プロジェクト開発アリーナでは、学生が中心になって社会課題の解決に取り組みます。

AY2023-2024 プロジェクトリスト
  No.    プロジェクト名 担当教員
23-01 スマートミュージアム 吉岡 廉太郎
23-02 低摩擦路面での高速自動運転 奥山 祐市
23-03 スマートラーニング 渡部 有隆
23-04 スマートインフォーメションビジュアリゼション 髙橋 成雄
23-05 ネットワーク科学のための分析ツール 橋本 康弘
23-06 ソーシャルメディアにおけるインフォデミック分析 橋本 康弘
23-07 コンピュータビジョン技術に関する包括的サーベイ 橋本 康弘

01. スマートミュージアム

担  当
  • 吉岡 廉太郎
ミッション
  • 役    割: 福島県立博物館における鑑賞体験の向上
  • 対    象: 鑑賞支援と展示設計
  • 付加する価値: 鑑賞者の学習と知識習得の質向上
目  的
  • 現状では、評価・改善に必要な来館者の展示物鑑賞行動に関する客観的なデータを得ることが困難な状況です
  • また、訪問者の学習体験を把握し、必要なサポートを行うことが難しいのが現状です
  • この状況を改善するため、展示会場内での来場者の行動を客観的に把握することが望まれます
  • さらに、来場者の学習体験を妨げないようにデータを収集することが求められています
  • そこで、来館者の行動を客観的に測定し、学芸員の分析・解釈を支援するシステムの開発します
目  標
  • 学習面での来場者の満足度が向上する
シナリオ
  • 来館者の行動を客観的に測定することを実現する。
  • 展示物の鑑賞を促進・誘導する来館者向けの機器・アプリケーションを開発する
  • 来館者の行動を分析し、可視化するための高度な計算手法を開発する
  • 測定・計算された来館者の行動を分析・解釈することを促す学芸員向けのシステムを開発する
  • 学芸員が分析・解釈に基づいて展示設計を行うことを支援するシステムを開発する
キーワード
  • Knowledge experience, activity sensing devices, image recognition, data visualization, data analysis, human-computer-interaction, human-computer-collaboration>
研究データベース

02. 低摩擦路面での高速自動運転

担  当
  • 奥山 祐市
ミッション
  • 役    割: 低摩擦路面での自動運転の可用性の向上
  • 対    象: 自動車運転環境のモデリング方法と運転の自動習得機構
  • 付加する価値: 低摩擦路面での自動運転アルゴリズムの獲得
目  的
  • 現状では、低摩擦路面での自動運転は困難
  • 低摩擦路面での運転は、通常の運転方法と操作が異なる
  • 実車での開発はコストや環境の再現可能性の問題で困難
  • 低摩擦路面での走行を模したドリフトラジコンカーを用いる
  • ミニサイズやシミュレータでの走行データの取得と自動走行アルゴリズムの構築が求められる
  • 低摩擦路面を模したラジコン向けサーキットとドリフトラジコンカーのシミュレータの開発
  • 開発したシミュレータでの自動走行の獲得と、上記のサーキットへの移行方法の開発
目  標
  • ドリフトラジコンカーのサーキットでの自動走行の実現
シナリオ
  • ラジコン向けサーキットを簡便に3次元モデリングする手法を開発する
  • ドリフトラジコンカーの物理動作を模擬するシミュレータを開発する
  • シミュレータ上で自動的に運転を習得するシステムを開発する
  • シミュレータと現実世界の観測の違いと運転の違いを吸収するシステムを開発
キーワード
  • 3D modeling, artificial intelligence, reinforcement learning, sim2real, autonomous driving, drifting/sliding
研究データベース

03. スマートラーニング

担  当
  • 渡部 有隆
ミッション
  • 役    割: SDGs 4 (質の高い教育をみんなに)に基づき教育格差を是正する
  • 対    象: 教育現場における学習支援と教育支援
  • 付加する価値: 学習意欲向上のための可視化、理解を促す説明手法、自律型学習環境を実現するユーザインタフェースと機械学習モデル
目  的
  • 教育、特にICT教育に関しては、地域・学校や経済状況に起因する教育格差がある
  • 現状では、コンテンツの拡充、研修システム、競争・ゲーム要素、に関するビジネスや教育手法が主流である
  • しかし、例えばプログラミングのような技能演習については、分かりやすい説明とフィードバックが必要であるが、指導者不足が問題となっている
  • そこで、学習者の自主学習を支援するためのスマートラーニング環境およびそのサブシステムを開発する
目  標
  • 学習者のモチベーション向上または自主学習効率の向上
シナリオ
  • 学習者の状態を閲覧・管理する可視化手法を開発する
  • アルゴリズムや手順を説明・実行するための表現手法を開発する
  • 学習者の状況に適応できるユーザインタフェースを開発する
  • 自律型学習をサポートする機械学習モデルを開発する
  • 学習データに関するデータマイニングやデータ解析手法を開発する
キーワード
  • Educational technology, visualization, educational data mining, adaptive learning, autonomous learning, programming, user interface/experience, artificial intelligence
研究データベース

04. スマートインフォーメションビジュアリゼション

担  当
  • 髙橋 成雄
ミッション
  • 役    割: 抽象データの視覚化における可読性の向上
  • 対    象: 対話的視覚データ分析のための視覚メタファー設計
  • 付加する価値: Human-in-the-Loopによる分析者本位の視覚データ分析
目  的
  • 利用可能なデータはそのタイプに関わらず増大の一途をたどっています
  • このような膨大なデータからな情報を排除し重要な情報を抽出する需要が高まっています
  • 抽出した重要な情報を個々のデータ分析者が把握できる技術が必要です
  • この問題を解決する手法として対話的な情報可視化システムの実装を図ります
  • さらに人が理解しやすい視覚的メタファーを設計しデータの可読性を向上させます
目  標
  • 分析者が可視化を通して対話的に個々の要求に応じたデータの理解を支援する
シナリオ
  • 多変量ベクトルをもつ頂点とそれらをつなぐ辺をもつネットワークのためのデータ構造を構築する
  • 頂点間の固有の関係性や類似度を用いて,ネットワークの2次元平面上の最適配置を求める
  • 頂点間の不要な辺をその重要度に応じて逐次的に削除することで,ネットワークを視覚メタファーに写像する
  • 頂点間の重要な接続性を抽出することで,ネットワークを視覚メタファーに写像する
  • 頂点間の接続性を連続的に制御することで,ネットワークの大局的構造から局所的特徴まで視覚メタファーを用いて可視化する
キーワード
  • Network visualization, set visualization, dimensionality reduction, visual metaphor design, visual analytics
研究データベース

05. ネットワーク科学のための分析ツール

担  当
  • 橋本 康弘
ミッション
  • 役    割: ネットワーク科学のための分析ツールの開発
  • 対    象: ネットワークとして表現可能なあらゆるシステムを対象とする研究やデータ分析業務
  • 付加する価値: ネットワーク科学の身近なデータへの適用
目  的
  • ウェブや生命、社会システムといった高度に発達したシステムは、多数の要素が複雑に相互作用するネットワーク構造をなしている
  • そうした非一様性が高く複雑なダイナミクスを生成するネットワークは"複雑ネットワーク(Complex Networks)"と呼ばれ、新しい学問領域を形成している
  • このネットワーク科学という新しい理解の方法は、現代の多様な大規模複雑システムを適切にコントロール・発展させる上で重要である
  • そこで、ネットワーク科学に関するこの20年の成果を概観し、主要な分析方法に慣れ親しむ
  • その上で、詳細な知識がなくても身近なデータに適用可能な、ネットワーク科学のための分析ツールの開発を行う
目  標
  • 理論的背景を理解した上で、ネットワーク科学のための分析ツールの実現
シナリオ
  • 書籍"Network Science" (Barabási Albert-László)を入口に、複雑ネットワークに関連する論文のサーベイを行う
  • ネットワークの基本統計量(平均パス長や次数分布)を分析する方法について学ぶ
  • ネットワークのコミュニティ構造やコア・ペリフェリ構造といった構造のパターンを分析する方法について学ぶ
  • ネットワーク生成モデルについて学ぶ
  • ネットワークを可視化する方法について学ぶ
  • JavaScriptベースのComputational Essayツール「Observable」を用いたネットワーク分析ツールを開発する
キーワード
  • Complex networks, network statistics, evolving networks, dynamics on networks, community structure, core-periphery structure, visualization, Observable (web service)
研究データベース

06. ソーシャルメディアにおけるインフォデミック分析

担  当
  • 橋本 康弘
ミッション
  • 役    割: ソーシャルメディアにおけるインフォデミックの実態の解明とメカニズムの理解
  • 対    象: ソーシャルメディアにおける日常的なコミュニケーション・情報収集
  • 付加する価値: インフォデミックに寄与する行動を自発的、システム的に抑制し、意見形成における偏向や先鋭化を防止する
目  的
  • ソーシャルメディアにおいて、インフォデミック(誤報や虚報、偏向した情報の急速な拡散)とそれがもたらす社会の分断が問題になっている
  • インフォデミック、あるいはエコーチェンバーやフィルターバブルがもたらす分断の構造を緩和し、人々にとっての適切な意思決定を支援するしくみを作ることは重要な課題である
  • そのためには、情報のソースの信頼性だけではなく、情報の流通の構造や、情報に接した群衆の再帰的反応を理解する必要がある
  • そこで、ソーシャルメディアにおいて話題となったいくつかのトピックについて、実際のデータを分析し、情報拡散の構造を明らかにする
  • さらに、得られた知見をデータジャーナリズム的な観点から可視化する
目  標
  • ソーシャルメディア上のコミュニケーションの質的・量的特徴を分析・要約・表現する技術を身に付ける
シナリオ
  • データを収集しデータベースで管理する方法について学ぶ
  • 分かち書きで文章から単語を抽出し、感情推定や分散表現を行う方法について学ぶ
  • リツイートや返信、フォローといったソーシャルメディア上の動的・静的関係をもとに、ユーザを結ぶソーシャルネットワークを構成する方法について学ぶ
  • ソーシャルメディアで話題になったトピックに対して、関連する情報を抽出し、その全体像を定量的に評価する
  • ネットワーククラスタリングなどの発展的な手法を用いて、コミュニケーションがもつメタな構造を評価する
  • データ分析にもとづいて、インフォデミックや社会の分断における主たる要因を考察した結果を、可視化などの方法を駆使して、わかりやすく説得性のある表現にまとめる
キーワード
  • Social media, Twitter, infodemic, polarization, echo chamber, filter bubble, fake news, data journalism
研究データベース

07. コンピュータビジョン技術に関する包括的サーベイ

担  当
  • 橋本 康弘
ミッション
  • 役    割: コンピュータビジョン技術に関する現在までの成果の俯瞰
  • 対    象: コンピュータビジョンに関わる研究・開発
  • 付加する価値: コンピュータビジョン研究の現状の理解とこれからに対する展望
目  的
  • コンピュータビジョンとは、人間が行っている視覚情報処理に似た、あるいはそれ以上の能力を計算機に付与する技術である
  • 近年の機械学習技術の進歩により、コンピュータビジョン技術は顔認識や異常検知、自動運転、VR・ARなど応用の範囲が飛躍的に拡大し、現代科学技術の中で重要な役割を果たしている
  • しかし、その領域は広大かつ日進月歩であり、既存研究を踏まえた課題提案や、膨大な先行研究の位置づけも容易ではない
  • そこで、一般にコンピュータビジョンが包含する広い分野の中から特定の関心領域を選択し、その領域についての包括的な論文サーベイを行う
  • そして、関心領域における研究の現状を総括し、今後の課題や展開に対する展望をまとめる
目  標
  • コンピュータビジョンに関わる特定領域において、先端的な成果に追いつき、新たな研究テーマを提案できるようになる
シナリオ
  • コンピュータビジョンからサーベイを行う主たる領域(XR、VSLAM、物体検出・追跡など)を選択し、サーベイでカバーする論文のリストを作成する
  • サーベイのフォーマットを決め、定期的に決められた数の論文に目を通し、発表を行う
  • 領域の中で位置づけるために概要のみのもの、技術的に興味深く内容に踏み込んだもの、精読すべき重要論文などに分け、進めていく
  • 目を通した論文から新たにカバーすべき論文が見つかれば、適宜リストに追加する
  • サーベイした論文で利用可能なライブラリ等があるものについては積極的に実装する
  • 最終的に、選択した主たる領域に関するサーベイの総括と展望をまとめる。サーベイの数は一学期の間に100本程度が目標
キーワード
  • Computer vision, virtual reality (VR), augmented reality (AR), visual simultaneous localization and mapping (VSLAM), image processing, image classification, object detection, object tracking, pose detection
研究データベース