10月4日〜7日にアメリカ ワシントン州ベルビューで開催された国際会議 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026) にて，D2の米田清太朗君とM1の塚本修平君が口頭発表を行いました．発表内容は下記の通りです．
-
Seitaro Yoneda, Suguru Kanoga, and Akira Furui, "Generative versus Discriminative Approaches for Class-Incremental Learning of EMG Signals: Effectiveness of Scale Mixture Modeling", 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Bellevue, WA, USA, Oct 4–7, 2026.
-
Shuhei Tsukamoto, Sho Okimoto, Masatoshi Kozui, Natsuki Yumoto, and Akira Furui, "Multi-Scale Latent-Space Analysis of Hydraulic Excavator Operation Patterns Using a Variational Autoencoder", 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Bellevue, WA, USA, Oct 4–7, 2026.
SMCは，IEEE SMC (Systems, Man, and Cybernetics) Societyのフラッグシップ会議です．システム科学や工学，ヒューマンマシンシステム，サイバネティクスなど，幅広いトピックに関する最新の研究成果について発表が行われます．
米田君は，筋電位（EMG）に基づく動作識別において，新しい動作クラスを順次追加していくクラス増分学習の手法を比較した研究について発表しました．クラス増分学習では，新しいクラスを学習すると過去の知識が失われる破滅的忘却と，それを防ぐために過去のデータを保持するメモリコストが課題となります．生成的手法と識別的手法の計8手法を4つのデータセットで比較した結果，深層学習に基づく手法はタスク数の増加とともに精度が大きく低下した一方，生成モデルは少ないメモリで安定した精度を保ちました．なかでも，EMG信号の変動を捉える尺度混合識別モデル（SMCM）が，精度とメモリコストのバランスに最も優れていることを示しました．
塚本君は，変分オートエンコーダ（VAE）を用いて油圧ショベルの操作パターンを解析する研究について発表しました．操作者の熟練度などの状態を機械のデータから客観的に把握することを目指し，短い時間窓と長い時間窓の2つの時間スケールで潜在空間を解析する手法を提案しました．これにより，瞬間的な操作の特徴と，作業工程全体での操作の一貫性を同時に捉えることができます．9名の操作者を対象とした実験では，熟練者ほど操作の一貫性が高いことが分かり，2つの時間スケールを組み合わせることで熟練者と非熟練者の識別性能が向上することを確認しました．
米田君はSMC 2023以来，3年ぶりのSMCでの発表でしたが，余裕を感じさせる落ち着いた発表でした．塚本君は初めての国際会議発表とは思えないほど，スムーズで分かりやすい説明ができていました．2人ともお疲れ様でした！
今回の会場となったベルビューは，きれいで落ち着いた街並みで，とても過ごしやすい街でした．電車で数十分のシアトルにも足を延ばし，パイク・プレース・マーケットやスターバックス1号店，スペースニードルなどの名所を訪れることができました．
米田君の発表の様子
塚本君の発表の様子
スペースニードル
スターバックス1号店前にて（右から米田君，塚本君，古居）
7月のEMBCから8月〜9月のEUSIPCO，9月のCinC，そして10月のSMCと，3か月連続で国際会議での発表が続きました． 引き続き精力的に研究成果の発表を行っていきたいと思います！