非GPS環境においてドローンの自律飛行を行うにあたり作業空間内での 自己位置の推定が課題となっている． 本研究ではUWBを用いてドローンの3次元位置推定を行う． 複数のアンカーからの計測情報をもとに， 3次元位置推定を行うにあたってパーティクルフィルタを適用し 様々な環境条件及びドローンの移動状態において 位置推定の精度について検証を行う．

タミヤ商標の「ミニ四駆」にマイコンボードを搭載してモータ出力を可変にし たシステムは「ミニ四駆ＡＩ」と称され，そこでは状況に応じた速度制御で 逸脱防止をしつつ高速な走行を目指したり，定められた位置への停止精度を 競う等の競技「ミニ四駆ＡＩ大会」が開催されている．コース上の自己位置と 速度を推定することで，これらが可能となる．本発表では，状態空間モデルに よる定式化と粒子フィルタによる状態推定のアプローチを採り，まずは素朴な シミュレーション実験の結果を報告する．

道路の性能(たとえば，単位時間あたりの最大通過可能台数)は， 幾何条件等により区間ごとに異なることが知られている．ただし， 実際にどこで・どの程度・どのように異なるかは明らかではない． 発表者らは，この問題に対して，車両軌跡データに対して スパースモデリングを適用する手法を提案した． 実データへの適用結果とともに発表する．

生命科学では、タンパク質溶液における「凝集」や「相分離」といった 状態変化が重要な研究対象となっている。このような状態変化を、 単なる見た目ではなく数値化して定量的に取り扱う目的で、 タンパク質溶液の透過光顕微鏡画像の計測・解析を進めている。 状態変化のモデル実験としては「タンパク質溶液への沈殿剤添加による沈殿析出」を実施している。 沈殿画像に対して、パワースペクトル解析や周波数フィルタリングを行うことで、 沈殿の大きさや凝集状態の情報を得ることができる。 状態変化検出における散乱光計測の有効性も併せて説明する予定である。

製鉄プロセスでは、原料である鉄鉱石から金属を得るための還元材、 および高温への加熱源として、電力業に匹敵する量の石炭を使用する。 この石炭由来のCO2を削減するために、炭素使用の削減や 他の還元材・熱源（水素、電力）への置き換えが喫緊の課題である。 世界最高水準にある日本の鉄鋼業の直面する課題を俯瞰し、 さらに高度な鋼の溶製を目指して製鉄技術を発展させるための オンライン計測技術の動向について概説する。

愛媛県西予市野村町では，地域の強みや魅力を再発見する取り組みが行われており， その強みの一つに，イベントにおける「設営力・撤収力」が挙げられる． しかし，これらの強みは定性的な側面が強く， この経験知を定量的に示して共有することが難しい．そこで本研究では， グラフニューラルネットワーク（GNN）を用いて， イベントにおけるテントの片付け作業を行っているスタッフを対象に， 各スタッフの追跡データから作業を推論するモデルを作成し， 得られたグラフの辺にかかる重みをスタッフ間の協調度と解釈することで， イベントにおける撤収力を定量的に解析する手法を提案する．

運転シミュレータのバーチャル自動車は外見と動特性の二つの 情報により構成される。外見情報は車両の外装や内装を表現し、 動特性の情報は走行速度や運動性能など車両の挙動を再現する。 一方、運転シミュレータを構成するソフトウェアには、 高額で本格的な製品（UC-win/Roadなど）、 MODレースゲーム（Assetto Corsaなど）の流用、 ゲームエンジン（Unity、Unreal Engineなど）による自作など、様々である。 異なるソフトウェアで同じバーチャル自動車のシミュレーションをする場合、 外見情報や動特性などの車両情報を個別に作成する必要がある。 車両情報を統一し、単一のバーチャル自動車を複数種類のソフトウェアで 共有する方法を提案する。

タミヤ製のミニ四駆にマイコンボード・センサを搭載したものはミニ四駆AIと 呼ばれ、モータ出力の調整とセンサデータの取得が可能である。 センサ信号を用いて自己位置と速度を推定することでモータ出力を調整し コースアウトを防ぐことが期待される。本発表では、コースをブロックごと に簡略化し、地磁気センサの信号を用いてブロックの位置を推定する手法を提案する。

パーティクルフィルタは、物体の動きを仮定した状態遷移モデルに 従って粒子を遷移させることで良好な追跡を行う。そのため、 物体が遷移モデルとは異なる動きをした場合、追跡が困難になる。 そこで、CNNを用いて算出された追跡対象の移動量を 状態遷移モデルに組み込む方法を提案する。 また、追跡対象の移動量を正確に算出するために、 CNNを用いて追跡対象の重なり状態を判定し、 この判定結果を移動量推定に加味するようにした。 本発表では、これらの提案手法を用いることで、 推定精度がどの程度向上するかを検証する。

水産資源の保全や海中環境の維持において，海中の魚の挙動把握は有用である． 海中の全天球カメラ画像において，魚の物体検出をYOLO等の認識技術により行うと， 誤検出や欠損が生じ得る．また，複数の魚が居るシーンでは，画像フレーム毎の検出処理 の結果に対して，魚を区別しながら時間的な連続性を得る必要もある． この課題に対し，本研究では，YOLO検出の後処理として粒子フィルタを適用する． まずは素朴に１匹の魚のみのシーンに対して適用した結果を報告し， そこで明らかになった課題や今後の展開について述べる．

膜タンパク質判別および二次構造予測システム「SOSUI」の開発で 著名な美宅成樹氏（名古屋大学名誉教授）が、今年共著として 「Evolution Seen from the Phase Diagram of Life」を上梓した。 同書の中で、塩基組成の偏向に基づき個々の生物ゲノムデータを 2次元座標上の各点に射影する新たな解析方法が示されている。 発表では、同方法及びこれに伴って提唱されている「生命の相図」の 概念を紹介し、これらの生命科学における意義について私の見解を述べる。 また、美宅らの方法の発展形としての解析方法の開発に着手しており、 その現状についても可能な範囲で報告する。

状態空間モデルの問題設定と，状態推定としての予測，ろ波，平滑化の形式的な解， 線形ガウスモデルにおけるカルマンフィルタおよび平滑化アルゴリズム，および， 非線形非ガウスモデルにおけるモンテカルロフィルタのアルゴリズムを確認した後， その改良として逐次モンテカルロ法およびラオ―ブラックウェル化について概観する． 粒子の重み評価とリサンプリングを伴わない方法として，マルコフ連鎖モンテカルロ ＭＣＭＣに基づく方法であるSequential MCMCと，そこでの力学系の活用を概観する．

非線形力学は単純な要素の相互作用からカオス・パターン形成・分岐現象などの複雑な振る舞いを生み出します． 講演では，非線形力学の多様な振る舞いについて概観するとともに， ポリマーや分子のモデルである質点がバネで結合した単純なハミルトン力学系（ビーズ・スプリング・モデル）が 生み出す動的な形態変化（dynamically induced conformation）の解説します．

複数の人物からなる集団内での協調行動の解析は， その集団における中心人物の推定や人物同士が協調的に行動する過程を把握する上で重要である． 実際の集団はそれぞれの人物が何らかの意図をもった行動を行っており， お互いがそれぞれの意図を汲み合うことで協調行動が行われている． しかし，協調行動の定量化や可視化は困難であり，集団内の人物同士における協調度合いの数値化が必要である． 本研究では，愛媛県野村町で開催されたイベントにおいて，スタッフがテントを片付けている映像をもとに， GNN(Graph Neural Network)を用いて，テントの片付けを行うスタッフ間の協調度の数値化を行った．

偶数枚からなるカードをちょうど半分に分け，互いに1枚ずつ完全に?合わせるシャッフルを完全シャッフルという． ?み合わせ方にはOutとInの二種類がある． スペインのマジシャンJuan Tamarizは計m回の完全シャッフルがなされたカードは， 2^m個の山に配り分けて適切に山を集めれば元の並びに戻るという事実を発見したが， 52枚の場合の方法しか知られていない． また，一般の枚数に対するOutのみやInのみの場合の復元方法は最近明らかにされたが， これらを複合した場合の復元方法は知られていない． 本研究では，一般の枚数でOutとInを混合した場合に対する復元方法を明らかにする．

近年若年層を中心に斜視が増加している．そのため，斜視状態で写った顔画像を， 深層学習に基づく画像補完アルゴリズムであるLGNetを応用して補正することを提案する． 従来は，個人を対象にした顔画像補完が主流であり，顔の広範囲を補完する方法だった． 本研究では斜視の補完に特化するため， まず，集合写真から斜視状態の顔画像を自動的に抽出して特定の目の領域のみをマスクする． そして，マスク部分を学習済みのLGNetを用いて補完し，斜視を補正する． 実験により，斜視状態の顔の自動抽出および斜視の補正が適切に行われることを確認した．

パーティクルフィルタを用いた人物追跡において、 人物の動きを仮定した状態遷移モデルに従って粒子を遷移させることで良好な追跡が実現できる。 しかし、人物が遷移モデルとは異なる動きをした場合、追跡が困難になる。 そこで、畳み込みニューラルネットワーク(CNN)に追跡対象を囲む矩形を入力して得られる移動量を 状態遷移モデルに組み込む方法を提案する。また、追跡対象の移動量を正確に算出するために、 CNNを用いて追跡対象の重なり状態を判定し、この判定結果を移動量推定に加味するようにした。 移動量を推定するCNNを学習する際に使用する正解移動量の作成方法について検討した。 目視で求めた人物位置の単純な差分による方法と、スプライン補間による方法を用いることで、 移動量の推定結果や追跡精度にどのような違いが生じるのか検証する。

ファジィ理論に基づく識別器は，言語的に解釈可能なexplainable-by-designなモデルとして説明可能なAIの研究対象である． オンライン学習は逐次的に学習を行う手法であり， 時間経過に伴って利用可能となる学習データに応じてモデルパラメータを更新する． 既存のファジィ識別器は動的環境に適応できるが，変化を予測できず学習が遅れる課題があった． 本研究では粒子フィルタを導入し，環境変化を予測的に捉え識別精度を向上させることを目的とする． 数値実験では動的環境下で識別精度を評価し， 提案手法が従来手法より高精度かつ解釈可能性を維持していることを確認した．

近年，生成AIをはじめ，様々なAI利活用が盛んに行われている． しかしながら，生成AIによるフェイクニュースをはじめとした偽情報・誤情報も大きな問題となっている． また深層学習は多くの分野で成功を収めているものの，その構造はブラックボックスであることから， 説明可能なAI，責任あるAIが求められている． このことから本発表ではIf-Thenルールにより推論を行うファジィ推論モデルによる責任あるAIの構築について議論する． また，深層ファジィ推論モデルの学習法と知識獲得についても言及し，本モデルが説明可能で， かつ透明性のあるコンパクトな推論モデルであることをも示す．