特許ウォッチ

公開番号2025061095
公報種別公開特許公報(A)
公開日2025-04-10
出願番号2025002713,2024095617
出願日2025-01-08,2018-12-21
発明の名称汎用学習済モデルの生成方法
出願人株式会社エイシング
代理人個人,個人
主分類G06N 20/00 20190101AFI20250403BHJP(計算;計数)
要約【課題】同一の構成を有する一群の動作装置を適切に制御することが可能な汎用的学習済モデルを生成するシステム及び方法を提供する。
【解決手段】汎用学習済モデル生成方法は、所定の機械学習モデルについて所定の初期データに基づいて学習を行って初期学習済モデルを生成する初期学習ステップS10と、所定の動作装置の制御を行う初期学習済モデルを複数の動作装置へと組み込む搭載ステップS20と、各動作装置を夫々動作させることにより得られた個別の動作データに基づいて、夫々追加学習を行う追加学習ステップS30と、得られた複数の個別学習済モデルを統合処理して統合処理サーバへ送信する統合処理ステップS40と、汎用学習済モデルを得る統合ステップS50と、を含む。
【選択図】図4
特許請求の範囲【請求項１】
所定の機械学習モデルについて所定の初期データに基づいて学習を行って初期学習済モデルを生成する、初期学習ステップと、
所定の動作装置の制御を行う前記初期学習済モデルを複数の前記動作装置へと組み込み、かつ、各前記動作装置を夫々動作させることにより得られた個別の動作データに基づいて夫々追加学習を行って得られた複数の個別学習済モデルを統合処理して汎用学習済モデルを得る、統合ステップと、を備える汎用学習済モデルの生成方法。
続きを表示（約 1,300 文字）【請求項２】
前記初期学習済モデルの生成は、ネットワークと接続された所定の初期学習サーバにおいて行われ、
前記初期学習済モデルの前記動作装置への組み込みは、前記初期学習サーバから前記ネットワークを介して各前記動作装置へとダウンロードすることにより行われる、請求項１に記載の汎用学習済モデルの生成方法。
【請求項３】
前記初期学習済モデルの前記動作装置への組み込みは、前記初期学習済モデルを集積回路へと搭載し、当該集積回路を各前記動作装置へと組み込むことにより行われる、請求項１に記載の汎用学習済モデルの生成方法。
【請求項４】
前記汎用学習済モデルの生成方法は、さらに、
前記汎用学習済モデルを各前記動作装置へと組み込む、再組込ステップ、を含む請求項１に記載の汎用学習済モデルの生成方法。
【請求項５】
前記機械学習モデルは、階層的に分割された状態空間へとそれぞれ対応付けられた複数のノードを階層的に配置することにより構成された木構造を有する学習モデルである、請求項１に記載の汎用学習済モデルの生成方法。
【請求項６】
前記集積回路は、所定の統合処理サーバとの通信を行う通信部を備え、
前記個別学習済モデルは、各前記動作装置から各前記通信部を介して前記統合処理サーバへと送信され、
前記統合処理は、前記統合処理サーバにおいて実行される、請求項１に記載の汎用学習済モデルの生成方法。
【請求項７】
前記初期データは、テスト用の前記動作装置又は前記動作装置のシミュレーションに基づいて生成されたデータである、請求項１に記載の汎用学習済モデルの生成方法。
【請求項８】
前記統合ステップは、さらに、
各前記個別学習済モデルに対応する付随情報に基づいて、前記個別学習済モデルを選択的に統合処理する選択的統合ステップを備える、請求項１に記載の汎用学習済モデルの生成方法。
【請求項９】
所定の機械学習モデルについて所定の初期データに基づいて学習を行って初期学習済モデルを生成する、初期学習ステップと、
所定の動作装置の制御を行う前記初期学習済モデルを複数の前記動作装置へと組み込む、組込ステップと、
各前記動作装置を夫々動作させることにより得られた個別の動作データに基づいて夫々追加学習を行って複数の個別学習済モデルを生成する追加学習ステップと、
各前記個別学習済モデルを統合処理して汎用学習済モデルを得る、統合ステップと、
前記汎用学習済モデルを各前記動作装置へと再度組み込む、再組込ステップと、
を備える汎用学習済モデルの生成方法。
【請求項１０】
所定の機械学習モデルについて所定の初期データに基づいて学習を行って初期学習済モデルを生成する、初期学習部と、
所定の動作装置の制御を行う前記初期学習済モデルを複数の前記動作装置へと組み込み、かつ、各前記動作装置を夫々動作させることにより得られた個別の動作データに基づいて夫々追加学習を行って得られた複数の個別学習済モデルを統合処理して汎用学習済モデルを得る、統合部と、を備える汎用学習済モデルの生成システム。

発明の詳細な説明【技術分野】
【０００１】
この発明は、機械学習技術を利用した動作装置の制御、特に、木構造を有する機械学習器を用いた動作装置の制御に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
近年、大量のデータの存在、計算機の演算機能の飛躍的な向上、アルゴリズムの進歩等により機械学習の分野が高い注目を集めている。このような中、木構造を有する新たな機械学習の枠組みが注目されている（特許文献１）。
【０００３】
図１８は、新たな機械学習の枠組みに係る学習木の基本的構成について示す説明図である。図１８（ａ）には、当該学習手法における学習木の構造が示されており、図１８（ｂ）には、当該構造に対応する状態空間のイメージが示されている。同図から明らかな通り、学習木構造は、階層的に分割された各状態空間に対応する各ノードを、最上位ノード（始端ノード又は根ノード）から最下端ノード（末端ノード又は葉ノード）まで、樹形状乃至格子状に配置することにより構成されている。なお、同図は、Ｎ階層ｄ次元ｎ分割の学習木においてＮが２、ｄが２、ｎが２の場合の例を示しており、図１８（ａ）に記載の学習木の１階層目の４つの末端ノードに付された１～４の番号は、それぞれ、図１８（ｂ）に記載の４つの状態空間に対応している。
【０００４】
上記学習木を用いて学習処理を行う際には、入力されるデータが、逐次、分割された各状態空間に対応付けられ、それらが各状態空間に蓄積されていくこととなる。このとき、それまでデータが存在しなかった状態空間に新たにデータが入力された場合には、新たなノードが順次生成されていく。一方、予測出力は、新たな入力データに対応するノードへと対応する状態空間に内包される各データからそれぞれ遷移ベクトルを算出し、それらの遷移ベクトルの相加平均を取ることにより算出される。
【先行技術文献】
【特許文献】
【０００５】
特開２０１６－１７３６８６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、近年、工場内のロボットアーム等、様々な動作装置へと機械学習技術を適用しようとする試みがあり、例えば、同一の構成を有する一群の動作装置へと、事前学習を行った学習済モデルを組み込むことがよく行われる。
【０００７】
しかしながら、たとえ同一の構成を有する動作装置であっても、個々の動作装置においては、個体差や経年変化等による機械的又は電気的な特性のばらつきが存在し、それにより事前学習済モデルでは全ての動作装置を適切に制御できないおそれがあった。
【０００８】
本発明は、上述の技術的背景の下になされたものであり、その目的とするところは、動作装置の個別の特性に対応可能な汎用的学習済モデルを生成するシステム、方法等を提供することにある。
【０００９】
本発明のさらに他の目的並びに作用効果については、明細書の以下の記述を参照することにより、当業者であれば容易に理解されるであろう。
【課題を解決するための手段】
【００１０】
上述の技術的課題は、以下の構成を有する方法、システムにより解決することができる。
（【００１１】以降は省略されています）

関連特許