私は学部時代にはコンピュータサイエンスを専攻していましたが、大学院の研究室を調べている中で、ロボットが高速で器用な作業をしているのを見てかっこいいと思い、ロボット工学に興味を持ちました。また、人間が指先で行う器用な作業にも興味があったため、大学院ではロボットハンドを使用した物体操作の研究を行いました。物体操作にはロボット制御技術と物体検出技術が必要ですが、学部時代には学んでいなかった分野のため、新たにこれらの分野について勉強しました。例えば、ロボットハンドの指先を目標の位置に動かすためには、目標の指先位置から関節角度を計算して指示する必要があります。さらに、物体操作のためには画像処理によってロボットに対する物体の位置を検出する必要があります。試行錯誤の末、自分の想定した通りにロボットが動いたときはとても嬉しかったです。
大学院での経験を通じ、ロボットにはたくさんの開発要素があり、挑戦しがいのあるテーマと感じました。そのため、就職先でもロボットの研究に関する仕事をしたいと思いました。企業を調べたところ東芝がロボットの研究開発をしていることを知り、入社を考えました。社内にはロボットに関連するさまざまな分野に精通した研究者がいるため、自分だけでは実現できないようなロボットの研究開発ができます。

私の現在の研究開発のテーマは、建築現場や工場内でのボルト・ナットを緩めたり取り外したりする作業の自動化です。ロボットでこのような作業を自動化するには、ボルト・ナットの位置を検出する必要があります。位置検出の方法としては、検出したい物体の画像を事前に登録しておき、画像内で登録した画像と似た部分を探すというテンプレートマッチングの方法があります。この方法は、物体の見た目の変化が少ない場合には有効ですが、照明環境の変化や多種多様なボルト・ナットを検出することは困難です。このような場合には深層学習を使用した手法が有効です。画像データを学習させることで、多種多様なボルト・ナットを検出できます。
この手法で課題となるのが、学習に必要な大量の画像データを用意することです。このため、３次元のコンピュータグラフィックスを使用して、大量の画像を自動的に生成するという手法を用いました。これによって、実物のボルト・ナットを高精度で検出することができました。