledge.ai
10月15日、Preferred Networksが「全自動お片付けロボット」を発表。技術博覧会CEATEC JAPAN 2018にてその実物を披露しました。 このロボットは、「これを、あそこに運んで」といった人間の指示を理解し、部屋のなかに散らかった洋服やおもちゃなどといった物体を認識、対象をアームで掴み指示された場所へ運ぶことができます。 それだけでも驚きなのですが、じつは中身には世界と肩を並べるほどの、日本の高度な技術が詰め込まれています。 その技術力の高さはまさに、“AI後進国”というレッテルを吹き飛ばすほど。 「全自動お片付けロボット」には、日本産の深層学習技術が詰まっている10月16日CEATEC初日、Ledga.ai編集部では、実際に披露された様子を取材しました。
新たなAIエッジデバイス連合が登場、日立とファナック、PFNが新会社設立
ファナックと日立製作所、PFNの3社は、エッジデバイスにAI技術を活用したインテリジェントエッジシステムの開発を目指し、2018年4月2日付で合弁会社を設立する。新たなエッジ領域での情報基盤の開発を行う。 ファナックと日立製作所、Preferred Networks（PFN）の3社は2018年1月31日、エッジデバイスにAI技術を活用したインテリジェントエッジシステムの開発を目指し、2018年4月2日に合弁会社を設立すると発表した。 インテリジェントエッジシステムとは、クラウドと工作機械、産業機械、ロボットなどのエッジデバイスとの中間層においてAIを活用し、定時性を持ったリアルタイム制御を実現するシステムである。 新会社では、ファナックの工作機械やロボットに関する技術とノウハウ、日立製作所の製造現場における制御技術をはじめとしたOT（制御技術）およびIT（情報技術）の知見、そしてPFNのデ
「コンピューターサイエンスのすべての分野に精通していること」という応募資格に込めた想い | Preferred Research
※PFNの募集要項は、本ブログの内容をふまえ、適切に意図が伝わるよう一部更新しました PFN代表の西川です。 今回は、SNS上でもたびたび話題（炎上？）になっているPFNの応募資格について、改めてご紹介したいと思います。 PFNの採用募集ページに書かれたリサーチャーの条件には、「コンピュータサイエンスのすべての分野に精通していること」という一文があります。この条件は、PFIの時から、リサーチャーの応募資格として常に掲げてきました。 その背景にある想いは、コンピュータサイエンスの研究をする上では、一つの分野だけでなく、幅広い分野について深い知見を有することが極めて重要である、ということです。たとえば、データベースの研究をする上では、トランザクション処理の理論や関係代数について詳しく知っているだけではなく、データベースを動かすコンピュータアーキテクチャ、ストレージ、また、今では分散データベース
Preferred Networks、民間企業の計算環境として 国内最大級のプライベート・スーパーコンピュータを9月から稼働 - 株式会社Preferred Networks
NTT Comグループのマルチノード型GPUプラットフォームを採用 株式会社Preferred Networks(本社：東京都千代田区、代表取締役社長 最高経営責任者：西川 徹、以下：PFN)は、自動運転技術やがん診断をはじめとした深層学習(ディープラーニング)などの研究開発用プライベート・スーパーコンピュータを、2017年9月より稼働しました。このスーパーコンピュータは、NTTコミュニケーションズ株式会社(本社：東京都千代田区、代表取締役社長：庄司 哲也、以下：NTT Com)と株式会社NTTPCコミュニケーションズ(本社：東京都港区、代表取締役社長：田中 基夫、以下：NTTPC)の高速演算処理(GPU)プラットフォームを採用し、計算ノードにはNVIDIA(R)製 Tesla(R) P100 GPUを1,024基搭載しています。民間企業のプライベートな計算環境としては、国内最大級となりま
Elasticsearchと機械学習を実際に連携させる
2018年12月4日 Japan Container Days 講演資料 谷脇大輔 Preferred Networksでは1000個以上のGPUとInfiniBandからなるオンプレミスのクラスターを自社で構築しており、研究者が様々な目的、リソース量、実行時間の機械学習ジョブをKubernetes上で実行して研究成果を出しています。 KubernetesはKubeflowの登場など、機械学習基盤としても非常に注目されている一方で、現実的には未だ発展途上です。 講演では機械学習基盤としてのKubernetesの導入理由、その実用性と将来性、Preferred Networksの挑戦についてお話ししました。
さくらインターネット、演算に特化した「高火力コンピューティング」への取り組みを開始 | さくらインターネット
さくらインターネット、演算に特化した「高火力コンピューティング」への取り組みを開始 〜Infiniband接続による大規模なGPUクラスタをPreferred Networks社と共同構築〜 自社運営のデータセンターでインターネットインフラサービスを提供するさくらインターネット株式会社（本社：大阪市中央区、代表取締役社長：田中 邦裕）は、深層学習など大量の計算資源を必要とするコンピューティング需要の高まりを受け、「高火力コンピューティング」をコンセプトとした演算能力に特化したサービスへの取り組みを開始いたします。 仮想化技術をベースとしたクラウドコンピューティングの普及により、計算資源はかつてないほど身近な存在となり、1時間あたり数円から利用できる時代となりました。しかしながら、資源の共有を前提とする現在のクラウドコンピューティングは、仮想化と共有によりハードウェアのピーク性能を引き出すこ
ディープラーニングの最新動向
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質（異なるドメイン）のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
バラ積みロボット: 深層学習で教示レス動作獲得
バラ積みされたワークの取得動作を0から学習するロボット。 ロボットは試行錯誤をしながらデータを集め、Deep Learningで取得可能性が高い場所を学習する。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
株式会社Preferred Networks
Chainer Meetup #02
深層学習フレームワークChainerの特徴
【CES 2016】ディープラーニングで実現する“スーパーヒューマン”が自動車事故を減少させる NVIDIA 社長兼CEO ジェンスン・フアン氏会見より
Chainerの使い方と�自然言語処理への応用