SlideShare uma empresa Scribd logo
1 de 17
ScratchとKinectで
簡単モーションプログラミング
今日のゴール
• ScratchとKinectを使ったゲームを作る
• 後半はみなさんにゲームを作ってもらいます。どんなゲームを
作りたいか想像してみてください。
必要なもの
• Windows 7以降のPC
• Scratch 1.4
• Kinect for Windows センサー
• Kinect for Windows Runtime v1.8
• Kinect2Scratch
Scratch 1.4のインストール
Kinect for Windows Runtime v1.8のインストール
Kinect2Scratchの起動
KinectのデータをScratchに送る(1)
KinectのデータをScratchに送る(1)
KinectのデータをScratchに送る(3)
KinectのデータをScratchに送る(4)
自分の動きで猫を動かす
おちものゲームを作ってみよう
こんなゲーム
ステージ
スプライト1
スプライト2
みなさんも
作ってみてください!

Mais conteúdo relacionado

Mais procurados

[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph NetworksDeep Learning JP
 
Techtalk:多様体
Techtalk:多様体Techtalk:多様体
Techtalk:多様体Kenta Oono
 
Categorical reparameterization with gumbel softmax
Categorical reparameterization with gumbel softmaxCategorical reparameterization with gumbel softmax
Categorical reparameterization with gumbel softmaxぱんいち すみもと
 
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) cvpaper. challenge
 
C++ AMPを使ってみよう
C++ AMPを使ってみようC++ AMPを使ってみよう
C++ AMPを使ってみようOsamu Masutani
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)narumikanno0918
 
データサイエンス概論第一=4-2 確率と確率分布
データサイエンス概論第一=4-2 確率と確率分布データサイエンス概論第一=4-2 確率と確率分布
データサイエンス概論第一=4-2 確率と確率分布Seiichi Uchida
 
クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定Hiroshi Nakagawa
 
第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成Nagi Teramo
 
12 非構造化データ解析
12 非構造化データ解析12 非構造化データ解析
12 非構造化データ解析Seiichi Uchida
 
Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用HEROZ-JAPAN
 
Deep Learningについて(改訂版)
Deep Learningについて(改訂版)Deep Learningについて(改訂版)
Deep Learningについて(改訂版)Brains Consulting, Inc.
 
[機械学習]文章のクラス分類
[機械学習]文章のクラス分類[機械学習]文章のクラス分類
[機械学習]文章のクラス分類Tetsuya Hasegawa
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題joisino
 
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究harmonylab
 
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep NetworksDeep Learning JP
 
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係Kento Tajiri
 

Mais procurados (20)

[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
 
Techtalk:多様体
Techtalk:多様体Techtalk:多様体
Techtalk:多様体
 
Categorical reparameterization with gumbel softmax
Categorical reparameterization with gumbel softmaxCategorical reparameterization with gumbel softmax
Categorical reparameterization with gumbel softmax
 
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2)
 
C++ AMPを使ってみよう
C++ AMPを使ってみようC++ AMPを使ってみよう
C++ AMPを使ってみよう
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
 
データサイエンス概論第一=4-2 確率と確率分布
データサイエンス概論第一=4-2 確率と確率分布データサイエンス概論第一=4-2 確率と確率分布
データサイエンス概論第一=4-2 確率と確率分布
 
クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定クラシックな機械学習の入門  9. モデル推定
クラシックな機械学習の入門  9. モデル推定
 
修論発表
修論発表修論発表
修論発表
 
第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)
 
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
 
20200819 toyama
20200819 toyama20200819 toyama
20200819 toyama
 
12 非構造化データ解析
12 非構造化データ解析12 非構造化データ解析
12 非構造化データ解析
 
Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用
 
Deep Learningについて(改訂版)
Deep Learningについて(改訂版)Deep Learningについて(改訂版)
Deep Learningについて(改訂版)
 
[機械学習]文章のクラス分類
[機械学習]文章のクラス分類[機械学習]文章のクラス分類
[機械学習]文章のクラス分類
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題
 
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
 
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
 
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
 

Mais de Kaoru NAKAMURA

HoloLensとWindows Mixed Reality が実現する新しい世界
HoloLensとWindows Mixed Reality が実現する新しい世界HoloLensとWindows Mixed Reality が実現する新しい世界
HoloLensとWindows Mixed Reality が実現する新しい世界Kaoru NAKAMURA
 
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーションVisual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーションKaoru NAKAMURA
 
HoloLens概要 仙台IT文化祭
HoloLens概要 仙台IT文化祭HoloLens概要 仙台IT文化祭
HoloLens概要 仙台IT文化祭Kaoru NAKAMURA
 
HoloLensハンズオン(ショート)
HoloLensハンズオン(ショート)HoloLensハンズオン(ショート)
HoloLensハンズオン(ショート)Kaoru NAKAMURA
 
HoloLensハンズオン(セットアップ)
HoloLensハンズオン(セットアップ)HoloLensハンズオン(セットアップ)
HoloLensハンズオン(セットアップ)Kaoru NAKAMURA
 
ジェスチャ認識・物体形状取得がもたらす新たな未来
ジェスチャ認識・物体形状取得がもたらす新たな未来ジェスチャ認識・物体形状取得がもたらす新たな未来
ジェスチャ認識・物体形状取得がもたらす新たな未来Kaoru NAKAMURA
 
Kinect、real senseの概要とさまざまな使い方
Kinect、real senseの概要とさまざまな使い方Kinect、real senseの概要とさまざまな使い方
Kinect、real senseの概要とさまざまな使い方Kaoru NAKAMURA
 
Depthセンサーで稼ぐ
Depthセンサーで稼ぐDepthセンサーで稼ぐ
Depthセンサーで稼ぐKaoru NAKAMURA
 
KinectやRealSenseの概要とさまざまな使い方
KinectやRealSenseの概要とさまざまな使い方KinectやRealSenseの概要とさまざまな使い方
KinectやRealSenseの概要とさまざまな使い方Kaoru NAKAMURA
 
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使ったバージョン管理と継続的インテグレーションVisual Studio OnlineとUnityを使ったバージョン管理と継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーションKaoru NAKAMURA
 
Kinect v2 応用事例
Kinect v2 応用事例Kinect v2 応用事例
Kinect v2 応用事例Kaoru NAKAMURA
 
いま注目のセンサー&デバイス
いま注目のセンサー&デバイスいま注目のセンサー&デバイス
いま注目のセンサー&デバイスKaoru NAKAMURA
 
内蔵化、モバイル化に向かうDepthセンサー
内蔵化、モバイル化に向かうDepthセンサー内蔵化、モバイル化に向かうDepthセンサー
内蔵化、モバイル化に向かうDepthセンサーKaoru NAKAMURA
 
インテル Real Sense Hands On Lab
インテル Real Sense Hands On Labインテル Real Sense Hands On Lab
インテル Real Sense Hands On LabKaoru NAKAMURA
 
子どもとデジタル現在進行形
子どもとデジタル現在進行形子どもとデジタル現在進行形
子どもとデジタル現在進行形Kaoru NAKAMURA
 
HVC-C Open Fab Night HVC-CをiOSでいじってみた
HVC-C Open Fab Night HVC-CをiOSでいじってみたHVC-C Open Fab Night HVC-CをiOSでいじってみた
HVC-C Open Fab Night HVC-CをiOSでいじってみたKaoru NAKAMURA
 
ウェアラブルデバイスとモーションセンサーの融合
ウェアラブルデバイスとモーションセンサーの融合ウェアラブルデバイスとモーションセンサーの融合
ウェアラブルデバイスとモーションセンサーの融合Kaoru NAKAMURA
 

Mais de Kaoru NAKAMURA (20)

AR/VR seminar
AR/VR seminarAR/VR seminar
AR/VR seminar
 
3D depth sensor world
3D depth sensor world3D depth sensor world
3D depth sensor world
 
HoloLensとWindows Mixed Reality が実現する新しい世界
HoloLensとWindows Mixed Reality が実現する新しい世界HoloLensとWindows Mixed Reality が実現する新しい世界
HoloLensとWindows Mixed Reality が実現する新しい世界
 
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーションVisual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
 
HoloLens概要 仙台IT文化祭
HoloLens概要 仙台IT文化祭HoloLens概要 仙台IT文化祭
HoloLens概要 仙台IT文化祭
 
HoloLens概要
HoloLens概要HoloLens概要
HoloLens概要
 
HoloLensハンズオン(ショート)
HoloLensハンズオン(ショート)HoloLensハンズオン(ショート)
HoloLensハンズオン(ショート)
 
HoloLensハンズオン(セットアップ)
HoloLensハンズオン(セットアップ)HoloLensハンズオン(セットアップ)
HoloLensハンズオン(セットアップ)
 
ジェスチャ認識・物体形状取得がもたらす新たな未来
ジェスチャ認識・物体形状取得がもたらす新たな未来ジェスチャ認識・物体形状取得がもたらす新たな未来
ジェスチャ認識・物体形状取得がもたらす新たな未来
 
Kinect、real senseの概要とさまざまな使い方
Kinect、real senseの概要とさまざまな使い方Kinect、real senseの概要とさまざまな使い方
Kinect、real senseの概要とさまざまな使い方
 
Depthセンサーで稼ぐ
Depthセンサーで稼ぐDepthセンサーで稼ぐ
Depthセンサーで稼ぐ
 
KinectやRealSenseの概要とさまざまな使い方
KinectやRealSenseの概要とさまざまな使い方KinectやRealSenseの概要とさまざまな使い方
KinectやRealSenseの概要とさまざまな使い方
 
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
Visual Studio OnlineとUnityを使ったバージョン管理と継続的インテグレーションVisual Studio OnlineとUnityを使ったバージョン管理と継続的インテグレーション
Visual Studio OnlineとUnityを使った バージョン管理と 継続的インテグレーション
 
Kinect v2 応用事例
Kinect v2 応用事例Kinect v2 応用事例
Kinect v2 応用事例
 
いま注目のセンサー&デバイス
いま注目のセンサー&デバイスいま注目のセンサー&デバイス
いま注目のセンサー&デバイス
 
内蔵化、モバイル化に向かうDepthセンサー
内蔵化、モバイル化に向かうDepthセンサー内蔵化、モバイル化に向かうDepthセンサー
内蔵化、モバイル化に向かうDepthセンサー
 
インテル Real Sense Hands On Lab
インテル Real Sense Hands On Labインテル Real Sense Hands On Lab
インテル Real Sense Hands On Lab
 
子どもとデジタル現在進行形
子どもとデジタル現在進行形子どもとデジタル現在進行形
子どもとデジタル現在進行形
 
HVC-C Open Fab Night HVC-CをiOSでいじってみた
HVC-C Open Fab Night HVC-CをiOSでいじってみたHVC-C Open Fab Night HVC-CをiOSでいじってみた
HVC-C Open Fab Night HVC-CをiOSでいじってみた
 
ウェアラブルデバイスとモーションセンサーの融合
ウェアラブルデバイスとモーションセンサーの融合ウェアラブルデバイスとモーションセンサーの融合
ウェアラブルデバイスとモーションセンサーの融合
 

Notas do Editor

  1. ScratchでKinectプログラミングを行うためには上記の5つが必要です。 Windows 7以降のPC Kinect for WindowsはWindows 7以降のPCで動作します。またMac OSXなどでは動きません。 Scratch バージョン2がありますが、バージョン1.4を使用します。 http://info.scratch.mit.edu/ja/Scratch_1.4_Download Kinect for Windows センサー バージョン1と2がありますが、バージョン1を使用します。価格は上記のMicrosoft Storeで¥25,509(税込み)ですが、Amazonなどではもう少し安く購入できます。 http://www.microsoftstore.com/store/msjp/ja_JP/pdp/productID.298959900?srccode=cii_381964624&cpncode=26-372902406-2&WT.mc_id=PLA_JP_GooglePLA Kinect for Windows Runtime v1.8 Kinectを動かすためのソフトウェアです。プログラミング言語でプログラムする場合にはKinect for Windows SDKが必要です。 Kinect for Windows Runtime v1.8:http://www.microsoft.com/en-us/download/details.aspx?id=40277 Kinect for Windows SDK v1.8:http://www.microsoft.com/en-us/download/details.aspx?id=40278 Kinect2Scratch KinectのデータをScratchに送信するプログラムです。 http://scratch.saorog.com/
  2. Kinect2Scratchをダウンロードする際には名前や国の入力が必要です。必要事項を記入するとダウンロードURLがメールで送られてきます。 ダウンロードリンクをクリックすると「Kinect2Scratch15Final.zip」というファイルが取得できるので、これを展開(解凍)します。展開(解凍)すると、いくつかのファイルができます。「Kinect2Scratch SDK 1.5.exe」を実行します。 すると上記左の画面が表示されます。 ここで「LAUNCH KINECT」を押すと、Kinectが起動し上記右のようにカメラの画面が表示されます。
  3. Scratchを開きます。 「調べる」にある「スライダーセンサーの値」をスクリプトに移動します。 スライダーの右にある矢印を押すと、使用できるセンサーの一覧が表示されます。まだKinectのデータを送っていないので少ししか表示されません。
  4. 「スライダーセンサーの値」を右クリックして「遠隔センサー接続を有効にする」をクリックします。 「遠隔センサ接続が有効になりました」と表示されたら「OK」を押します。 これでScratch側の準備はOKです。
  5. Kinect2Scratchを開き「LAUNCH KINECT」→「CONNECT TO SCRATCH」の順にボタンを押します。 これでKinectのデータをScratchに送るようになります。
  6. Scratchに戻り「スライダーセンサーの値」を見るとたくさんのデータが増えています。これらがKinectから送られてくるデータです。
  7. 最初のプログラムを作ってみましょう。 自分の動きで猫を動かします。 「ずっと」の中に「X座標を~、Y座標を~にする」を入れます。 X座標に「HipCenter_xセンサーの値」、Y座標に「HipCenter_yセンサーの値」を入れます。 これで自分の動きで猫が動くでしょう。
  8. こんなゲームを作ってみます。 猫をKinectで動かします。 ボールが落ちてきます。 ボールをキャッチできたら得点になります。 10秒間に何回ボールをキャッチできるか競います。
  9. ステージのプログラム 残り時間と得点の初期設定を行います。 1秒ごとに残り時間を減らします。 10回繰り返したら、すべてを止めます。
  10. スプライト1(猫) Kinectで動かします。
  11. スプライト2(ボール) X座標を-150から150、Y座標を220に設定します。これは画面の一番上の位置です。 ボールを落とします。Y座標が画面の下まで移動するか、スプライト1(猫)にあたるまで繰り返します。 繰り返しが終わった時に、スプライト1(猫)にあたっていたら、得点を1増やします。