Haptics & Neural interface lab All is yours みんな自由にどこにでも居ていい Twitter

Haptics & Neural interface lab


US留学/研究室時代 Lab for students in wordpress

栽培環境 Ustream配信/記録システムへアップグレード中

Linux,AWSシステム構築wiki

2015-08-27

Raspberry pi に無線LAN子機をつけてLANケーブルなしで動かす

下記のページを参考にやりました。
Raspberry PiWifi電波到達範囲内で動作するロボットを作る予定です。
温室ハウス内に無線ルーターを設置すればハウス内の情報を集めてくれる
データ収集ロボになりますので
まずはケーブルなしで動けるようにします。


Raspberry Pi無線LANUSBアダプタをつける
http://denshikousaku.net/raspberry-pi-wifi-lan-usb


続いて無線キーボードと無線マウスで動作できるように設定

http://qiita.com/yuyakato/items/4ca410bd216a8aadd5ce

2015-08-26

VMware ESXi でMacOSを仮想化する (OS代はかかる)

以前からやりたかったMacOSの仮想化に着手し先ほど物理マシンからの移行が完了したので

手順を覚えておくために公開がてら記載しておきます。


参考にしたのはこちらの2ページ

1.ESXi5.5でMac OS Xを動かす
http://nhakobune.hatenablog.com/entry/2014/06/02/005637

2.VMware ESXi 5.1でMac OS X Lionを動かす
http://www.ne.jp/asahi/it/life/it/vmware/esxi51/lion_on_esxi51.html



私が今回使用した環境


ホストマシン:VMware ESXi 5.5
ゲストマシン: MacOS X 10.8 Mountain Lion


前準備として仮想マシンに使うMacOSをAppstoreで購入して
ディスクイメージをESXiで使用しているDataStoreにアップロードしましょう
MacダウンロードするとApplicationフォルダ配下に保存されます。
詳細は2のページに書いてあります。

Mac OS X 10.8購入ページ
http://www.apple.com/jp/shop/product/D6377Z/A/os%EF%BC%8Dx%EF%BC%8Dmountain-lionwww.apple.com/jp/shop/product/D6377Z/A/os%EF%BC%8Dx%EF%BC%8Dmountawww.apple.com/jp/shop/product/D6377Z/A/os%EF%BC%8Dx%EF%BC%8Dmounta




今回私はインストールメディアも作っておきたかったので
一度DVDに焼いてからDataStoreにあげました。

Lion用ブータブルインストールUSBメモリDVDを作る
http://www.ne.jp/asahi/it/life/it/mac/lion/lion_usb_dvd.html


DataStoreにイメージを保存した後Mac OS X Unlockerを実施してからでないと
仮想マシンを作成しないとMacOSを起動してもアップルロゴが出てきた後
動かなくなります。
なので OX X UnlockerをESXi上で実行しましょう。


導入方法は1のページに書いてあります。
ページに書いてあるのは1.2.0でうまくいったと書いてありますが
私は1.3.0を実行してMacは起動できたので1.3.0でも問題ないと思います。


で後は普通にESXiにvsphere Clientでアクセスして
仮想マシンを作ってMacOSインストールして起動しました。
注意点としてはMacOSインストール前に一度DiskUtilityからMacOS拡張のパーティションを作成して
おかないとインストール用のディスクを認識してくれないことですね。

後は古いMacホームフォルダ配下のデータを移行して終了
P2Vでも出来るっぽいんだけど
そっちは面倒くさそうなので辞めました。

P2V参考ページ
http://www.virtuallyghetto.com/2014/03/useful-links-installing-mac-os-x-in-a-vm-p2ving-mac-os-x.html誰かうまくいった人はやり方教えてくれると嬉しいです。

起動画面
f:id:manjirou99:20150827033852p:image

2015-08-18

死ぬまでに人間の権力が持っている意思決定の機能をAI管理に移行する事を目指そう

個人の怒りというつまらん事を書こうか

アメリカの警察とかは
パトロール中の警官の様子まで公開するんだけど
日本の警官に聞いてみても車載カメラないってんだよね

http://grapee.jp/27895

それでどうやって交通違反の証拠を集めるというのだろうか?
言いがかりにしかならない理由で人を捕まえているのは健康的じゃないので
これからこちらで車載カメラで運転中の様子は総て記録しておく事にした
もらい事故した時の裁判の記録にも頭のおかしい連中の言いがかりにも
証拠として使える
何よりも最近はやりのディープラーニングの学習と認識対象の画像として使えるではないか!!


D

D

D


違反金\6000のお小遣いもらうために
いいがかりをつけれる車やバイク運転手を探してる
日本の警官のみなさん気をつけてね〜♪

自動運転が導入されるといいがかりの交通違反でノルマ達成なんてつまらん事もなくなるでしょうけど
まあ、それまでこちらでスマホドライブレコーダーにして面白い警察官の皆様の日常業務は総て
公開させてもらおうかと思います、もちろん許可はとりますしその様子も録画させて頂き
個人名とお顔まで公開させて頂きますよぉ♪
公務に対する怠慢と裏切りの代償として名誉の損失は妥当だと思いますしね

自動運転ロボット化で仕事なくなったら
警官諸君は将来ロボットで作った作物とベーシックインカムくらい確保してやるから
何もしないでほしいね、安定した金欲しいだけで警官になった奴はそれで十分だろ?
上の方で決定されたくだらん仕事はしなくていいからもっと創造的な仕事をしようぜ

2015-08-13

Parade 平沢進

平沢進という方がいて
実に素晴らしい音楽を創られます

Parade
D


夢の島思念公園
D



今敏という今はもうお亡くなりになった方の作品の音楽をつけているのですが
狂気演出をみせる今敏の作風にこの人の音楽がめちゃめちゃ合う

妄想代理人OP
D



オセアニアじゃあ常識なんだよ!
D


この意味不明なぶっとびっぷりがなんだかとても好きになってきた
いきなりハイな音楽に併せて笑い続ける登場人物達
いきなり意味不明な言葉を紡ぎだす、じじい


このイメージと脚本は頭のどこから出してきたのかわからん
音楽もこの意味不明なイメージに何故こんなに合うものを作ったのか
意味不明なものってちょっと見たくなるんですよ、人間ってやっぱ

2015-08-03

進撃の巨人の実写を見て人間の顔認識はサイズ認識に直結してると思った話

進撃の巨人実写版を見てきましたが
ストーリーレビューなんかはファンの皆様におまかせするとして
着ぐるみなしで人間が演じる巨人がどうにも巨大に見えないのでどうしてなのか考えていた


着ぐるみなしの人間は巨大に見えないのだけどその中で
巨大に見えた巨人が3-4体いた
ひとつは予告にも使われていた超大型巨人
D

これはフルCGで描かれていて下から見上げるアングルもあいまって
押しつぶしてくるような巨大な圧力を感じる

もう一つはエレンが巨人化した時の姿
こちらは多分ウルトラマンなんかで使われていた着ぐるみだっただろう
あとは玉ねぎ型の頭を持った小型の巨人
こちらは他の着ぐるみなしの人間が演じているものより画面上は小さいのだけど
どういう訳か巨大に見えた

共通しているのは人間の顔がそのまま残ってる割合が大きい程
巨大に見えないという事だった
最初は髪の毛なんかの動きが影響しているのかと思ったけど
巨人化したエレンも髪の毛あったし

実際の巨大化した状態ではもっとゆっくり動く筈のエレンの髪の毛は
さらさら現実の縮尺の速度でなびいていた訳です
身体の動きに関しては巨大化したときの事を意識して
ゆっくり動く様に演技指導はされていた模様です。

やっぱり人間は観ている対象が人間の顔だと思ってしまうと、巨大でないものと認識してしまうらしい
多分人が顔認識からサイズを認識する精度は建物や町の景観より高くて
そっちに基準が合わされちゃうんだな
人間 vs 小人に見えたり 町がミニチュアに見えるのはこの当たりが原因かと思う
この説を検証するには人間の特徴を徐々に崩して行った複数のモデルを
ミニチュアの町と立体機動で飛び交う人間を合成してどうなるか確認してみればよい
多分顔が崩れていく程、巨人のサイズが大きく認識される筈だ

2015-07-24

Nexus5のフロントパネルが壊れたから修理した話 LGの製造能力について

Nexus5を落としたらフロンとパネルが割れたので修理した

※2015/09/03
今回の修理のために必要な物を追記しておきます。
修理の時に自分のNexus 5と同じ型番である
LG Google Nexus 5 D820 D821を購入しましょう
他の型番でもいけるかも知れませんが
ここは自分の持っているタイプと同じものを購入した方が良いでしょう。


http://www.amazon.co.jp/gp/product/B000AQOESS?psc=1&redirect=true&ref_=oh_aui_detailpage_o02_s00

http://www.amazon.co.jp/gp/product/B00YZYA92Q?psc=1&redirect=true&ref_=oh_aui_detailpage_o04_s00






D

やり方は上記の手順に従いましょう




基本的にはこれをなぞればいいんだけど
あのー

中学生の工作かよ?っツー感じで基板が組み立てられてました
恐るべしケンチャナヨ精神
番号を印字するのではなくマジックでフロントパネル裏に何かいろいろ書いた後がありますが。。。
これを工場で生産しているのだとするとヒューマンエラーが多発しそうで恐ろしくて仕方ない
カメラと基板の接合部のヒートシールドはぺらぺらでアルミホイルを糊でくっつけただけか?
というような感じです


ジョブズが一流の大工は見えないところにいい加減な素材を使ったり手を抜いたりしないと言っていた
そうで、エンジニアに基板すら美しく見えるように配置を求めたことは有名ですが
それの真逆ですね
見た目とブランド名さえよければそれでいいのか・・・
こういう感じで故障が相次いだりしたからかは知りませんが
Nexus6からはアメリカの企業が製造も担当しています

そちらの基板もぜひ見てみたいものだね
動画でも探してみようか

2015-07-12

Deep Learningの力はまだ解放されていない

Deep Learningが最近話題になっている為
私もリファレンスモデルを使って画像分類と自分で用意したデータを加えたデータセットで学習をしてみようかと思いました。
GPUがそもそもうちのPCには増設されていなかったのでまず
そちらからする事にしました。

参考にしたのはこちらの方のページ
https://timdettmers.wordpress.com/2014/08/14/which-gpu-for-deep-learning/

で今回購入したのは
この種の問題を解かせるためのものとしては初心者レベルのGPU Gefroce GTX 960
VRAMは4GB搭載のもの

http://kakaku.com/item/K0000774775/


当然まともに学習させるつもりなら欲しいのはTitanや 980 Ti
というハイエンドの高価なボードなのですが
GPU増設初めてでいきなりそこに行くのもリスクがあって嫌だったのと
複数の計算を複数のGPUで実行しても問題ない訳で
Gefroceの環境に慣れてからもう一枚ハイエンドモデル購入しても良いかと思ったのでこの選択となりました。
最も大きな理由は2016年GeforceGPUアーキテクチャーをpascal変更するという情報があり
これはGefroceの予測ではDeep Learningを用いた学習に対して
従来のGPU(Titanとか980 Tiとか?)の20倍の実行速度が出せるとの事。
なら高いのはどーんとアーキテクチャ変更時に購入した方が良いであるまいか
それまで分散処理の方面へ投資していく事にしよう


DeepLearningに関しては
多くの先人達が画像認識に関しては研究しており
最近ビジネス関連の記事によく登場するようになったのは
有名なgoogleの猫の論文のインパクトが特にビジネスマン投資家に対して大きかったのでしょう。
日本ではAIの話題が出ると必ず登場する東大の松尾先生の本も読みましたが

http://www.amazon.co.jp/人工知能は人間を超えるか-ディープラーニングの先にあるもの-角川EPUB選書-松尾-豊/dp/4040800206

Deep Learningの本質的な変質は特徴量の抽出が自動で可能になった事なんでしょう
これまでの画像認識では読み込んだ猫の写真の画像データに猫が移っていると判定する為の
基準は人間側が基本的には手作業で作っていた訳で
横から、縦、色々な角度からとった猫を猫という共通の概念として判定するには
超単純化して考えると

単純にひげがある
OR
毛が生えている
OR
しっぽが生えている



目の形が細長い
AND
耳の形が三角
AND
顔の輪郭が丸い


みたいにじょじょに細分化された画像部位の判定に落し込んで
最終的な答えを出す、というような技が必要だった様です。
実際は上のような抽象概念じゃなくてベクトル固有値の条件から
輪郭を判定してそこから形状を認識させたり
やっぱり職人の領域だった訳ですね
Deep Learning はこの人間が手作業で設定してきた特徴量の定義を自分で学習してくれます。
で便利なんで画像認識やSiri音声認識に使われてるというのがここまでのお話

この動きが動作の学習まで進めば
Deep Learningはもっと強大なインパクトを社会にもたらす可能性があるでしょう
ニコニコ動画に登場したむにむにさんの動作学習は遺伝的アルゴリズムを使って
解となる動作を学習していましたが
結局のところ彼も歩く動作を学習させる為に環境を手作業で設定する必要がありました。

D

例えばロボットの歩行動作学習の為に
kinnectで取って来た3次元の点群の環境モデルとモーションキャプチャーで取ってきた人間の歩行動作を上手く3次元オブジェクトとしてシミュレーターの中にぶちこんで
その中でロボットに動作を学習させ続ければ自動で歩行を学習するかも知れません。
歩行動作もデータ化されている訳でその中から歩行という動作に必要な動作のデータ列の特徴量を認識出来れば
シミュレーター内でロボットは自動で歩行動作を学習していくのではないでしょうか?
歩いている人間の3Gオブジェクトモーションキャプチャー等ゲーム業界の方が詳しい技術を使えば実現出来そうに思えますし
kinnectで環境データが取得出来れば簡単な実在する環境のモデルでシミュレーションが実行出来るしミューレーターが出来るという訳です。

ラジコンロボットに動作を強化学習させてる方のブログなんか面白いですが
ここにDeepLearningが絡むとロボットに動作をプログラミングする作業が自動化され、格段に楽になる可能性があります。
で、そんな事考えていたらどうやら一時期有名になったGoogle が買収したDeep Mind
Q-LearningとDeepLearningを組み合わせたDQN(ギャグではない)というAIを作成していたらしい
目の付けどころがシャープgoogleです、googleメガネです。
DQN(Deep Q Network)はアタリのゲームを解かせる様子がyoutube動画で出回ってますが
強化学習というとやはり動作の学習というイメージが強いです
こんな方とか
http://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning/

こういうのはペッパーみたいなヒューマノイド適用したらどうなるのか
実に興味深いですよね










P.S

あとバケモノの子見ました
細田守作品の面白さは僕個人としては下記のようなものです。

サマーウォーズ時をかける少女バケモノの子おおかみこどもの雨と雪

バケモノの子千と千尋の神隠しの様な構造かと思ったら
途中からデスノート夜神月くん(一郎彦)が絶叫しながら人間の闇をぶちまける
かわいいヒロインと男の子が立ち向かうという
スペクタクルバトルになりました

映像面では夜神月くんが作り出した幻のクジラが美しいCGで
映画館では一見の価値があります。

2015-06-10

2015-06-01

検索システム FESS

外部アクセス可能にしてみました。
クローラーの設定とかほとんどしてないのですが
最近流行りのA.I関係とニューロサイエンスの話題と
面白い動画関連の情報だけ詰めこめればよいです。
細かいところはおいおいつめていきます。

ちなみにchromeだとなぜかIndex作成済みにもかかわらず
検索がhitしませんでした
firefoxIEで正常動作を確認済みなので
現状そちらを使って頂けるとご利用になれます。

http://johnnash2.ddo.jp:8080/fess/