II. 実世界知能技術分野

【研究開発の目的】
現在の情報処理技術は、論理・手続型情報処理を柱としており、予め定められたアルゴリズムに従って効率良く処理を行うアプリケーションに適しているが、莫大な多様性と曖昧性を特徴とする実世界の情報を処理する場合には、不十分な点が多い。

このため、実世界の情報をそのままの形で受けとり、環境や状況を認識または推測し、自律的に応答することができるような情報統合・学習型情報処理能力（実世界知能）を従来の情報処理技術に付加するための基盤技術を開発することを目指している。

具体的には、1)マルチモーダル機能（情報システムを、音声や画像等を組み合わせた自然な対話様式で利用するためのエージェント型のヒューマンインターフェース）、2)自律学習機能（実環境内を自律的に移動し、センシングや対話等を通じて環境と自らをとりまく情報を収集、学習し行動することのできるエージェントシステム）、3)自己組織化情報ベース機能（実世界あるいは情報ネットワーク上の多様な情報を自己組織的に整理、要約、検索、提示することのできるエージェントシステム）の３種類の機能実証システムについて研究開発し、4)理論・アルゴリズム基盤研究との連携によって、情報統合、学習・自己組織化技術等の基盤を確立することを目指している。また、これらの技術の実現に有用な5)実時間・適応処理が可能なデバイスの開発も進めている。

【研究開発の現状】
多くのテーマは、既に研究室内での試作・実験による評価段階、あるいはプロトタイプの試作を終え、応用分野・利用者を捜している段階である。そのために、研究室内にとどまらず、多数の人が集まるデモ会場というまさに実環境での実機デモンストレーション等を頻繁に行い、実世界知能技術の実証を行っている。また、既に中間成果が実用化段階に達しているものもいくつかあり、例えば、マルチモーダルインタフェース、CrossMediater、再構成可能適応デバイス、FTAによる実世界の人工現実の実現などが挙げられる。 （図2-1参照）

図２ー１ 実世界知能技術分野における研究開発

1．マルチモーダル機能領域

1.1　目標
情報世界と人間との接面にあたって、音声や画像などを合わせた自然な対話様式でコンピュータの利用を可能にする次世代ヒューマンインタフェースの研究開発を行う。

1.2　意義
コンピュータと人間のインタフェースは、現在、キーボード、マウスを主体として行われているが、今後の大衆化と応用範囲の広がりに対応して、人間が通常利用している音声、画像、手やしぐさ、更には表情による感情の伝達などのマルチモーダルなインタフェースの開発を行う。これにより、計算機の著しく簡単に使用でき、利用者層を拡大すると共に新しい適用分野も開拓されることが期待できる。

1.3　アプローチ
本領域では、異種のマルチモーダル情報を統合的に処理するための基盤技術の開発を目指して、次の３つの側面から研究を進める。

・人間の発する情報の把握
・環境の把握
・応答の生成と対話の制御

1.4　研究テーマ（図2-2参照）

図2-2 マルチモーダル機能領域における研究開発

《人間の発する情報の把握》
（1）非言語的ジェスチャ把握：音声・ジェスチャによるマルチモーダルインタフェース
マルチモーダルデータベースCrossMediatorのための音声・ジェスチャによる入力インタフェースを構築する。（つくば研*）

（2）言語的ジェスチャ把握：手話認識システム
手話における手指動作と非手指動作を統合して処理できる方式を研究開発し、情報提供端末型手話通訳システム及びマルチモーダル手話通訳プロトタイプシステムを構築する。（日立研）

（3）インターモーダル学習：適応ビジョンシステム、音声と画像の統合
実世界における学習機能を有するビジョンシステムを研究する。3次元動き情報を利用した学習型実時間認識システムや、ウェアラブルビジョンシステムを開発する。また、音声と画像の情報統合による学習システムを研究開発する。（RWI）

（4）顔・表情認識：顔と表情の頑健な認識
人と計算機間の対話技術のための、顔と表情の認識を行う技術を研究する。この技術を使用し、計算機へのアクセスコントロールができるシステムを開発する。（KRDL研）

《環境の把握》
（5）対話における手指認識
手指の階層的3次元モデル生成方式を開発する。この技術により、手指動作による3Dマウスポインタを構築する。（三洋研）

《応答の生成と対話の制御》
（6）言語・非言語の情報統合：非言語情報マルチモーダルインタフェース
対話における、人の言語情報と非言語情報（頭の動き、顔の向き、音声のピッチや強さ）を解析する方法を開発する。これを基に、ユーザからの語りかけに対して、自然な応答をするマルチモーダルインタフェースエージェントシステムを構築する。（シャープ研）

（7）人間のマルチモーダル応答特性解析：人間の脳におけるマルチモーダル情報処理メカニズム
人間がマルチモーダル情報処理を行う場合の脳活動を非侵襲的に観測する。特に聴覚と視覚に関する特性を研究する。脳磁界データ解析システムを構築する。（NTT研）

（8）学習による実空間中の人物や物体の認識：実世界における人物トラッキングシステム
実世界の複雑な環境下で自動的に人物をトラッキングできる技術を開発する。（三菱研）

1.5　主な成果
（1）マルチモーダル手話システム
マルチモーダル手話通訳システムでは、手指動作（手袋）のみでなく、頭部の動きなどのマルチモーダルな手話情報を統合し、計算機で認識する技術を開発する。手話認識において、情報統合を行う方式を初めて採用し、認識率の向上を達成する。認識結果は音声として出力することも可能である。

この技術を用いて、手話による問い合わせに対して情報を提供できる端末システムを開発していくつかの地方公共団体で試用中である。音声日本語から手話を画面上のアニメーションで表現して、計算機との手話による対話システムを開発している。

平成11年度では、手指動作を主体として、200～300単語の手話認識が可能となった。

今後は、更に情報統合による性能向上を図り、500から1000単語とこれらの単語で構成される任意の文を95％の認識率で1秒以内に行う事が可能なシステムを開発する。

諌早市で試用の情報端末 手話認識システム

（2）ジェスチャと音声の統合入力システム
音声・ジェスチャの情報統合を行うCrossMediatorのためのマルチモーダルインタフェースでは、ジェスチャと音声情報を用いる対話モデルの自動的な構築を、連続オートマトンで動作する意味ネットワークを用いて行うシステムを研究開発した。これにより、ジェスチャや音声によるパソコンの操作が可能になる。

このシステムは、カメラ付きの市販ノートパソコンにも実装でき、後述するマルチモーダル情報ベース（CrossMediator）の入力としても用いられる。ジェスチャ認識としては、セグメンテーション技術、ジェスチャ変動に対する頑健性、少ない特徴でも認識できることなどの点で世界最高の技術レベルを達成した。

今後は、更に性能向上を図り、80～100ジェスチャの認識を達成する。また、文単位のジェスチャ動作の認識、講演や対話などの録音環境の悪い状態での連続音声について、その音素を現在の68%から精度向上を図り、85%以上の精度で実時間認識できるシステムを開発する。また、背景に依存しないで、安定な移動人物計測ができる距離画像でジェスチャを観測することにより、ロボットと人間のジェスチャ対話の実現も可能とする。

音声・ジェスチャ認識システム

（3）頑健な顔認識システム
喜怒哀楽などの顔の感情変化、背景や照明の外乱、あるいは口髭などの物理的変化にも対応できる頑健な顔認識システム技術を開発した。プロトタイプシステムは、顔認識で世界的に著名なFaceItシステムを凌ぐ性能を持つことを実証した。特に、毛髪と口髭などの変化にも頑強であることを示した。今後は、この技術をもとに個人判別し、ドアや計算機などへのアクセスの許認可を行うアクセスコントロールシステムを開発する。声または指紋をベースにした補助システムも使用できる。

（4）学習型実時間認識システム
人物を含む任意背景のシーン中の対象物を、同時に3個以上実時間で検出し、その動きベクトルを抽出するとともに、それが何であるかの認識を過去の経験から実時間認識（95%以上、毎秒30フレーム）する技術を開発した。今後は、超小型CCDカメラ・ディスプレイを人間が装着し、この情報を計算機に送出する。計算機では、着用者の映像情報を処理し、視点上の対象物に関する情報などの結果を人間がつけた超小型ディスプレイ上に提示するシステムを開発する。これにより、知的アシスタントを実現するシステムが実現できる。

（5）人物トラッキングシステム
実世界シーンにおいて、人物に関する情報を抽出・選別・蓄積するシステム技術を開発している。基本アルゴリズムとDSPによる動画像処理ハードウェアモジュールを開発した。動画像処理モジュールは、カメラからの入力画像の解析を行い、その視野内の人物トラッキング情報等を計算することができる。

今後は、このモジュールをネットワーク化し、より広い空間をカバーする事で、小規模店舗等の不特定多数の人が往来するような環境における人物サーベイランスを行うシステムを開発する。背景差分や動き検出などの条件が満たされなくてもトラッキングができるという特徴を持つ。防犯システムなどセキュリティ分野への応用が可能である。

人物トラッキングシステム

（6）手指動作による3Dマウスポインタ
手指動作による計算機への指令システムを開発している。階層的なモデル化により、モデル数の爆発問題を解決するアルゴリズム、位置・姿勢・運動を追跡する技術を開発し、プロトタイプを開発した。ジェスチャの中で、特に人間が多く使用する手指による指示に着目して、ステレオ視による手指の位置・姿勢を複雑な背景のもとでも、未知の提示画像から90%以上認識できる技術を開発する。これにより、遠隔での計算機の操作が、マウスなど特殊な装置なしで手指動作により実現。

2．自律学習機能領域

2.1　目標
オフィス内で自律的に移動しながら、実世界の情報を収集し、人間にサービスする技術およびそれらの統合システムを開発する。

2.2　意義
実世界の多様な情報（音声、環境音、人の動きなど）を計算機が能動的、自動的に把握できるため、人間が入力する必要がない。また、把握した実世界の情報を利用して、マシンが人と共存し、自然なコミュニケーションを行うことができる。

2.3　アプローチ
オフィス環境を対象として、現実世界のセンシングと表現、複数の情報ソースの統合的学習、自律的情報収集と学習に関して研究を進める。具体的には、人の追跡のための視覚、環境音の認識、音声対話、ナビゲーション方式などの技術を開発する。
統合システムとして、オフィス内で道案内、人捜し、スケジュール調整などのサービスを行う「事情通ロボット」を開発する。

2.4　研究テーマ（図2-3参照）

図2-3 自律学習機能領域における研究開発

《視覚・環境音の認識》
（1）非音声音認識技術
マイクロホン・アレーによる非音声音（物音）の認識技術を開発する。（MRI研）

《自律移動型ロボットシステム技術の開発》
（2）能動的地図獲得とセンサー表現
全方向ビジョンを備えた移動型ロボットシステムを開発する。（SNN研）

（3）自律行動系
人工意識に基づき、自律的に行動（再充電）を行うシステムを開発する。（SICS研）　

（4）移動エージェントを用いた自律学習システム
分散知能アーキテクチャ・情報構造化を用いた移動ロボット学習システムを開発する（富士通研）

《音声対話・統合化技術》
（5）オフィスロボットJijo-2（事情通）の開発
オフィスにおける道案内、人捜し、スケジューリングなどができる移動ロボットを開発する。（RWI）

2.5　主な成果
（1）オフィスロボット「事情通(Jijo-2)」
オフィス環境で人間にかわって様々な秘書的機能を果たす自律移動ロボットを開発した。
地図のない状態から出発して、距離センサ、視覚センサにより周囲状況を認識し、対話によって場所の名前や行き方を学習し、さらに、人探し、道案内、配達、スケジュール調整などのオフィスの情報収集やタスクを実行できる「事情通ロボット」を開発した。今後は、従来困難とされていたオフィス環境のノイズ下での音声による人とロボットとの対話も実行可能とするなど、実験を進めて機能向上を図る。

オフィスロボット事情通

（2）外観に基づいて位置推定のできるロボット
移動型ロボットシステムの開発では、全方向ビジョンの他に超音波センサ、走行距離計測系を備え、人間と同じように外観に基づいたロボットの位置推定を行える移動型ロボットシステムを開発する。
オフィス環境で動作し、この環境を自律的に探索して能動的に地図を作成し、環境の内部表現を視覚情報から学習する。現在は基本的アルゴリズムを開発し、ロボットに実装して試験中である。

（3）非音声音の認識システム
マイクロホン・アレーを用いて、物音などの非音声音を認識する技術を開発する。現在5種類の物音（拍手、口笛、瓶・缶打撃音、鈴・ベル、電子音など）を認識するシステムを開発。最終的には、10種類以上の物音を0.5秒以内に識別（平均識別率90%以上）する技術を開発する。
このため、16チャネルのマイクロフォンアレイを用い、複数の音波の到来方向を推定し、各音源からの信号方法を推定するビームパフォーマ（超指向性フィルタ）を開発した。

マイクロホン・アレイを用いた物音認識システム

3．自己組織化情報ベース機能領域

3.1　目標
音声・画像（静止画・動画）・テキストなどの大量のマルチモーダルデータを自動的に組織し、相互検索できる技術を開発する。

3.2　意義
ネットワークの発展に伴い、情報DBの大規模な分散化が進んでいる。また、その情報のメディアも従来の文章主体のものから、動画、音声など多様なメディアが普及しつつある。
このようなマルチモーダルデータのデジタル・アーカイブの著しい増大の中で利用者が真に望む情報に効率的にアクセスできるよう、大量かつ多様な情報を自動的に組織化し、相互に検索する機能を実現することにより、従来のようなキーワードのみによる検索や関係DBによるテキスト主体の検索よりも検索の方法、対象、機能などを格段に向上できることが期待される。

3.3　アプローチ
マルチモーダルデータに対して、分節化、自己組織化、および異種情報統一化に関する技術を開発する。方法としては、

・生データから成るデータベースの構築
・自己組織化データベース作成方式の開発
・生データを質問入力とする、同一／異種データの検索技術開発
・ユーザ適応機能、視覚化によるユーザインタフェース技術開発 を行うことにより、研究を進める。

3.4　研究テーマ（図2-4参照）

図2-4 自己組織化情報ベース機能領域における研究開発

《音声、静止画、動画、テキストの統合(相互)検索》
（1）CrossMediatorの構築
大量の音声、静止画、動画、テキストに対して、質問データと同種のデータのみならず異種情報をも検索できるシステムを開発する。（つくば研）

《静止画検索》
（2）画像情報の3次元可視化システム
大量の静止画システムに対して検索を行い、多数の検索結果（静止画）を可視化することにより、効率的に望む結果が得られるシステムを開発する。（日立研）

（3）ユーザ依存の情報ベース
物体や家族写真の自動分類、検索ができるスマートアルバムシステムを開発する。（KRDL研）

《動画検索》
（4）適応的状況認知システム
データを多様な観点から解釈し、有用な索引づけを行う技術を研究し、広告戦略策定支援システムを試作する。（東芝研）

CrossMediatorainen 概念図


動画検索例

《文書情報検索》
（5）文書の意味的情報検索システム
文書の意味構造を利用して、意味的文書検索ができるシステムを開発する。（三菱研）

3.5　主な成果
（1）音声、静止画、動画、テキストの統合（相互）検索システム： CrossMediator
CrossMediatorの構築においては、静止画、動画、音声、テキストの４つのデータベースを統合し、あるメディアを検索のクエリに使用して、他のメディアのDBを検索するシステム（例えば音声を使用して動画を検索）を開発している。これらの全てのメディア間での相互検索を可能とする。
現段階では、動画を音声やテキスト文で検索すること(VideoSpotter)、画像を認識してその結果を単語で表し、これでインターネットを検索すること、ライブのTV動画像を入力して過去の類似動画像を実時間で検索すること、大量テキストデータをクエリのキーワードの連想単語を使って文書を検索すること、などを開発済みである。
基盤技術としては、連続オートマトン、 IPM (Increment Path Method)、RUTIC（RUnning Time Interval Clustering method）、AISIC（All word Inheriting Sub-Image Clustering method）、連続DBの手法、Galaxy Clustering等の手法を開発した。これにより、大量DBの短時間での検索、探索空間の自律的組織化による各利用者や対象DBの特性に応じた探索等を可能とした。このシステムにおいて開発している技術を用いて、動画、音声、テキストから画像探索などを行うサブシステムが既にサードパーティより製品化されている。
テキストのみのシステム（ASKS）は、電子掲示版fj-news の300万件を対象として、インターネットでその記事を検索するシステムを公開中であり、検索時間は0.1秒以内と高速である。この技術については、（財）日本特許情報機構（JAPIO）の特許検索システムでの活用を開発中である。また、公開された遺伝子の検索システムもこの技術によって構築されている。
マルチモーダル情報の相互検索システムは、世界でも最初のスキームの提案であり、また個々の検索技術も世界最高のレベルにある。

（2）3次元可視化システム
静止画像自体の類似性に基づいて数十万規模の画像データに対して類似検索を行い、候補2000件程度の検索結果の画像集合を、3次元空間の時空間パターンとして可視化するシステムを開発した。
画像間の多様な類似性を反映した3次元空間を歩き回り、画像を閲覧するために、個々の画像を詳細に観察する機能と画像集合の概観を眺める機能を2つのオブジェクトに統合化した独自のウォークスルー方法を採用した。
本システムにより、ユーザは検索結果内容を直感的に理解することが可能となり、膨大な画像データベースを効率的に利用することができる。この方式は世界でも最初である。
今後は、画像特徴量の構成技術、学習技術の開発、立体視可能な3次元可視化ユーザインタフェースの開発等システムの機能向上を図る。

ウォークスルーの画面

4． 理論・アルゴリズム基盤領域

4.1　目標
実世界における学習・統合型情報処理の理論基盤および基本アルゴリズムの開発を行う。

4.2　意義
この領域では、次に挙げるような形態の成果によって実世界知能システムの共通基盤が確立されることにより、さまざまな実世界知能システムの開発が促進されることが期待できる。

（1）論文および成書による実世界知能の基礎技術への学術的な貢献
（2）ソフトウェア、ライブラリの作成
（3）評価用の実世界問題への適用によるデモンストレーション
（4）実世界知能プロトタイプシステムへの適用によるデモンストレーション

4.3　アプローチ
確率・統計的手法を共通基盤とし、次の方向で研究を進める。

（1）動的な構造を持つ確率分布モデルを知識・表現の基本とする。
（2）実世界知能のマルチモダリティや人間との親和性、並列分散性をできるだけ利用する。
（3）要素的研究と実証的研究を並行して行い、相互作用させる。

4.4　研究テーマ（図2-5参照）

図2-5 論理・アルゴリズム基盤領域における研究開発

《知識・情報の表現と評価基準》
（1）計算学習理論の確立
統合的な学習方法論を確立するとともに、ベイズ情報幾何等を用いた知識の評価方式について研究する。（NEC研）

（2）確率パターン計算方式の確立
意味ベクトルを用いて知識・情報を表現する方法を研究する。（SICS研）

《推論・統合・学習のアルゴリズム》
（3）分散能動学習方式
分散能動学習技術の研究を進め、遺伝子情報処理方式、語彙意味知識獲得ツールライブラリを開発している。（NEC研）

（4）学習統合型情報処理方式
確率制約プログラムやグラフィカルモデルなどの複雑な構造を持つ確率分布モデルの推論、学習アルゴリズムおよび対話ベース学習やインターモーダル学習などの実世界知能向きの学習方式について研究を行う。（RWI）

（5）確率推論近似アルゴリズム
計算資源に応じ、単純なモデルから複雑なモデルまで近似できる確立推論近似モデルを開発し、医療診断システムなどへの応用を進める。（SNN研）

（6）パターン推論方式
パターンから推論を行う方式を研究し、金融予測システムへの適用研究を行う。（東芝研）

（7）Flip-Tick（フリップ-ティック）アーキテクチャシステム
大規模システムを容易に模擬できるフリップティックアーキテクチャを開発する。（GMD研）

4.5 主な成果
（1）語彙意味知識獲得ツールライブラリ
大量文書データ中の言葉の共起関係から単語をクラスタリングし、シソーラスを構築する方式を開発した。これに基づいて格フレームの一般化方式を考案し、これを実装することにより、 自然言語解析における曖昧性解消問題に適用して、世界最高の精度を達成した。
今後は大量文書データからの意味獲得の一連の方式をライブラリ化する。
（2）確率的知識発見ツールBAYONETの開発
ベイジアンネットワークシミュレータを開発し、研究者間での試用を進めている。このソフトウェアは、確率ネットワークの Java による世界最初の実装の一つであり、ネットワークの構築や構造選択のための GUI とデータベースから条件つき確率を学習するための接続機構を持つことを特色としている。
今後は更に、評価・改良を進める。

確率的知識発見ツールBAYONETの使用例

（3）Flip-Tick（フリップ-ティック）アーキテクチャ（FTA）
実世界のプロセスを詳細に計算機上で実現して、細流度の大規模シミュレーションを行う方法を開発。このシステムは、ボン市の交通シミュレーション、携帯電話などの移動無線通信におけるアンテナ配置の最適化などに使用した。 この技術により、仮想的な大規模人工現実を精度よく計算機上に実現できる。
今後はPCクラスタ用に改良し評価を行う。
（4）確率推論近似アルゴリズム
グラフ構造確率モデルを用いた確率的推論を近似的に高速化する方法を開発。BayesBuilder というグラフ構造確率モデルを扱うソフトウェアを開発し、研究者間での試用を進めているほか、 貧血症の医療診断に適用し有効性を実証した。
今後は理論面、プログラム面での評価と改良を行う。

5． 実世界適応デバイス領域

5.1　目標
実世界情報処理を効率的に実現するための、電子的適応デバイス（次世代FPGA）と光適応デバイス（デジタルスマートピクセル）技術を開発する。

5.2　意義
実世界知能技術の確立には、音声や画像など大量の実世界情報を実時間内で高速に処理する必要がある。計算機を用いたソフトウェアによる処理は柔軟性に富む反面、処理速度が遅い。一方、応用アルゴリズム毎に専用のハードウェアを作成する方式では、処理速度は速くなる反面、開発・製造コストが高く、柔軟性に乏しいという欠点がある。
本領域では、応用ごとのアルゴリズムに最適な構造にハードウェアレベルで再構成可能で高速処理を実現できる次世代FPGA（Field Programmable Gate Array）、及び、超高速画像処理等を実現する並列光処理システムを開発し、実世界の多様な情報を実時間で高速かつ柔軟に処理する事を可能とする。

5.3　アプローチ
（1）次世代FPGA
アルゴリズムが固定している処理に適用できる静的適応デバイスとアルゴリズムが時間やデータにより変化する動的適応デバイスについて、その構成方法を研究する。
（2）並列光処理システム
アレイ状の光入力・OE変換・並列演算・EO変換・光出力部を開発することにより、カスケード接続が可能な並列光処理システムを開発する。

5.4　研究テーマ（図2-6参照）

図2-6 実世界適応デバイス領域における研究開発

【次世代FPGA】
《静的適応デバイス》
（１）次世代FPGAの開発
アルゴリズムが固定の問題に対して最適な演算器、データパスを再構成し、高速処理を可能とする次世代FPGAを実現する。（NEC研）

《動的デバイス》
（2）進化システムアーキテクチャ
環境やタスク仕様の変化に対し、自律的にハードウェア構造を変更できる方式、学習によって変更できる方式を遺伝的アルゴリズムの見地から研究する。（RWI）

（3）再構成可能適応型デバイス
動的適応デバイスを構成できる次世代FPGAを開発する。（NEC研）

【並列光処理システム】
（4）デジタルスマートピクセルとその光実装（松下研）
デジタルスマートピクセルとこれを光でカスケード接続するシステムを開発する。

（5）光ニューラルネットワークシステム（RWI）
デジタルスマートピクセルの利用による光情報処理システムとして、光ニューロネットワークシステムを開発する。

5.5　主な成果
《静的適応デバイス》
（1）汎用アクセラレータ
ALUを含むFPGAである静的適応デバイスを開発した。従来のFPGAに比べて4倍以上の演算性能を実現し、PCやWSのCPUと協調して動作し、全体の処理を高速化（10倍～100倍）する汎用アクセラレータの実現を目指して、アルゴリズムをハードウェアにマッピングする研究を進めた。アルゴリズムに応じた信号処理パスを従来よりも極めて小面積で実現する方法を開発した。また、演算にLook Up Tableを用いる従来のFPGAでは困難であった多数の浮動小数点演算による処理を可能とした。

汎用アクセレータのプロトタイプ

これらの技術により、集積度、速度とも既存FPGAの2倍となるチップを開発することに成功した。これにより、従来と比較して、格段に高度な処理能力を有するFPGAが実現でき、従来不可能であった、実時間の大量信号処理、情報処理が可能となる。
開発環境については、静的適応デバイスのためのCADに関する研究を進め、従来の40から60倍高速な論理合成方式と、自動配置方式、自動配線方式を開発した。更に、これらの方式を実装して、プログラミング言語C又は半導体デバイス設計言語HDLのいずれかを用いてFPGAの設計ができる開発環境を作成した。
今後は機能検証用LSIの開発などを行い、動作検証を容易にする技術を開発する。

節電制御型義手

《動的適応デバイス》
（2）遺伝的アルゴリズムとニューラルネットによる動的適応デバイス
1ミリ秒以内毎のハードウェアの動的な再構成機能を実現し、デバイスに学習機能、環境変化への適応機能、耐故障機能などを自律的に持たせることを目標として、遺伝的アルゴリズムとニューラルネットを融合した方法を開発し、計算機による方法と比較して処理速度の著しい増加（例えばWSの60倍）が実現できた。
また、多入力・多出力の論理関数を自律的・動的に学習できるゲートレベル適応システムを開発して義手、自律適応学習ロボット(EVOLVER)、携帯電話用中間周波数フィルタLSI、電子写真印刷における画像データのロスレス圧縮・復元などに適用し、その効果を確認した。
なお、携帯電話用フィルタは事業終了時には月産50万チップが予定されている。また、高信頼性確保のための耐故障性を有するアーキテクチャを開発した。これにより、高信頼のFPGAを容易に設計できる環境を実現した。今後は、LSIの改良を行うとともに、ゲートレベル／関数レベルLSIを用いた応用システムを開発していく。

ロスレスデータ圧縮印刷用チップ


携帯電話用フィルタLSI

《並列光処理システム》（3）デジタル・スマートピクセルによる光情報処理システムこのシステムは、1)光を並列に入力し、2)ALUを含む電子素子に光－電変換を行って入力し、3)電子素子において並列演算処理を行い、4)結果を並列に光出力するチップである。このチップをカスケード接続して、より複雑な処理を行わせることも可能である。電子素子における演算方式としては、この種の処理に多用される単一命令・複数データ（SIMD）処理を用いている。ハードウエアレベルでの演算に加えて並列度の高い演算ができるという特徴を有することから、パターン・信号処理等の分野において計算機処理の数千倍以上の処理能力を実現可能である。他機関での研究と比較すると、規模や完成度で格段に勝っている。現在までに、8×8のシステムの試作に成功した。今後は更に256（16×16）光入出力を有するデジタル・スマートピクセルを開発する。

デジタル・スマートピクセルのチップ


デジタル・スマートピクセルの構造