● （薬師神）衝突判定の閾値の設定について ○ 閾値設定方法についての詳細な記述はなかった。 ● （古橋）シャノン情報量の定義について ここまで記録を失念しておりました。申し訳ありません（水谷） ● （小川） ○ ハイパーパラメーター　場所の散らばり具合を事前分布的に取り込んでいるイメージ？ ■ 裏にどれくらい隠れていて、このレーザーの当て方だとどれくらい見れるか ○ 都市部か農村ぶかの違いは取り込める？ ■ 細長いものの多さなどで？ ○ 他のカーネル関数でもいい？計算量的には問題ない？ ■ ガウス過程の一般的な関数を用いていてNNよりも効率いい ● （羽藤） ○ 相互情報量　スピードとバッテリー消耗のトレードオフ の中での、被災地での情報量最大化は評価可能？ ■ 今回はシングルエージェント　同じような枠組みで複数UAV組み合わせても ○ エージェントごとの情報探索アルゴリズムもヘテロにするのがいいのか、相互情報量の総和を計算するのがいいのか、アイデアは？分散で計算がトレンドではあるが。個々のUAVの性能によって個別最適化されてしまうのはどうなのか。 ■ 目的関数は全体情報量、計算自体は各エージェント内で回す　スピードが速いUAVがここを通るだろうから、自分はここを、というような ● （増田） ○ 5.1, 5.2は目的地のみ？なんの目的のケーススタディ？ ■ →障害物回避 ○ 5.3 近場から攻めていき徐々に探索範囲を広げていく　サンプリングする経路の長さ、どれくらい先を見通すかに依存？ ■ 記載なかった　初期値が設定されていると思うが ○ 燃料制約は ■ なし ○ 燃料制約あれば、燃料量により最適化に差が出てきそう ■ 情報量の設定しだいで挙動は変えられそう ■ 広く全体を見る方がいい計算式になっている ■ 1回通ったところも一定時間後にまたくると情報量上がるような風にすれば変わるかも ● 大山賞 ○ 電動車いす ○ 動的なのでダイナミックな経路計画でも適用可能では ● 井料賞 ○ 0.6ピンとこない　時間変化、災害応用 ● Qiu賞 ○ 電動車いす ● 重村総括 ○ 経路の最適化でなく、八方塞がりなら引き返す必要もある、速度も調整して180度ターンするなどの処置も必要かも ○ 車椅子や歩行者にも納得感 ○ 動的、複数エージェントでこそ、実用、研究的面白さにつながる ○ https://app.sli.do/event/i8LjjRVWhTtnhB3fMfJD6B/live/questions 得票順 空間の点群データをとり、レーダーの跳ね返り＝歩行者の視野内の不確実性を伴う認知　のように見立てて、案内看板やイベント実施の認知が歩行者行動を変える様子をモデル化する。駅構内や街の構造再編などの効果検証 (edited) ガウス過程で遮蔽領域を推定するのは、潜在空間での拡散モデルに似ている　レーダで測定した障害物の確率分布と、カメラでの物体検知を組み合わせることで、より高精度な遮蔽物検知ができると思う。　 選択肢集合自体の生成は一様分布から行なっているので，そこに事前確率を入れられれば探索範囲を絞れそう．あらかじめ大まかな障害物の密度を探索しておくなど． マップが動的に変化している状況での探索（5.3）に旨みがあると思う．災害情報収集にあってそう．人口が疎なエリアは情報量が小さいので，相互情報量に基づく探索で都市部の優先探索とかがそのまま行けそう！ (edited) 不確実性が高い場所ほど高い情報利得が期待されるのがわかりやすい。 ・災害時などを想定して、環境の不確実性（時間変化など）を扱えるように情報量に工夫出来たらいいな。/・都市環境における経路計画の、生成経路の衝突確率0.6以下って高いと思った。実用に耐える？ 今回は障害物が固定で、情報の不確実性を減らす経路を探索したが、障害物が動くような状況で、Originから離れる経路を探索すれば、電動車いすの自動運転のような状況に応用できそう。 重村のいうように災害時の都市レベルでの話だと、事前のPLATEU情報で衝突回避は十分。マクロには違うモデルを使い、1つの橋の安全性を調べるときにこれを使う方が良さが活きるのでは（衝突回避だけじゃなく、近づかないと情報が得られないみたいな制約をつけて）。 飛行体の物理的な制約を考えているところに、調査における実用的な活用を想定しているのがあらわれているので、更に実用的に活用するなら動的な障害物の検知と回避ができると良さそう。 (edited) 都市の建物には不確定性がほぼないと思うので、自然の木の成長など不確定性のあるもののリスク分析に使えないか なんだかんだ相互情報量は、観測点を中心とした空間的相関に基づいて、予測上の情報伝播が重視されるわけで分散制御ならGP+シャノン情報量の方が性質がいい場合もありそうだよね。 極端な場合、既にわかっているエリアに近い点を選ぶことで、広域の「微小な」分散低減を優先してしまうことがあるよね。＜相互情報量。 どこかに固定のカメラを置いて複数台のUAVを考えたらMAPFの考え方で中央集権的に情報の不確かさを減らす経路を探索できそう RRTの考え方に依拠してところがポイントかと思う．簡単なので使えるがダイクストラとかと比べると雑に見えなくもない．今回のようなユークリッド空間が基本となる問題ではいいのかもしれない ドローン系の経路探索は深層学習・行動モデルの学習過程ににてる、モデルの改善を情報量や粗悪な解を障害物として見做せるか 他のUAVとの連携にまで拡張できると面白そうだと思った。首都圏災害時に広域の被害情報を素早く的確に調べる必要があるが、高層ビルが多い環境での低空飛行において今回の研究は活きそうなので、高高度から広域に情報収集するUAVと連携しながら局所的に低空飛行のUAVを飛ばすシステムができたら面白そう。 フィッシャー情報量はモデルの構造（尤度の2階微分など）に依存し、近似前提や滑らかさが必要しているから、相互情報量の方がつよいかも。 センサーは環境からデータを取得するから相互情報量でもいいが、そこから見えない状態を推定する際にはフィッシャー情報量の方が有利かも。観測値に意味を与え、状況を理解するためには、確率的・統計的な推定が必要ではないか。 GPが各点の予測分散（＝不確実性）を出力できるので、観測前後のエントロピー変化から相互情報量が計算可能なのが便利。 観測前後の相互情報量と強化学習の観測報酬でどちらが精度高くなるのか検証する データ点が多くなるとGPの計算コストが大幅に増大していくはずなので、長時間・広範囲な環境に応用しようとするときにどの程度通用するのか 逐次的に最適経路を選択しているが、何をもって最適としているのか気になる。排除された経路も使えば、複数経路の生成が可能なのではないかと思う。 しかも、各点の分散 σ 2 をそのままスカラー値として使えるから計算早いのでわ。＜フィッシャー情報量。 障害物の分布を事前情報として入れとくので十分なのでは、という気がした。都度パスを生成するみたいな必要性があまり感じられない 探索をする中で集中的に探索を行う必要がある箇所を見つける災害時のような状況では，不確実性評価の工夫が必要． どのくらいの精度で測れるのか次第だが、畑の成長や牧草の伸び方、飼育動物の動き方などの動的なものの観察に使えないか 衝突確率0.6以下の妥当性がわからない。安全マージンの設定もそうだが機体の速度とかにも依存するのでは。 衝突回避のための密なサンプリングを、情報探索のためにも使う必要はなく、もっと疎でいいので、サンプリング方法を分けるか、UAV自体を分けて役割を分担したい レーザーがあるのに衝突するのは経路探索アルゴリズムの問題か．