パナソニックは、「Home Action Genome:Contrastive Compositional Action Understanding」と「AutoDO:Robust AutoAugment for Biased Data with Label Noise via Scalable Probabilistic Implicit Differentiation」の二つのAI技術を開発し、世界最高峰の国際学会であるCVPR2021(IEEE Conference on Computer Vision and Pattern Recognition)で採択された。

「Home Action Genome:Contrastive Compositional Action Understanding」の概要

 Home Action Genome:Contrastive Compositional Action Understandingでは、住宅内での人の日常行動を模したシーンを、カメラや熱センサーなど、数種類のセンサーを用いて撮影・計測したデータセットのHome Action Genomeを構築した。住空間向けデータセットは、これまで規模が小さいものが主流であったのに対し、世界最大規模の住空間向けマルチモーダルデータセットを構築・公開した。同データセットを適用することによって、AI研究者は機械学習の学習用データとして用いることができるとともに、住宅内の人をサポートするAI研究に活用できる。

 これに加えて、マルチモーダル・複数視点での階層的行動認識のための協調学習技術を開発した。同技術を適用することにより、異なる視点・センサー、階層化された行動と詳細動作ラベルの間で一貫性をもつ特徴量を学習できるため、住空間での複雑な行動の認識性能を向上することができる。この技術は、同社テクノロジー本部デジタル・AI技術センターとスタンフォード大学のStanford Vision and Learning Labとの連携による研究成果となる。

 AutoDO:Robust AutoAugment for Biased Data with Label Noise via Scalable Probabilistic Implicit Differentiationでは、大量の学習データを収集することが困難な環境に適用が可能なAI技術の実現に向けて、学習データの分布に応じて自動的に最適なデータ拡張を行う学習技術を開発した。

 同社の主要事業領域の中には、大量のデータを集めることが難しいために、AI技術を十分に活用できていないケースも多数存在している。この課題に対して、今回の技術を適用することにより、これまで専門家の介在が必要であったデータ拡張パラメーターのチューニング(調整)プロセスをなくし、自動で調整することができるため、AI技術の適用可能範囲を飛躍的に広げることが期待できる。

 今後の展開については、同技術の研究開発をさらに加速することで、身近な機器やシステムなどリアルな環境で使えるAI技術の実現に取り組んでいく。この技術は同社のPanasonic R&D Company of America AIラボラトリーと、テクノロジー本部デジタルAI技術センターの研究成果となる。