2018年度の活動をまとめてみました。
前年度→ 2017年度 活動まとめ
2018年度の活動まとめを書こうと思ったら、そういえば2017年度の活動まとめがまだなかったので書いておきます。
次年度→ 2018年度 活動まとめ
未来環境ラボの坂本です。
未来環境ラボは 11月9日 (金) 〜 10日 (土) の2日間、学院祭である11月祭の企画として「過去環境ラボ」を出展しました。
「過去環境ラボ」とは、KCG コンピュータミュージアム所蔵の旧式のコンピュータを起動させる試みです。
KCG は1963年創立で55年の歴史を持ち、過去に実習用に使われてきた汎用機やパーソナルコンピュータ (PC) が校内で展示されています。この KCG コンピュータミュージアムは、情報処理学会の分散コンピュータ博物館の第1号に認定されています。
以前より訪問客や教職員の方たちから「昔のコンピュータを復活させてほしい」という要望があり、将来は汎用機なども起動させることを見据えた壮大なプロジェクトが発足しました。
つい不覚にも興味を持ってしまった方は、Facebook の公開グループ「過去環境ラボ」にぜひご参加ください。当時の知識・経験を活用して運営に協力していただけるとなお助かります。
今回は初回の試みということで、PC を数台起動する程度とし、大規模な宣伝はせずに密やかに実施しました。展示内容は、レトロゲーム体験およびプログラミング体験が中心となりました。
など
NEC PC-6001 用のゲームの中に「ハイジャンプ」という中毒性の高いレトロゲームがあったこともあり、大盛況のブースとなりました。
今回はとりあえず「起動できそうなコンピュータの電源を入れるだけ」でもよかったのですが、ソフトウェアエンジニアとしては、これらの歴史的名機を前にして起動だけして終わりというわけにはいかないでしょう。
というわけで私は BASIC というプログラミング言語を初めて勉強し、この2日間は BASIC で数値計算をさせるプログラムを書いていました。実質的にハッカソンをしていたことになります。
今回書いた BASIC のソースコードや各端末の起動方法のメモを Past-Lab (GitHub リポジトリ) にまとめてあります。
他にも TOSHIBA J-3100 で C 言語を使えるようにする予定だったのですが、こちらは環境構築がうまくできず残念でした。
SHARP MZ-80K でピタゴラス数を列挙:
NEC PC-6001 で円周率 π を計算:
来年の11月祭でもパワーアップして出展する予定です。
未来環境ラボの中口です。衝撃です。衝撃。去る5月11日に、毎年様々な技術が発表されるGoogleのイベント、Google I/O 2018にて、Google ML Kitが発表されました。何が衝撃かって、その簡単さです。ML KitはGoogleが提供する機械学習フレームワーク(TensorFlow)や機械学習クラウドサービスをAndroid端末で使うためのSDKで、非常に簡単に機械学習アプリを作ることができます。
本来はFirebaseというクラウドサービスと連携して使うことが想定されていますが、オフラインのみでも動作します。早速サンプルを動作させてみましょう。
Android用のSDKなので、Android Studioが必要です。最新版をダウンロード、インストールして下さい。
Android Studioを起動し、起動画面で[Check out project from Version Control] → [GitHub]を選んで下さい。
サンプルのURLは下記です。
Clone後は様々なサンプルプロジェクトが見えている状態で、他のプロジェクトがビルドに失敗することもあるので、ML Kitだけにしましょう。[File]→[Open]と選択して、quickstart-androidディレクトリ内の、mlkitディレクトリを開いて下さい。
mlkitをビルドするには、google-services.jsonというファイルが必要です。mlkitはGoogle Firebaseというサービスの利用を前提としていて、プロジェクトをビルドする際にもFirebaseから取得した設定ファイルがあるか、その内容が正しいかが検証されます。ただし端末上で動作する機能を利用するだけの場合は、下記のファイルを用意すればOKです。mlkitプロジェクトのappディレクトリ内に、google-services.jsonという名前でファイルを作成し、下記内容をペーストして保存して下さい。
{
"project_info": {
"project_number": "",
"firebase_url": "",
"project_id": "",
"storage_bucket": ""
},
"client": [{
"client_info": {
"mobilesdk_app_id": "1:1:android:1",
"android_client_info": {
"package_name": "com.google.firebase.samples.apps.mlkit"
}
},
"oauth_client": [],
"api_key": [{
"current_key": ""
}],
"services": {}
}],
"configuration_version": "1"
}
ではアプリを起動しましょう。PCにスマホを接続し、IDEの上の方にある、緑色の再生ボタンを押して下さい。起動すると、次のような画面が表示されます。
上のLivePreviewActivityが、カメラ映像をリアルタイムで識別するデモです。これを選びます。すると認識画面が表示されます。画面下部の、フォルダのようなアイコンをタップすると、背面カメラか前面カメラ化を切り替えられます。その横の文字列をタップすると、認識モードを切り替えられます。Face Detectionにすると、顔認識が試せます。
うまく動作しています。(写真はフレッシュマンキャンプ2018の記事から)
Google ML Kitは非常に手軽に試せるSDKです。モデルの差し替えや、Googleのクラウドサービスを使うこともできるので、いろいろと遊べそうです。
未来環境ラボの中口です。未来環境ラボには、ホビードローンの一つ、Parrot Mamboが置いてあります(ラボメンバーであればいつでも使えます！)。今回はこのParrot MamboをAndroidからコントロールするためのSDKをビルドする方法を紹介します。使用するPCはMacを想定していますが、Windowsでも同じ様にビルドできるはずです。
いわゆるホビードローンと呼ばれているもので、200g未満の、飛行許可申請のいらないドローンです。申請がいらないと言っても、重要施設の周辺や公園など、飛行が禁止されている場所も多いこと、そもそも軽いので風邪に弱いことから、屋内で飛ばすのが良いです。未来環境ラボにあるのは、Parrot Mambo Missionという、Mamboにキャノン砲やアームが付属したモデルに、さらにFPVのパーツ、前方カメラとスマホ用ゴーグルも加えたものです。
このParrot Mamboや、Parrot社が発売している他のドローンを制御するためのSDKやサンプルが、GitHubで公開されています。Android用とiOS用があり、さらにはドローン内部で使用されているソフトウェアも公開されています。今回はAndroid用のサンプルを実際に動作させてみましょう。
Android用サンプルを利用するには、Android Studioが必要です。ダウンロードしてインストールしておきましょう。
Android Studioを起動して、GitHubからソースをcloneしましょう。まず起動画面で、[Check out project from Version Control] → [GitHub] と選びます。
Android Studioで初めてGitHubからクローンする場合、ユーザ設定などが出てくるので、アカウントを持っている人は入力します。その後リポジトリのURLなどを聞かれます。
リポジトリのURLとして，
を入力して、[Clone]をクリックします。
もう一度チェックアウトするかを聞かれるので[Yes]を選びます。
次にプロジェクトを作成するかインポートするかを聞かれるので、[Create project from existing sources]を選びます。この後プロジェクト名などを聞かれますが、[Next]を選び続けます。4〜5回[Next]を選ぶとIDEが表示されます。
この画面になったら、一旦ターミナルを開き、次のコマンドを入力します。
cd ~/AndroidStudioProjects/Samples/Android/SDKSample/buildWithPrecompiledSDK/ ANDROID_HOME=/Applications/android-sdk/ ./gradlew
これでSDKのビルドが行われます。環境変数ANDROID_HOMEには、Android SDKの位置を指定します。/Applications/android-sdk以外の場所にインストールしている場合は、適切に値を変更して下さい。また、既にANDROID_HOMEが設定されている場合は、./gradlewだけでもOKです。
しばらくすると、ビルドが完了します。
次にAndroid Studioに戻り、メニューから[File]→[Open]とクリックし、SamplesのAndroid/SDKSample/buildWithPrecompiledSDK/settings.gradleを選択し、[Open]をクリックします。
新たにウィンドウを開くかを聞いてくるので、[This Window]を選びましょう。その後IDEが再度表示されます。
この状態で、次の手順でサンプルを実行できます。
以上の手順でサンプルアプリが起動し、うまくいけば次のような画面が表示されます。
上記の”Mambo_・・・”と表示されているところをクリックすると、次のような画面が表示されます。
公式のアプリよりはだいぶ見た目が簡素ですが、ソースコード付きなので、自由に改変できます。一通りの操作もできるので、頑張れば自動操縦できるかも？興味を持ったKCG生、KCGI生は、是非ラボに遊びに来て下さい。
未来環境ラボの坂本です。
2014年に作成した Random Data Web API というものを最近改修しました。
ランダムなデータを生成するための JSON Web API です。
以下のデータを生成できます。
という感じで、内容自体はとくに変哲のない API です。
時刻順の ID は少し珍しいかもしれませんが。
また、仕様が記述されたヘルプページ、および jQuery を利用したテストページが付属しています。
さて、どちらかというとここからが本題です。
サービスとして公開されているタイプのよくある Web API は、利用する開発者からするとすぐに利用できてとても便利ですが、提供者側の意向でサービスが終了するという問題点があります。
例えば最近では、Google の URL 短縮サービス「goo.gl」が終了予定と発表されました。
無償・有償を問わずサービスが永久に提供されるとは限らないため、なるべく自身のアプリをそれに依存させず、自身でサービスを運用することが望ましいでしょう。
そこでこの Web API では、ソースコードをオープンソース ライセンスのもとで提供し、それを利用する開発者自身がサービスをホストすることを想定します。
例えば Azure Web App などの PaaS (Platform as a Service) を利用すれば GitHub から直接ビルドおよびデプロイができるため、簡単な手順でサービスの運用を開始させることができます。
詳細の方法については Azure Web App にデプロイする手順にまとめてあります。
この場合はさらに継続的デプロイが構成され、
設定したリポジトリが更新されれば Azure Web App も自動的に更新されます。
また、この Web API の技術的な特徴としては、以下が挙げられます。
ヘルプページの多言語対応については、ブラウザーの翻訳機能を利用すれば何とか読めると思います。
今後もこのような Web API やライブラリを制作していくつもりです。
KCG の学生の皆さんは、プロジェクト演習などで活用してみてはいかがでしょうか。
バージョン情報
参照
未来環境ラボの中口です。ディープラーニングしてますか？
GoogleやFacebookなど，一部の先進的な企業で導入されだしたディープラーニングも，最近ではライブラリや学習済みモデルが無料で公開され，徐々に一般の開発者にも手が届くものになってきています。昨年度のKCG Awardsでもディープラーニングを使った学生作品が発表され，大きな話題となりました。
どんどん身近な存在になっているディープラーニングですが，実践するにはまだまだ性能の高いコンピュータが必要です。そんな中，昨年夏にIntelがUSBで接続できるディープラーニングスティック，Movidius Nural Computing Stickを発表しました。日本でもすぐに市販され，当初すぐ売り切れたようですが，今はAmazonで1万円ほどで買えます。ディープラーニングに特化したチップが載っていて，PCやRaspberry Piに指すだけで手軽に使えるとあって，今非常に注目されています。
今回はこのMovidiusを，Macから使ってみましょう。
Macから，と言いつつ，いきなりVirtualBoxをインストールします。Movidiusの公式SDKはUbuntu Linuxにしか対応していないので，まずはUbuntuをMac上にインストールします。
ダウンロードページから，最新のVirtualBox(現時点で5.2.8)をダウンロードし，インストールして下さい。Extension Packも忘れずにインストールしておきます。
まず，Ubuntu 16.04のディスクイメージを入手します。Ubuntu Japanese Teamのダウンロードページから，isoファイルをダウンロードして下さい。
次にVirtualBoxを起動しましょう。起動すると，次のような画面が表示されます。
[新規]を押して，LinuxタイプのVMを作成しましょう。
メモリは2048MBに，ハードディスクは可変サイズにして40GBにしておきましょう(余裕があればより多く確保しても問題ありません)。名前は後でわかりやすいものにしておきましょう。
作成後起動すると，利用するディスクを尋ねられるので，ダウンロードしておいたUbuntuのisoファイルを指定します。
いくつかオプションを選択するとインストールが始まるので，しばし待ちます。
インストールが終わると再起動を求められますが，再起動しても立ち上がってこないので，一旦終了(Power off)します。
いよいよMovidiusをMacに接続します。接続は簡単で，開封してUSB端子に挿すだけ。
次にVirtualBoxの仮想マシンの設定画面を開き，ポートのUSB設定で，USB 3.0 (xHCI) コントローラを選択します(Extension Packを入れていないと選択できないので注意)。次にUSB デバイスフィルターの右側の，プラスがついたアイコンをクリックし，Movidiusを選択します。うまく認識されていないと表示されないので，その場合は差しなおしてみて下さい。
OKを押し，仮想マシンを起動して，Guest Additionsをインストールしておきます。
インストールが終わったら，同じDeviceメニューの[Shared Clipboard]から[Bidirectional]も選んで起きましょう。VMをまたいでコピー&ペーストできるようになるので非常に便利です。一旦再起動してターミナルを開き，いよいよMovidius SDKのインストールです。
ターミナルを開いて，次のコマンドを実行します。
sudo apt install git git clone https://github.com/movidius/ncsdk.git cd ncsdk make install
インストールが開始されるので，しばし待ちます。
おわりました。 
次にサンプルを実行してみましょう(この時点ではまだ成功しません)。
make examples
ソースやらモデルやらがダウンロードされ，サンプルの実行が行われます。
が，赤字の2行目のところ，エラーが出て正常に実行できていません。どうもMovidiusが見つからないようです。再びVM設定に行き，USB デバイスフィルターの右側，緑のプラスのついたアイコンをクリックしてみると，何やら謎のデバイスが。
詳細は不明ですが，Movidiusは状態によって2つの名前を持っているようです。これも追加しておきます。
設定後，sudo rebootと打ち込んでVMを再起動して，起動後に右下のUSBデバイスからMovidiusを選択して下さい(名前が戻ってる・・)。
そしてこの状態からターミナルでmake examplesすると，全てのサンプルが実行できます。
個別にサンプルを実行することも可能です。例えば，次のコマンドを実行してみると，
cd examples/caffe/GoogLeNet/ ./run.py
次のような画像が，
無事ギターと判別されるのがわかります。
(当初アコースティックギターの画像を載せていましたが，ソースはエレキギターを参照していましたので修正しました。)
だいぶ長くなってしまいましたが，Movidius Neural Stickの使い方を一からざっくり解説しました。1万円程度と決して安くはないデバイスですが，手軽に使えるので，アイデア次第でいろんな応用が可能です。今は学習済みモデルもたくさん公開されているので，いろいろ組み合わせて遊んでみてはいかがでしょうか。
未来環境ラボの中口です。
遂にJava10がリリースされました。前バージョンのJava9から半年でリリースされことになり，Java8からJava9までに3年半かかったことを考えると大幅なスピードアップです。これはJavaを提供しているOracleが，新機能をどんどん取り入れてJavaを進化させるよう方向転換したためで，今後半年毎に新しいバージョンがリリースされる予定です(関連記事)。
さて，Java10ではいくつか新機能が導入されていますが，目玉はやはり，ローカル変数の型推論，”var”でしょう。JavaはJavaScriptやPythonと違って，変数の型を強く意識する必要がある，静的型付け言語です。静的型付け言語では，ソースを記述する際に，変数の型を決めておく必要があり，一旦型を決めると，後で変更できません(例えばint型の変数にString型のオブジェクトを入れることはできません)。そのため変数を使うたびに型を明示的に記述する必要があり，どうしても記述が冗長になってしまいます。コード例を見てみましょう。
List<String> strings = new ArrayList<String>();
Javaを書いたことがある人なら一度はこんなコードを書いたことがあると思いますが，変数の宣言時(“=”の左側)で変数の型(List<String>)を指定し，変数に代入するオブジェクトの生成時(“=”の右側)でも型(ArrayList<String>)を記述しています。varでは，この左側の型を省略できます。
var strings = new ArrayList<String>();
もちろんメソッドの戻り値を代入する際にも利用できます。
var r = Math.random() * 10;
ただしJavaは静的型付け言語であるという特徴は変わっておらず，スクリプト言語のように後から型を決めたり変えたりということができるようになったわけではありません。例えば次のコードはコンパイルエラーになります。
var i; i = 10;
varを使うと変数の型を省略できますが，同時に変数の初期化を行う必要があり，その初期化で実際の型がわかる必要があります。例えば，次のコードはコンパイルできますが，
Runnable r = () -> {};
varを使うとコンパイルエラーになります。
var r = () -> {}; // コンパイルエラー!!
右側はラムダ式ですが，ラムダ式は実際のクラスを代入先の変数の型などで決めるので，varを使うと変数もラムダ式も型を決めようとしてお互いの情報に頼ってしまうので決まりません。逆に実際の型さえわかればその型として使えるので，今まで明示的に指定できなかった匿名クラスを扱うことができ，そのメソッドを呼び出せます(関連記事)。
var o = new Object(){
public void func(){
}
}
o.func();
個人的にはこれが一番嬉しいんですが，結構特殊なケースなのでピンとこない人も多いかもしれません。
Javaは今後半年ごとに新機能が追加され，どんどん進化していきます。他の言語も良いものがたくさんありますが，今一度Javaを見直してみてはいかがでしょう？