特許ウォッチ

公開番号2025062835
公報種別公開特許公報(A)
公開日2025-04-15
出願番号2023172134
出願日2023-10-03
発明の名称機械学習装置
出願人株式会社アイシン
代理人弁理士法人酒井国際特許事務所
主分類G06N 20/00 20190101AFI20250408BHJP(計算;計数)
要約【課題】異なる環境下で取得された複数のデータセットを利用して学習済みモデルを効率的に生成可能にする。
【解決手段】機械学習装置は、第1環境で収集された1以上の説明変数及び1以上の目的変数を含む第1データセットと、第2環境で収集され、第1データセットと同一の説明変数及び目的変数を含む第2データセットと、を取得する取得部と、第2データセットの説明変数のうち第1データセットの説明変数の値との乖離が大きいものとして予め定められた特定説明変数の値を零にする前処理を行う前処理部と、第1データセットと前処理後の第2データセットとを含む教師データを用いて機械学習を行う学習処理部と、を備える。
【選択図】図2
特許請求の範囲【請求項１】
車両のサスペンションシステムの制御に用いられる学習済みモデルを機械学習により生成する機械学習装置であって、
第１環境で収集された１以上の説明変数及び１以上の目的変数を含む第１データセットと、第２環境で収集され、前記第１データセットと同一の説明変数及び目的変数を含む第２データセットと、を取得する取得部と、
前記第２データセットの説明変数のうち前記第１データセットの説明変数の値との乖離が大きいものとして予め定められた特定説明変数の値を零にする前処理を行う前処理部と、
前記第１データセットと前処理後の前記第２データセットとを含む教師データを用いて前記機械学習を行う学習処理部と、
を備える機械学習装置。
続きを表示（約 350 文字）【請求項２】
前記第１データセットの説明変数及び前記第２データセットの説明変数は、ばね上加速度及び車輪速を含み、
前記第１データセットは、車両を路面上で走行させたときに収集され、
前記第２データセットは、停止した状態の前記車両の車輪を振動発生装置により振動させたときに収集され、
前記特定説明変数は、前記車輪速を含む、
請求項１に記載の機械学習装置。
【請求項３】
前記学習処理部は、前記教師データを用いて前記学習済みモデルの全パラメータを再調整する、
請求項１又は２に記載の機械学習装置。
【請求項４】
ユーザの操作により前記特定説明変数を任意に設定可能にする設定部、
を更に備える請求項１又は２に記載の機械学習装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、機械学習装置に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
近年、路面や走行状態等に応じて減衰力を調整可能な車両用サスペンションシステムにおいて、減衰力の制御に機械学習により生成された学習済みモデルが利用されている。このような学習済みモデルを生成するための機械学習として、既に生成された学習済みモデルを流用するモデルベースの転移学習を利用する技術（特許文献１）や、複数の車両のデータから機械学習に用いるデータを選定する技術（特許文献２）が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－２１１０７号公報
特開２０２１－１７４４３３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
機械学習の手法として、異なる環境下で収集された複数のデータセット（説明変数と目的変数との関係を示すデータセット）を教師データとして用いて行われるインスタンスベースの転移学習がある。このような手法によれば、サスペンションシステムを制御するための学習済みモデルを効率的に生成できると考えられる。しかしながら、異なる環境下で収集された複数のデータセット間では、環境の相違に起因して説明変数の値が大きく乖離する場合がある。このような説明変数の乖離が大きい複数のデータセットを教師データとして同時に（１つのモデルの機械学習に）使用すると、学習効率が低下する可能性がある。
【０００５】
本発明は、上記に鑑みてなされたものであって、異なる環境下で収集された複数のデータセットを利用して学習済みモデルを効率的に生成可能な機械学習装置を提供する。
【課題を解決するための手段】
【０００６】
本発明の一実施形態は、車両のサスペンションシステムの制御に用いられる学習済みモデルを機械学習により生成する機械学習装置であって、第１環境で収集された１以上の説明変数及び１以上の目的変数を含む第１データセットと、第２環境で収集され、第１データセットと同一の説明変数及び目的変数を含む第２データセットと、を取得する取得部と、第２データセットの説明変数のうち第１データセットの説明変数の値との乖離が大きいものとして予め定められた特定説明変数の値を零にする前処理を行う前処理部と、第１データセットと前処理後の第２データセットとを含む教師データを用いて機械学習を行う学習処理部と、を備える。
【発明の効果】
【０００７】
本発明に係る機械学習装置によれば、複数のデータセットを教師データとして用いて機械学習を行う際に、異なる環境下で収集された複数のデータセット間で乖離が大きい説明変数の影響が除去される。これにより、異なる環境下で収集された複数のデータセットを利用して学習済みモデルを効率的に生成することが可能となる。
【図面の簡単な説明】
【０００８】
図１は、実施形態の機械学習装置のハードウェア構成の一例を示すブロック図である。
図２は、実施形態の機械学習装置の機能構成の一例を示すブロック図である。
図３は、実施形態の機械学習装置における処理の全体的な流れの一例を示すブロック図である。
図４は、実施形態の前処理の流れの一例を示すブロック図である。
図５は、実施形態の第２データセットのデータ構造の一例を示す図である。
図６は、実施形態の学習処理における処理の一例を概念的に示す図である。
図７は、実施形態の機械学習装置による処理の一例を示すフローチャートである。
【発明を実施するための形態】
【０００９】
以下、本発明の例示的な実施形態が開示される。以下に示される実施形態の構成、並びに当該構成によってもたらされる作用、結果及び効果は、一例である。本発明は、以下の実施形態に開示される構成以外によっても実現可能であるとともに、基本的な構成に基づく種々の効果や、派生的な効果のうち、少なくとも一つを得ることが可能である。
【００１０】
図１は、実施形態の機械学習装置１のハードウェア構成の一例を示すブロック図である。機械学習装置１は、車両用サスペンションシステムの減衰力を制御する学習済みモデルを生成するための機械学習を実行する装置である。
（【００１１】以降は省略されています）

関連特許