コンピュータビジョン

概要

コンピュータビジョンは、カメラで撮った画像や映像から、写っている物の種類、位置、形、動きなどを計算機で読み取る技術の分野である。1966年には MIT の Seymour Papert が、画像を物体と背景に分け、既知の物体と照らし合わせて名前を付けるところまでを夏休みの課題として組む計画（The Summer Vision Project）を書いており、その後この分野は長い研究の歴史をたどった。

工場では、部品の位置を測ってロボットに教える、製品の傷を検査するといった用途で「マシンビジョン」「ロボットビジョン」と呼ばれる。2010年代以降は深層学習による画像認識の精度が上がり、さらに画像と言葉を一緒に扱う視覚言語モデルによって、事前に登録していない物を言葉の指示で探す使い方も広がっている。

HuRoC の記事から

• 「円柱部品」と指示するだけで初見の素材を運ぶ。ファナックの「AIマスタレスビジョン」、2027年1月出荷：形の登録をせずに素材を見つけるロボットビジョンを扱った。
• 落ちた栗を見つけて拾い、背中のカゴへ。高知工科大と高知大が四足ロボットにアームを載せた自動収穫システム：アーム先端のカメラの画像認識で、園地に落ちた栗を見つける収穫システムを扱った。
• 紫外線で樹脂を固め、宇宙の真空で造形。Orbital Matterが3Dプリンター4台を積んだ8Uキューブサットで実証：検査カメラの映像を画像認識にかけ、軌道上で造形の状態を読み取る仕組みを扱った。