gr-carryで ジェスチャーの機械学習 - かぎーぱみゅぱみゅver.2
TRANSCRIPT
登尾 徳誠(@tnoborio)
• ニャンパス代表 / ソフトウェア開発
• 書籍「はじめてのClojure」
• Tokyo.clj等勉強会諸々開催
• 越谷市にて、コワーキングスペース
HaLake(http://halake.com)を運営
2
GR-CARRY
• ルネサス製
• BLE、加速度センサー、タッチセンサー、フルカラーLED
• ボタン電池で動く
• (未発売) → ルネサスさんのイベント 「がじぇるねメイカソン」に参加したことでゲット!
3
がじぇるねメイカソンで作ったもの
4
コンセプト:ジェスチャーで
エアコンやライトのON/OFFを制御！
仕組み
加速度センサーからジェスチャーを認識し、各種リモート操作が可能なデバイスへ制御を行う
IRKit(赤外線制御)や、Wemo(電源制御)など、Wifi経由で操作できるガジェットが対象
がじぇるねメイカソンでの ジェスチャー認識
• ソフトウェアにProcessingを使用
• 加速度をタップされた強度として数値化し、その数値から動いたと判断
• 強度だけではジェスチャー認識は限界がある6
ということで• 流行りの機械学習を使って、ジェスチャー認識をやってみたい！
• 機械学習ライブラリが充実のPythonを使用
• 「実践機械学習システム」オライリー刊を必要そうなところをかいつまんで読む
7
機械学習3ステップ1.ジェスチャーを行い、加速度センサーからの情報をデータとして保存(record.py)
2.保存されたファイルから分類器を作成(learn.py)
3.分類器を使って実際の認識 → 外部のデバイスへ指示(gesture.py) https://github.com/nyampass/gr-carry-gesture
8
学習の具体的な流れ• 取得できるのは、時間ごとのXYZなので、これを一次元のデータに変換
• scikit-learnを使いサポートベクターマシン(SVM)で、多項式での分類
• データの半分を訓練に使い、残り半分を評価するためのテストに使う 9
時間 X Y Z
0 -0.9051 -0.25746 0.2247
1 -0.9051 -0.25746 0.24006
2 -0.90186 -0.24702 0.2391
3 -0.90186 -0.24702 0.2391
4 -0.90186 -0.24702 0.23526
5 -0.8613 -0.25692 0.23526
6 -0.8613 -0.25692 0.23526
7 -0.8613 -0.25692 0.23526
8 -0.84642 -0.27174 0.24048
9 -0.84642 -0.27174 0.24048
10 -0.84642 -0.27174 0.24048
今後の展開• より多くのサンプル・データ採取
• シリアル通信からの脱却 → BLEでやりとり、スマートフォンとの連携
• HaLakeにてIoT勉強会、機械学習勉強会を開催、知見を広める
10
コワーキングスペースHaLake
http://halake.com/• 越谷市レイクタウン駅から徒歩30秒
• IoTガジェットの貸出も始めました
• 月額会員(1万2000円/月)になると、
• 3時間の技術支援
• 毎週日曜開催の親子！プログラミング教室(Arduino、Scratch)に無償で参加
• イベント続々
• 10/31開催のlittleBitsワークショップ
• 11/6 ルネサスさんとのプロデューサーミーティング
• 今後のHaLakeでのイベント情報 https://halake.doorkeeper.jp/ 11
ESP8266や、GRシリーズなど面白いボード、マイコンが出ていて、IoTの波が来ています。
一緒に楽しみましょう！
資料 -> http://bit.ly/iotlt-carry
13