amazonで動くロボット聞いてきた！

６月２日、ＡＷＳ　Ｓｕｍｍｉｔ　２０１７にいってきて

Amazon Roboticsフィルフィルメントセンター
・・・

とか聞いてきたんだけど、それって何！っていうと、
表題の通り。Ａｍａｚｏｎ（ＡＷＳ部門ではなく、本とか物販しているＡｍａｚｏｎ）
で動くロボットの話。以下メモメモ

---

・Ａｍａｚｏｎロボティクスとは
　エンドユーザーの人
　フルフィルメントをロボットで
　　解決されていない問題：革新、イノベーション

ビデオで紹介

システムの詳細
　ロボット：ドライブユニット
　在庫ポット：棚（可動式）
　受取場所：在庫充填
　竜王サービスと通信　wifi
　ロボットの充電

ロボットの詳細
　センサーとカメラ、Ｗｉｆｉ
　高速だけど、人が歩くくらい。頑強

ポッド；人がアクセスしやすいように
　コップ：箱がつぶれている→こわれてる？
　ロボットと人の協業

バランスを取り、流動的に動く
　ソフトウェアに心配：以下に分散して運営
　ロボットを待たなくていいようにするには
　移動距離をみじかくするには
　最適化

どこから選ぶべき？
　距離
　他のを動かす？
　多くのものをピッキングできる
どのロボットを動かす？
　距離：ほかのミッションについている
　バッテリー
　能力
次に何する？
　バランス
→とてつもないスケールを実現するロボット


スケールパフォーマンスの設計
ＡＷＳ以前のオンプレミスでの設計
　垂直方向
スケールできる限界を伸ばさなければならない
大きな視点で見る必要がある
ＡＷＳクラウドアーキテクチャで課題を解決
　垂直スケーリングの制約→水平にスケール可能
　ローカルでの視点→よりグローバルな視点
　アップグレードダウンタイム→停止時間なし
　弾力性の制限→クラウドファースト

ＡＷＳ基本的な６つのデザインの原則
（１）キャパシティを予測する必要なし
（２）プロダクション規模のテストシステム
　　　　　バーチャルシステム
　　　　　サービスをモックアップする：テスト境界に入れる
（３）自動化によりテストをより簡単に可能
　　　　　ユニット、負荷テスト、アルゴリズム、自動ロールバック
（４）進化したアーキテクチャを可能にする
　　　　　確実にしなくてもよいＡＷＳは不確実性なことにも
（５）データドリブン
（６）Ｇａｍｅ　Ｄａｙ：実環境では差が生まれる。シミュレート
　　　
最終結果：８万台ＡＷＳで→設計変更するだけで台数変わる

自然言語処理のＡＩとか、画像処理のＡＩとかの話

６月２日、aws summit 2017で

PKSHA Technologyのアルゴリズムソフトウェア構築の試み

を聞いてきたので、メモメモ

---

ぱーくしゃー：目の見えるソフトウェア
　深層学習領域のアルゴリズム
　アルゴリズムサプライヤー
　音声解析、動画像解析・・・

４０名くらい

ＢＩ　ＴＯ　ＡＩ　：未来のアルゴリズムソフトウェアをデザインする
データリソース集約：ＡＷＳ→ミドルウェア→ＮＮ→アプリケーション
　縦に切った切り取り方

・３つの領域
　モバイルコンピューティング
　　ＬＩＮＥ：多くのトランザクション
　　　ビジネスコネクト：ＢｔｏＣ
　イメージングデバイス
　　画像の知能化　ＣＮＮ
　エンベディッドＡＩ
　　教師データ　育っていったアルゴリズム→エッジへ

　事例：
　　ＢＥＥＤＯＲＥ（べどあ）とは
　　　　アプリケーションサービス
　　　　コールセンター：やとうの難しい
　　　→一時うけ：事前解決してしまう

・自然言語処理の進化と対話データの量の増加
　自然言語：ある一定の制約でできる
　２０１２年：
　　ＬｉｎｅとＦａｃｅｂｏｏｋ
　　技術的ブレイクスルー
　対話研究
　プラットフォームの変化：対話が保存された
　グループチャットにＢＯＴ（１人だけエージェントがいる）
　　ＦＡＱエンジンとして返す
　　いろんなネットワークによる会話
　機械学習ベース；ルールベースより高い精度で質問の意図をくみ取る
　　→トークスクリプト
　データからパターンを整理：統計的なアプローチ
　
　コールセンターのスマート化：コスト構造が変化

　効果
　　オペレーターサポートＸ荷電数→事前解決
　　オペレーターの検索に使う

　大枠のアーキテクチャ：省略

　機械学習：観点
　（１）モデル学習、再学習、転移学習
　　→アップデート：同じデータ構造？転移させたいとき？
　　→トレードオフ：バランス

　使うほど、精度あがる
　　初期制度がひくいと、運用にもっていけない
　　ある程度の精度担保
　　１００にはならないけど、意味あるように・・
　　人の業務とセットに

　動画像解析、医療
　　どうやって使うか
　　精度８割、９割で意味をなすもの
　　オペレーションが回っているところとセット
　　　エンタープライズのＳａａＳ：裏に機械学習→サポート
　　　教師データを作る形に
　予測モデルを回す：言語と同じような構造

　動画：エッジから　別途
　バーチカルビジョン：個別でアーキテクチャを組む
　動画データの解析サービス増えている
　　領域特価の認識；GoogleのVisoin APIから特化
　　動画像の認識：エッジではまだ
　　　次元削減をどのくらい行えばいいというのが問題
　　　１０００ｆｐｓで認識した直後、パラメータ化、
　　　ベクトル変換してしまうのをハードウェア
　　　全部をやってしまうのか？どこで認識させるか

　　ソニー：手前
　　ＦＰＧＡで
　　レコーダー
　　ブラウザ
　　　→トレードオフ

　　すり合わせていくチャレンジ　

Ａｍａｚｏｎ ａｌｅｘａをやるには、何が必要か、聞いてきた

が、本当に知りたいなら、
っていうか、この話読む前に

Amazon Alexaの基礎知識
http://dev.classmethod.jp/cloud/aws/amazon-alexa-basic-knowledge/

と

Intent, Slot, Utteranceのおさらい
http://dev.classmethod.jp/cloud/summary-about-built-in-intent-and-built-in-slot-type/

を読んでもらったほうがいい。

そうすると、開発にはAlexa Skills Kitが必要で、
そのAlexa Skills Kitの中に、
インテント（意図）、スロット、などを書く
ということがわかると思う

そこまで知ったうえで・・・

６月２日、aws summit 2017に行ってきた！

をメモメモ（を見てもらうと、意味通じる）

---

Ａｍａｚｏｎ　ａｌｅｘａ

キーノート振り返り
何が必要か

・ALEXA ECOSYSTEM
　音声サービス；らずぱいでも
　Alexa Skills Kit

・ＡＳＬのリクエストによって行われていること
　スピーチtoテキスト
　テキスト
　インテンション
　コード→アクション
　メッセージを返す：カード（ビジュアルエレメント）

・音声
　まずはＡＰＩから
　　そういう考え方をしてしまう
　ボイスエクスペリエンスから始めましょう
　開発：コードをかく→アクションへ
　プッシュ・ページ化
　すきる：プライベートへ

・Ａｌｅｘａ　開発ポータル
　ラムダつかうのがいい
　チュートリアル
　　http://github.com/alexaで

　どのように声をかけるか
　天気情報の取得：意図

　意思が重要：
　　あなたのユーザーが実際に起こす行動のこと

　構造
　　答え
　　ビルトイン

　コード
　　Alexaが何をいつ言うかを決定する場所

　話すＶＳ聞く
　　Alexaには２通りのレスポンス：話す／聞く
　　１つめ：話す・・・いう（会話終了させる）
　　２つめ：聞く・・・言葉に出すが、相手の反応を待つ
　　　８秒まつ：結構長い（会話終わる）
　　　別のこという
　→話すと聞くは違う

　カード
　　　ユーザー視覚的なカードを見せる
　　　追加情報も

　話す　ＶＳ　聞く　Ｗｉｔｈ　カード

　スロット
　　発話によって、特定のユーザーの志向をつかむには、スロットが変化しやすい
　　サンプルを入れておけばいい
　　　→東京という答えの文字を得る
　　全部知っていなければならないわけではない
　　組み込み型が入っている

　これだろうと、聞いている値からスロットリストを選ぶ

　表意（Ｓｔａｔｅ）の管理
　　同じ答えＹｅｓ→違うリアクション
　　提案する

　別の行動にプッシュすることも
　　→ステートマネジメント

　ボイスユーザーインターフェース
　　正しく作る
　・絶対的に正しい使い方と絶対的に間違った使い方がある
　　フレーム　ＶＳ　チャート
　　フレーム
　　　強制配列
柔軟性なし
　　チャート
　　　いつで、どこでも
　　　相互に適応
　　　ユーザーによって主導される
　　スキルを構築するとき：チャートベースで作ること

　ピザのデリバリー：プロダクトのクオリティよりやり方

「ググれカス」の時代から「ググったらカス」の時代へ

「知識を手に入れるための知識」がない人にとって、Google検索はあまりにも難しい。
http://blog.tinect.jp/?p=40340

「ロボットトラクタ」は、２台で自動運転する

６月２日、aws summit tokyo 2017に行ってきた！

次は

ヤンマーが提案する「ロボットトラクタ」のご紹介
A SUSTAINABLE FUTUREの実現へ

をメモメモ

---

・自己紹介

・会社概要
　ヤンマー７つの事業
　　あぐり、まりん、こんぽーねんと、建設、エネルギー・・・
　　天気予報ではなく。。

　ＢｔｏＣは、あぐりじぎょうだけ
　

・ロボットトラクター誕生秘話
　ディーゼルエンジンの小型化
　　耕運機：農作業の効率化→いまも後進国で
　　農業の効率化
　　トラクター：車と一緒になってきた
　ロボットトラクター
　　メカトロ設計→ＩＣＴを活用したサービス：クラウドの利用

　農業を取り巻く環境
　　７０億→ふえていく
　　耕作地：そんなにふえないのでは
　　農業人口：高齢化→次の世代すくない
　少ない農業生産者が、増え続ける食料需要を賄う時代へ
　ヤンマーは持続可能な農業の実現にむけ、テクノロジー＋サービスで

　持続可能な農業
　　労働力を節約する技術
　　　省力化と作業時間短縮
　　経験や勘に頼らない科学的な技術
　　　匠の技をだれにでも利用可能へ
　　３Ｋ（きつい汚いくさい）イメージの払しょく
　→ロボット農機

　ロボットトラクタ
　　だれでも
　　せいかくに
　　こうりつよく

　農水省のロボット農機自動化レベルとロボットトラクタへの取り組み

　　レベル０　手動操作
　　レベル１　使用者搭乗
　　レベル２　使用者監視の上での無人：随伴型ロボットトラクタ
　　レベル３　完全無人自律走行

　→レベル２を商品化

　レベル１：ガイダンスという。まっすぐ走ってくれる
　　→人間がやると難しい
　　自動操舵補助システム：北海道の３～４割のトラクタ
　　楽にはなる。何の効率の改善にならない

　レベル２：１人のオペレーターで２台のトラクターを動かす
　お客さんの発想
　　→私有地なんだから
　　→安全性は見ながら

　タブレットで
　　　プロの人は２台、初めての人は見てもらう

　別の作業：その日のうちに一気に作業できる

　誰でも、正確に、効率よく

動画：作業風景

　４８％低減

走行データ、走行経路：ＡＷＳへ→育成計画

ＡＷＳ活用事例と今後の展開
・きのうのＮＨＫのニュース

・自己紹介

・課題
　安全性
　ロボットトラクタのデータを有効活用したい
　ＳＭＡＲＴＡＳＳＩＳＴと一部マスター連携したい
　ログイン機能がない
　ＳＩＭがない

・ＳＭＡＲＴ　ＡＳＳＩＳＴとは
　データをつかって、圃場の見える化
　　精密農業
　　機械の情報の見える化
　　機械の見守り

。ロボットトラクタの課題
　　ＳＩＭ：自宅ＷＩＦＩ
　　そのほか

・認証：Ａｍａｚｏｎこぐにと
　ＳＡＭＬ認証
　キー発行　ＩＡＭ

・マスタ同期
　こぐにと　シンクストアとどうき
　差分をkinesis
　こぐにと：サイズの制約事項

・トランザクション

・ＡＷＳを採用してよかったこと
　１．開発コストの削減
　２．運用コストの削減；サーバーレス→監視は必要
　３．技術者確保用意（Ｍ者の単価）
　４．ＡＷＳ社員さんの人間性
要望
　こぐにとサイズおおきくしてほしい

・ＧＤＰ：日本１０％成長→米国１２０％成長

・デジタルビジネスとは
　デジタルと物理の境界をあいまいにすることで
　新しいビジネスモデルを創造すること

・デジタルトランスフォーメーション
　モード１
　これから：人間にしかできない、人間ではできないこと
　→ロボットトラクタ

・農業が維持可能であるためのAgTech（あぐてっく）

ビジネスモデル・キャンバスについて説明してくれる動画

があるみたいなのでメモ（まだみていない。あとでみる）

無料WEB経営学講座　WATNEY
https://watney.co.jp/

の

「イノベーションマネジメント」基礎科目　第7回 事業モデルのデザイン①