コメント無し

システム見た目／なぜこれが要るのか - 本システムは”人の動作のログをプライバシーを考慮しつつ高い情報密度でとることができること”を最終目標として開発している。パフォーマンス改善、効率的な匠の技の伝承／新人教育、製品モニターなどのため、個人のログを取ることができるシステムの開発・利用は望まれているが、通常のカメラの場合はプライバシー・消費電力・設置場所・コストの問題などがあり、その代替による実現が必要となる。これらに考慮したシステムを実現できるコンセプトを提唱する。  最終システムのユースケースは以下の通りである。 1. ユーザー自身が机に座って仕事をする際、PCを打っている時間が多いのか、書類書きをしている時間が多いのか、電話対応している時間が多いのか、などを把握し、自身や組織のパフォーマンス改善へとつなげることができる。 2. 工場などで仕事をしている際、どのような動線で動いているのか、立ち作業／座り作業の有無／割合、初心者と熟練者との違い、などを可視化し、労働環境の改善、匠の技のデジタルアーカイブ化、新人教育などの人材育成に利用できる。 3. 自分の家におけるペットの動きを可視化することができ、ペットのための部屋の環境改善へとつなげることができる。近年、少子高齢化に伴い（高級）ペット市場が急拡大しており、強いニーズとなっている。 4. 様々な製品の開発を行う際にモニターが効果的であるが、家庭やオフィスなどの日常における各種製品の使い方（頻度、利用する際の姿勢など）の詳細情報を取得することで、開発者と利用者のWIN-WINの新製品開発へとつなげることができる。たとえば、ソファーでは端に座る割合が多い、机では一時的に書類を積み上げる人が多い、などのこれまで自己申告制アンケートなどでは得られなかった実態を把握でき、そのための新しい製品開発方針が得られる可能性がある。 回路図 -  基本的に主な部品はボックスに入っています。図が切れている場合は、ポチッと押してもらうと全体が見えます。 部品リスト（使っているものも、これから必要になるものも） - | 部品名 | 内容・目的 | 利用の有無 | |:---:|:---|:---:| | Spresenseメインボード | コア部品であり、各種センサ制御、データ処理などを行う。 | 利用 | | BMI160 | 3軸加速度センサ。設置の際のToFカメラの姿勢の検出に利用。上からの測定なのか、横からの測定なのかを判別する。I2Cにより通信。ジャイロも搭載しているが、ジャイロは未使用。 | 利用 | | MM-S50MV改 | ToF（Time of Flight）センサであり、高精度な面分布での3D距離測定と高速サンプリングが可能。8×4=32ポイントの測定が可能だが、今回は1ポイントの測定のみ利用。 | 利用 | | BLE1507 | メインボードに接続し、Bluetooth Low Energyの無線通信によりセンサデータもしくは判断結果（機械学習の結果）を送信。これにより利用の柔軟性を上げることができる。 | 未 | | BMI270+AK09918 | 加速度・ジャイロ・コンパスの9軸IMU（Inertial Measurement Unit）。すべてのセンサデータを活用すれば、センサデバイスを固定せず移動させて利用しても、正しい動作のロギングができる可能性がある。開発中。 | 未 | | マイクロUSBケーブル | Spresense本体と接続するケーブル。PCに接続し開発を行ったり、給電を行ったりすることができる。100均のものを利用。 | 利用 | | USB延長ケーブル | 天井にセンサデバイスを設置する場合など、長いケーブルが必要となる。100均のものを利用。 | 利用 | | モバイルバッテリ | 近くに電源がない場合で、比較的短時間の利用の場合は、モバイルバッテリを利用することで利用性が上がる。低消費電力かつ小型な点はSpresenseの売りでもある。今後、消費電力測定を行い、どの程度のモバイルバッテリが必要であるか見積もる予定。 | 未 | いくつかデバイスの写真を載せます。    デバイス（箱）のサイズは幅70mm×奥行40mm×高さ30mm程度。電子部品が入っていた箱を利用し、穴あけ加工して使っています。カメラ三脚に設置（マウント）できる形状にしている。 ソースコード（道半ば、これから多くのアップデートを予定） - ```arduino:Spresense+1D_ToFセンサ+3軸加速度センサのデータ取得 #include "MM-S50MV.h" // MM-S50MV: ToF sensor #include <BMI160Gen.h> // BMI160: IMU // BMI160 const int select_pin = 10; const int i2c_addr = 0x68; // I2C address int ax_raw, ay_raw, az_raw; // raw accelerometer values float ax, ay, az; // calculated accelerometer values const int coeff = 16384; // gravity coefficient for +-2g range, = 2^14 void setup() { // Serial.begin(9600); Serial.begin(115200); // BMI160 init //BMI160.begin(BMI160GenClass::SPI_MODE, select_pin); BMI160.begin(BMI160GenClass::I2C_MODE, i2c_addr); // MM-S50MV init MMS50MV.begin(); MMS50MV.skip(256); delay(500); MMS50MV.set(MMS50MV_CMD_MODE, MMS50MV_MODE_SYNC); // sync mode. delay(500); MMS50MV.skip(256); MMS50MV.sync(); // sync. MMS50MV.set(MMS50MV_CMD_MODE, MMS50MV_MODE_NOMAL); // normal mode. delay(500); // MMS50MV.set(MMS50MV_RATE_LOW, 0x20); // 32frames/s mode MMS50MV.set(MMS50MV_RATE_LOW, 0x10); // 8frames/s mode delay(500); // MMS50MV.set(MMS50MV_CMD_DISTANCE, MMS50MV_DIST_SHORT); // short distance mode MMS50MV.set(MMS50MV_CMD_DISTANCE, MMS50MV_DIST_LONG); // long distance mode delay(500); MMS50MV.skip(256); } void loop() { // read raw IMU measurements from device //BMI160.readGyro(gx, gy, gz); BMI160.readAccelerometer(ax_raw, ay_raw, az_raw); ax = float(ax_raw) / coeff; ay = float(ay_raw) / coeff; az = float(az_raw) / coeff; // display tab-separated gyro x/y/z values /* Serial.print("g:\t"); Serial.print(gx); Serial.print("\t"); Serial.print(gy); Serial.print("\t"); Serial.print(gz); Serial.println(); Serial.print("a:\t"); Serial.print(ax_raw); Serial.print("\t"); Serial.print(ay_raw); Serial.print("\t"); Serial.print(az_raw); Serial.println(); */ Serial.print("acc[g]: "); Serial.print(ax, 3); Serial.print(", "); Serial.print(ay, 3); Serial.print(", "); Serial.print(az, 3); Serial.println(); // MM-S50MV // 1d distance measurement printf("1d dist[mm]: %d\n",MMS50MV.get1d()); // 3d distance array measurement under development /* static int32_t data[8][4]; int32_t* ptr = (int32_t*)data; MMS50MV.get3d(ptr); for(int j=0;j<8;j++){ for(int i=0;i<4;i++){ printf("array[%d][%d]=%d\n",j,i,data[j][i]); } } */ // usleep(10*1000); delay(1000); } ```  プログラムでは、ToFセンサ（MM-S50MV改）と加速度センサ（BMI160）を利用して時系列データを得た。それぞれのライブラリを利用している。MM-S50MV改はSPI通信、BMI160はI2C通信を利用した。ToFセンサは実際はアレイ出力（8×4）も可能だが、今回は出てきた値が異常値だったため、1個の値を利用した。 今後の方針（みんなが使ってくれる魅力的なシステムとなるために） - 現在は距離1点、3軸の加速度のデータを取得し、シリアル出力している段階である。長い道のりであるが、以下のことを予定している。

2. 無線通信化（BLE1507を利用）し、PCやスマホへデータを送信しやすくする。データのログを長期保存したり、ダッシュボードを作成したりする。 3. デバイスを天井に設置したり、横の壁に設置したりしてデータを取る。加速度センサにより、設置状況の把握を行う。 4. 多くのデータを取得する。人が立っている、座っている、横になっている、不在、などはToFセンサからの情報を用いる。加速度センサからの情報により上から取得したデータなのか、横から取得したデータなのかを判別できる。得られたデータを用いて機械学習モデルを作成し、各種動作の判別を行う。なお、上／横から測定したデータ群ごとに機械学習判別モデルを作成することで、判別精度の向上を狙う。もしかしたら斜めからの測定がよいかもしれない。

現状、様々な困難があるため、ぜひ興味がある皆様と一緒に開発できればと思います。ここまで読んでいただきありがとうございました。