μT-Kernel×AIの学習環境

ライントレースロボットとmicro:bitを使用し、
・μT-Kernel
・AI
を気軽に学習、試行錯誤できる学習環境を作成しました。

主要な機能は以下の3つです。
1. ライントレース
2. 強化学習
3. ロボットの姿勢(転倒状態)推論

本システムのソースコード、環境構築方法・操 作手順はGitHubリポジトリにあります。
参照ください。

●GitHubリポジトリ
https://github.com/grace2riku/mtkernel_3_microbit

●環境構築・操作手順
https://github.com/grace2riku/mtkernel_3_microbit /blob/main/operation_manual.md

Transcript

1. 【μT-Kernel×AIの学習環境】の紹介 2025/12/11 阿部耕二 2025 TRON Symposium -TRONSHOW- TRONプログラミングコンテスト 開発環境・開発ツール部門 応募プログラム
2. • 自己紹介 • 作品紹介 • 環境構築方法・操作手順 目次 2
3. 阿部 耕二（あべ こうじ） 医療機器開発の組込みソフトウェア開発。 ・C言語、ベアメタルの開発業務経験がほとんど。 Xアカウント： @juraruming 自己紹介 3
4. • 自己紹介 • 作品紹介 • 環境構築方法・操作手順 目次 4
5. ライントレースロボットとmicro:bitを使用し、 ・μT-Kernel ・AI を気軽に学習、試行錯誤できる学習環境を作成しました。 主要な機能は以下の3つです。 1. ライントレース 2. 強化学習 3. ロボットの姿勢（転倒状態）推論 作品紹介 5
6. 【1. ライントレース】 ライントレースは下記のようにロボット制御の基本をバランスよく体験で きるテーマだと思い決めました。 ・入力: フォトリフレクターで黒ラインを検出 ・演算: ラインとロボットのズレから進行方向を決定 ・制御: 進行方向にモーター制御 作品紹介 6
7. 【1. ライントレース】 作品紹介 7
8. 【2. 強化学習】 ・ロボットがライントレースを強化学習する過程でラインを外れたらロ ボットを再度ラインに乗せて強化学習を再開する ・強化学習完了後に、強化学習で得た政策で実際にライントレースする 強化学習の結果がライントレースという形で実際に目に見えて、体感でき ます。 作品紹介 8
9. 【3.ロボットの姿勢（転倒状態）推論】 ロボットの転倒状態の推論は、以下のステップで簡単なエッジAIを体験できる 仕組みとしました。 ・ロボットの5つの転倒状態（転倒なし、右に転倒、左に転倒、前に転倒、後 に転倒）の加速度センサー値を収集する ・収集したデータをファイル化し整形する ・SonyのNeural Network Console（以下NNC）で転倒状態推定モデルを作成し、 収集したデータを学習、評価する ・NNCでマイコンに組込み可能なCソースコードを出力する ・出力したCソースコードをマイコンに組込む。 ・ロボットの転倒状態を推論できることを確認する 作品紹介 9
10. 【3.ロボットの姿勢（転倒状態）推論】 ・NNCの転倒状態推定モデル 作品紹介 10
11. 【3.ロボットの姿勢（転倒状態）推論】 作品紹介 11
12. • 自己紹介 • 作品紹介 • 環境構築方法・操作手順 目次 12
13. 本システムのソースコード、環境構築方法・操 作手順はGitHubリポジトリにあります。適宜、 参照ください。 •GitHubリポジトリ https://github.com/grace2riku/mtkernel_3_microbit •環境構築・操作手順 https://github.com/grace2riku/mtkernel_3_microbit /blob/main/operation_manual.md 環境構築方法・操作手順 13
14. ご静聴ありがとう ございました。 終わり 14