シラバス参照

基本情報/Basic Information

遠隔授業（授業回数全体の半分以上）の場合は、科目名の先頭に◆が付加されています（2023年度以降）

開講科目名
／Course

共生ロボティクス特論／Symbiotic Robotics

時間割コード
／Course Code

S2200780_S6

開講所属
／Course Offered by

システム工学研究科／Graduate School of Systems Engineering

ターム・学期
／Term・Semester

2025年度／Academic Year　　第3クォーター／3Q

曜限
／Day, Period

月／Mon　3,　月／Mon　4

開講区分
／Semester offered

第3クォーター／3Q

単位数
／Credits

2.0

学年
／Year

1,2

主担当教員
／Main Instructor

小川原　光一

科目区分
／Course Group

授業形態
／Lecture Form

講義

教室
／Classroom

北１号館Ａ２０４／北１号館Ａ２０４

開講形態
／Course Format

ディプロマポリシー情報
／Diploma Policy

要件年度／Required Year	要件所属／Course Name	ディプロマポリシー／Diploma Policy	DP値／DP Point
2020/04 ～9999/04	システム工学研究科	1.高度な専門性と研究力	10

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Affiliation
小川原　光一	システム工学部（教員）

授業の概要・ねらい／Course Aims	この授業では、人間と共生するロボットを実現するために必要なロボットミドルウェアや、基本的な認識・動作生成技術について理解することを目標とします。本授業を受講することで、プログラム開発実習を通じて実践的な知識を習得できます。
到達目標／Course Objectives	・ロボットミドルウェアおよび基本的な認識・動作生成技術の構成やアルゴリズムを説明し、プログラムによる実装ができるようになる。
成績評価の方法・基準／Grading Policies/Criteria	成績は、課題（レポート）の結果に基づいて評価します。課題（レポート）は各回100点満点で8回実施し、その平均点を成績とします。成績評定の区分は以下のとおりとします。　Ｓ：十分理解し、他人に対しても正確に説明ができる（９０点以上）　Ａ：十分理解している（８０～８９点）　Ｂ：理解している（７０～７９点）　Ｃ：おおむね理解している（６０～６９点）　不可：全く理解していない（６０点未満）
教科書／Textbook	補足資料をMoodleで配布します。
参考書・参考文献／Reference Book	ROS2ではじめよう次世代ロボットプログラミング（近藤豊著者・技術評論社・ISBN 978-4297107420・3,058円）深層学習　改訂第２版 (機械学習プロフェッショナルシリーズ)（岡谷貴之著・講談社・ISBN 978-4065133323・3,3000円）詳解確率ロボティクス Pythonによる基礎アルゴリズムの実装（上田隆一著・講談社・ISBN 978-4065170069・4,290円）これからの強化学習（牧野貴樹、他著・森北出版・ISBN 978-4627880313・4,620円）つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~（小川雄太郎著・マイナビ出版・ISBN 978-4839965624・3,608円） ※授業で直接使用しませんが、授業時間外学修の際に参考になります。
履修上の注意・メッセージ／Notice for Students	自分でも興味を持って情報収集しながら取り組んでください。
履修する上で必要な事項／Prerequisite	本授業ではPCを使用するため、各自PCを持参してください。課題はすべてPythonを使用したプログラミング課題です。課題レポートはMoodleから提出してもらいます。
履修を推奨する関連科目／Related Courses	記載事項なし。
授業時間外学修についての指示／Instructions for studying outside class hours	本授業の授業計画に沿って、１回あたり１時間の準備学習と３時間の復習を行ってください。さらに、授業内容に関連する課題に関する調査・考察を含めて、毎回の授業ごとに自主的な学修を求めます。
その他連絡事項／Other messages	必要な場合はMoodleを介して連絡します。
授業理解を深める方法／How to deepen your understanding of classes	最終課題では、授業で学んだことを活かして、学生が目的や仕様を決めてプログラムを作成します。 ③発見学習，体験学習，反転授業 ⑤学生自らが具体的なテーマや対象を設定する学習
オフィスアワー／Office Hours	担当　小川原木曜日 13：10～14：40（北１号館 A318号室）メールにて事前に連絡してください。 ogawara@wakayama-u.ac.jp
科目ナンバリング／Course Numbering	S61055J10099P503
実務経験／Practical Experience	無

No.	回（日時）／Time (date and time)	主題と位置付け／Subjects and instructor's position	学習方法と内容／Methods and contents	備考（担当）／Notes
1	1	共生ロボティクスの事例	共生ロボティクスの事例について理解します。
2	2	ロボットミドルウェア	ロボットミドルウェアについて理解します。	PC使用
3	3	ROS2	ROS2について理解します。	PC使用
4	4	RT Middleware	RT Middlewareについて理解します。	PC使用
5	5	画像の送受信と画像処理	画像の送受信と画像処理について理解します。	PC使用
6	6	人体の運動推定と認識技術	人体の運動推定と認識技術について理解します。	PC使用
7	7	画像特徴と物体認識	画像特徴と物体認識について理解します。	PC使用
8	8	自己位置推定と地図作成	自己位置推定と地図作成について理解します。	PC使用
9	9	ロボットの運動計画	ロボットの運動計画について理解します。	PC使用
10	10	深層学習の基礎	深層学習の基礎について理解します。	PC使用
11	11	深層学習の応用	深層学習の応用について理解します。	PC使用
12	12	強化学習の基礎	強化学習の基礎について理解します。	PC使用
13	13	強化学習の応用	強化学習の応用について理解します。	PC使用
14	14	深層強化学習	深層強化学習について理解します。	PC使用
15	15	まとめと実習	授業の内容を復習し実習を行います。	PC使用

授業の概要・ねらい／Course Aims	この授業では、人間と共生するロボットを実現するために必要なロボットミドルウェアや、基本的な認識・動作生成技術について理解することを目標とします。本授業を受講することで、プログラム開発実習を通じて実践的な知識を習得できます。
到達目標／Course Objectives	・ロボットミドルウェアおよび基本的な認識・動作生成技術の構成やアルゴリズムを説明し、プログラムによる実装ができるようになる。
成績評価の方法・基準／Grading Policies/Criteria	成績は、課題（レポート）の結果に基づいて評価します。課題（レポート）は各回100点満点で8回実施し、その平均点を成績とします。成績評定の区分は以下のとおりとします。　Ｓ：十分理解し、他人に対しても正確に説明ができる（９０点以上）　Ａ：十分理解している（８０～８９点）　Ｂ：理解している（７０～７９点）　Ｃ：おおむね理解している（６０～６９点）　不可：全く理解していない（６０点未満）
教科書／Textbook	補足資料をMoodleで配布します。
参考書・参考文献／Reference Book	ROS2ではじめよう次世代ロボットプログラミング（近藤豊著者・技術評論社・ISBN 978-4297107420・3,058円）深層学習　改訂第２版 (機械学習プロフェッショナルシリーズ)（岡谷貴之著・講談社・ISBN 978-4065133323・3,3000円）詳解確率ロボティクス Pythonによる基礎アルゴリズムの実装（上田隆一著・講談社・ISBN 978-4065170069・4,290円）これからの強化学習（牧野貴樹、他著・森北出版・ISBN 978-4627880313・4,620円）つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~（小川雄太郎著・マイナビ出版・ISBN 978-4839965624・3,608円） ※授業で直接使用しませんが、授業時間外学修の際に参考になります。
履修上の注意・メッセージ／Notice for Students	自分でも興味を持って情報収集しながら取り組んでください。
履修する上で必要な事項／Prerequisite	本授業ではPCを使用するため、各自PCを持参してください。課題はすべてPythonを使用したプログラミング課題です。課題レポートはMoodleから提出してもらいます。
履修を推奨する関連科目／Related Courses	記載事項なし。
授業時間外学修についての指示／Instructions for studying outside class hours	本授業の授業計画に沿って、１回あたり１時間の準備学習と３時間の復習を行ってください。さらに、授業内容に関連する課題に関する調査・考察を含めて、毎回の授業ごとに自主的な学修を求めます。
その他連絡事項／Other messages	必要な場合はMoodleを介して連絡します。
授業理解を深める方法／How to deepen your understanding of classes	最終課題では、授業で学んだことを活かして、学生が目的や仕様を決めてプログラムを作成します。 ③発見学習，体験学習，反転授業 ⑤学生自らが具体的なテーマや対象を設定する学習
オフィスアワー／Office Hours	担当　小川原木曜日 13：10～14：40（北１号館 A318号室）メールにて事前に連絡してください。 ogawara@wakayama-u.ac.jp
科目ナンバリング／Course Numbering	S61055J10099P503
実務経験／Practical Experience	無

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information