「AIchi勉強会」無事開催できました 2ヶ月ほど前に、開催を発表した愛知で行われるAIの勉強会「AIchi勉強会」ですが、無事に開催することができました。開催のきっかけなどは、以下記事参照下さい。 最初は、20人くらいの規模で考えていたのが、いつの間にか人数が膨らみ、あれよあれよという間に100人規模の勉強会になっていました。人間不信気味なので「壮大なドッキリではないだろうか？」と始まるまで不安だったのですが、開始1時間以上前から参加者が来始めて、最終的にはなんと出席率95%という驚異の出席率を叩き出すことができました（普通 70〜80%くらいらしいです）。 参加者の方々も、とても協力的かつ熱心でしたので、トラブルなくイベントを終えることができ、ホッとしております。 「AIchi勉強会」での発表内容 私も発表させていただきました。 挫折しないためのAI勉強法 from karaage07

2024-11-29 マンガでわかる「教えて！からあげ先生 はじめての生成AI」発売予定 人工知能 本・漫画 マンガ「教えて！からあげ先生 はじめての生成AI」を出版します！ 「教えて！からあげ先生 はじめての生成AI」（以降「はじめての生成AI」）が発売されます。書影右下に記載がある通り、漫画本となります。漫画と文章による解説が交互にあるスタイルの本で、… 2025-01-13 試行錯誤は大変だけど、ときには楽しいし役に立つ コラム 人工知能 Jetsonと私 最近、Jetsonを触っています。 Jetsonというのは、平たくいうと、NVIDIAの提供するAIに特化した小型PCです。ラズパイ知っている人だと、AIに強いラズパイっていうとしっくりくるかもしれませんね。 Seeedさんから提供いただいた「reComputer J401… 2025-01-09 屋内で飛ばせるプログラマブルな小

2021.05.20 現在はWSL2環境にROSをインストールすることをお勧めします。 naonaorange.hatenablog.com 今更感がありますが、WSLを導入していきます。 ここではその手順を載せていきます。 設定でWSLを有効にする。 アプリと機能 -> プログラムと機能 -> Windowsの機能の有効化または無効化 でWindows Subsystem for Linuxのチェックを入れます。 Microsoft StoreからUbuntuをインストールする Microsoft Storeを開き、Ubuntuをインストールします。 今回は諸事情でUbuntu 16.04をインストールしました。 Ubuntuを起動後、下記記事を参考に日本語環境を整えました。 www.atmarkit.co.jp XmingのインストールとGUIの動作確認 下記URLからXmingとXm

やっとぼんやりながら正体が掴めつつあるので、メモを随時残していきます 2016/10/11 追記 座標系のところに、REP 105(座標系についてまとめたROSの文章)の一部翻訳を乗せました。（正確ではない可能せがあります） wikiのこれ（下画像）の階層構造 だいたいこんな感じ（だと思います） navigation move_base navcore BaseGlobalPlanner Plugins navfn global_planner carrot_planner BaseLocalPlanner Plugins base_local_planner dwa_local_planner RecoveryBehavior Plugins rotate_recovery clear_costmap_recovery move_slow_and_clear costmap_2d vox

<?xml version="1.0" encoding="UTF-8"?> <launch> <arg name="model" default="$(find nav_lecture)/xacro/dtw_robot.xacro" /> <arg name="rvizconfig" default="$(find nav_lecture)/rviz/move_base.rviz" /> <!-- gazebo world --> <include file="$(find gazebo_ros)/launch/empty_world.launch"> <arg name="world_name" value="$(find nav_lecture)/worlds/test1.world"/> <arg name="paused" value="false"/> <arg name="u

目的 前回に続いて、Daiki Maekawsさんのサイトを参考にしながら、move_baseの動作を確認してみます。 Roombaがないため、自分で持って移動します。 準備 まずは下記のものを用意してください ROSがインストールされているマシン（前回作成したもの） HOKUYO URG-04LX-UG01 今回はレーザーレンジファインダとして北陽電機株式会社のレーザーレンジファインダ URG-04LX-UG01を使用します。 USBバスパワーで駆動するため簡単に使うことができますが、5m程度の距離しか得ることができません。 レーザーレンジファインダをパソコンに接続したら、一般ユーザーでもアクセスできるように、パーミッションを変更します。 $ sudo chmod 666 /dev/ttyACM0 デバイス名ttyACM0は適宜変更してください。 hokuyo-nodeもインストールして

一回目でhector_slamのパッケージをインストールしたら、後はhokuyo_nodeを使ってＬＲＦ(laser range finder）の情報をpublishしてhector_slamのマッピングをするノードにデータを入れればよい。 最終的にこんなマップが作れるようになった。 hector_slamを使うまでに、一番ネックになったのはＴＦの理解だった。 ROSでは座標変換をトピックを使って実施している。これを処理するのがＴＦノードで、各ノードはＴＦノードに座標変換情報を投げて、ほしい座標系を受け取っている。 hector_slamが必要としているフレーム（座標系）を持ったＴＦのトピックを、hector_slamノードに投げてやる必要がある。 hector_slamをLRFを手に持ってデータを取るだけなら、とりあえず難しいことはさておき、全ての座標変換を（x,y,z,roll,pit

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに ROSには，ロボットの自律移動を実現するNavigation Stack という枠組みが存在します． ROSのド素人である私がこれと出会ったとき，こう思いました． 「わっけわっかんねーw」 不束者の私は，経路探索，自己位置推定，地図生成などの機能に対して，種々のセンサが情報がどのように作用しているのか，中々全体像が把握できないまま何となく使わせてもらっていました． このままではいかん！というわけで，Navigation Stack のソフトウェアの構成と，各モジュールがやりとりするメッセージの関係性がある程度分かるようになるこ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

ジャイロのドリフト補正方法がいろいろあるようですが、比較的情報の集めやすいカルマンフィルターと相補フィルター（簡易）の実装と簡単な比較検証、ドリフト補正の効果確認を行ってみました。 検証にはArduino/Genuino 101 を使用、内蔵されている6軸センサー（ジャイロ、加速度）をそのまま利用してます。 まずはドリフトの発生具合を確認してみました。 ▼Arduino101/Genuino101 ジャイロドリフト▼ ジャイロセンサーの取得値（角速度）を単純積分して角度を算出してます。水平に置いて放置しているだけですが、1分ほどで 1.0° 程度のドリフトが発生しました。ドリフトの発生具合は環境や固体差が出るかと思います。 カルマンフィルターも相補フィルターも、ジャイロのドリフト補正には【加速度センサーからの角度算出値】を使用します。 そこで、加速度センサーからの角度算出値を確認してみたと

今回は matplotlib を使って動的にグラフを生成する方法について。 ここでいう動的というのは、データを逐次的に作って、それを随時グラフに反映していくという意味を指す。 例えば機械学習のモデルを学習させるときに、その過程 (損失の減り方とか) を眺める用途で便利だと思う。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.13.5 BuildVersion: 17F77 $ python -V Python 3.6.5 $ pip list --format=columns | egrep -i "(matplotlib|pillow)" matplotlib 2.2.2 Pillow 5.2.0 もくじ もくじ 下準備 静的にグラフを生成する 動的にグラフを生成する グラフを延々と描画し続ける Jupyte

Androidでは、いたるところでContextが必要になる。Application#getApplicationContextで得られるContextを、どこからでも得られると便利である。便利というか必須ではないかと思う。メソッド呼び出しの深い階層でContextが必要になった時、それまでの呼び出しメソッドすべてでContextを引数で受け取るように修正したりと泥沼にハマりかねないから・・・ まずはContextについて復習 ActivityやServiceはContextのサブクラスである ApplicationもContextのサブクラスである 当然、それぞれContextの実体（メモリ上のアドレス）は別である Application#getApplicationContextで得られるContextはApplicationと同じである StackoverflowでApplicati

確率ロボティクス (プレミアムブックス版)posted with カエレバSebastian Thrun,Wolfram Burgard,Dieter Fox マイナビ出版 2016-09-21 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに 自己位置推定でよく使用されるセンサ GPS (Global Positioning System) ジャイロセンサ(Gyro Sensor) 地磁気センサ (Magnetometric sensor) 加速度センサ (Accelerometer) 慣性計測装置 (inertial measurement unit) タイヤパルスセンサ(Wheel Odometry, Dead Reckoning) レーザセンサ (LIDAR) レーダセンサ (RADAR) カメラセンサ (Image Sensor) 確率的センサ統

はじめに LaserROS+MATLABで物体検出してみたでは物体検出までやってみましたが，今度はmatlabはまったく関係なく，ROSでモータを回すということをやります 目的 ROSでRaspiからモータを回す 用意するもの ・Raspi(Ubuntu16.04)/type B ・電源 ・Maxon Motor ・ESCON のみ！ RaspiにはGPIOがあるので良いですね mbedなどなどはいりません プログラム構成 一般的に，当たり前ですがモータはモータドライバを用いて制御をします 今回はこのESCONがモータドライバになってモータをコントロールします Raspiがやるのは，モータドライバに指示をだすところ！ モータドライバへの指示はPMWでだします ので，RaspiからいくつのPWMでだしてね！！(duty比ですが）と指示をだせばモータは回るということです． 長々と説明しましたが