どなたでもご参加頂けます。
サーベイ用のSlackにご招待しますので、本ページ下のコンタクトに記載のメールアドレスまでご連絡ください。
サーベイ用のSlackでは各種勉強会や論文共有チャンネル、網羅的サーベイのプロジェクトなどが動いています。
自ら勉強会を企画してリードしてくれる、情報を積極的に共有してくれるメンバー大歓迎です。
もちろん、勉強会等に参加するだけ、情報を確認したいというメンバーも歓迎します。
主宰の牧原までご相談ください。
大学や研究所のご所属がある方が研究メンバーとして参加しやすいです。指導教員がいらっしゃる場合には予めご相談の上で許可を頂いてからrobotpaper.challengeの研究メンバーとしてご参加ください。
企業の方の場合には共同研究やその他の連携方法を探る傾向にあります。やはり主宰の牧原までご相談ください。
研究メンバーは基本的に2〜5人単位の研究グループで活動しており、実働メンバーのみでなく研究アドバイザとしてもご参加可能です。
研究メンバーになることの利点や活動の具体例は下のスライド資料を参照してください。
産総研所属となり、より積極的に研究グループの活動を行いたいという場合には産総研インターン/リサーチアシスタント(RA)/ポスドクとしての募集もございます。下記の産総研の公募をご確認ください。(もちろん一般公募としての応募となるため、審査の上で決定します。優先的に/無条件で採用できるわけではございません。)
robotpaper.challenge の主要メンバーに産総研研究員がいる関係で、産総研の各種制度を利用して研究に参加することが可能です。具体的には、以下の3つの形態でメンバーを募集しています。
概要:産総研インターンとして産総研に所属し、産総研のリソースを使いながら技術経験の習得を行うことができます。1ヶ月から1年単位での研究が可能です。大学の長期休暇などを利用して1ヶ月以上の期間で集中的な活動が可能です。
対象:学生(学部生、修士課程、博士課程)
場所:産総研 臨海副都心センター 本館2F (東京都江東区青海 )
概要:産総研RAとして産総研に所属し、産総研のリソースを使いながら研究立案、実験、論文執筆、投稿を行うことができます。修士型と博士型のRA制度があり、更新可能性ありの1年契約で実施します。産総研に所属して給与を得ながら研究できます。(2019/07/01雇用の方から学振DCと産総研RA(博士型)の併用が可能になりました。月平均雇用日数4日~8日の範囲であれば勤務が可能です。また、学振DCが報酬を受給する場合には、大学院の指導教員が認めるなど、他の条件が定められています。)
対象:学生(修士課程、博士課程)
給与:
修士課程:時給1,700円(月7日勤務が標準だが日数変更可能、月額9万円程度)
博士課程:時給2,100円(月14日勤務が標準だが日数変更可能、月額22万円程度)
その他,交通費(新幹線,飛行機),宿泊費の全額支給が可能です.
場所:産総研 臨海副都心センター 本館2F (東京都江東区青海 )
勤務時間:9:00-17:45 または 9:30-18:15
詳細情報:産総研のHPをご確認ください。
概要:産総研ポスドクとして産総研に所属し、産総研のリソースを使いながら研究立案、実験、論文執筆、投稿を行うことができます。雇用プロジェクトの研究に従事しつつ robotpaper.challenge メンバーと独自の研究をすることができます。雇用可能なプロジェクトの有無や研究内容は場合により異なるのでお問い合わせください。
対象:博士号取得者(学位取得後7年以内)
給与:時給2,500-2,700円(産総研規定により決定)
場所:産総研 臨海副都心センター 本館2F (東京都江東区青海 )
勤務時間:週5日、1日7時間45分(休憩1時間)、フレックスタイム制可
詳細情報:産総研のHPをご確認ください。
関連する研究テーマの例を以下にあげますが,これに限ったものではなく,持ち込みによるテーマ設計の相談も可能です!
深層学習に基づく物体認識、深層強化学習に基づくロボット作業生成,ロボット作業のための深層学習モデル・理論の提案,強化学習におけるXAI(説明可能なAI)
DQNを用いた目標物体探索の為の払い動作軌道生成(2019-2021)
把持物体のStiffness推定(2019-)
絡みを生じる物体のピッキング動作生成(2022-2024)
注視機構とロボット動作生成(2022-)
透明物体の深度推定(2022-)
ロボティクス応用を想定したセンシング理論・原理,パタン認識のための特徴表現・ネットワークモデル理論・原理の設計,画像の特徴と操作の物理の融合
点群位置合わせ
NeRFにおける最適化手法
シェアード・オートノミー,容易なロボットの遠隔操作方法、自動と操作の最適デザイン、ヒューマン・イン・ザループ、ロボット行動や物体認識学習における容易な人介入、作業者とロボットにおけるインタラクションデザイン
Time pressureに基づいた生産性と付加の両立(2022)
熱に基づく材料認識技術(2022)
柔軟性を持つハンド機構の設計,AI(深層学習)のためのメカ最適化,複数の作業を両立するハンドデザイン,視・触覚センサと手作業
透過・不透過素材の特性を利用した物体姿勢推定の為のロボットハンド設計 (2020)
多自由度の作業最適化,移動と操作の両立,操作精度や速度を向上させるための制御方法や認識方法の提案
雑踏環境でのすれ違い動作強化学習
多数台ロボットシステム
LiDAR map内でのvisual localization
音源分離,定位,認識
サーベイまたは研究メンバー参加希望の方は、こちらからgoogle formに記入してください.また質問がある場合にも,以下のURLからお問い合わせください.
運営への連絡はmakihara-koshi[at]aist.go.jpをCCに入れてご連絡お願いします.