JP2019175275A - 制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 - Google Patents
制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 Download PDFInfo
- Publication number
- JP2019175275A JP2019175275A JP2018064777A JP2018064777A JP2019175275A JP 2019175275 A JP2019175275 A JP 2019175275A JP 2018064777 A JP2018064777 A JP 2018064777A JP 2018064777 A JP2018064777 A JP 2018064777A JP 2019175275 A JP2019175275 A JP 2019175275A
- Authority
- JP
- Japan
- Prior art keywords
- control
- learning
- value
- learned
- control value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Manipulator (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Feedback Control In General (AREA)
Abstract
Description
まず、図1を用いて、本発明が適用される場面の一例について説明する。図1は、車両の制御、特に、パワーステアリング装置の制御に本発明を適用した場面の一例を模式的に例示する。ただし、本発明の適用範囲は、以下で例示する車両の制御の例に限られる訳ではない。本発明は、コンピュータにより制御可能なあらゆる装置に適用可能である。
[ハードウェア構成]
<制御装置>
次に、図2を用いて、本実施形態に係る制御装置1のハードウェア構成の一例について説明する。図2は、本実施形態に係る制御装置1のハードウェア構成の一例を模式的に例示する。
次に、図3を用いて、本実施形態に係るパワーステアリング装置2の構成の一例について説明する。図3は、本実施形態に係るパワーステアリング装置2の構成の一例を模式的に例示する。図3に示すとおり、本実施形態に係るパワーステアリング装置2は、ステアリングホイール21、アシスト用モータ22、及びモータ駆動回路23を備える。
次に、図4を用いて、本実施形態に係るデータ収集用制御装置3のハードウェア構成の一例について説明する。図4は、本実施形態に係るデータ収集用制御装置3のハードウェア構成の一例を模式的に例示する。
次に、図5を用いて、本実施形態に係る学習装置4のハードウェア構成の一例を説明する。図5は、本実施形態に係る学習装置4のハードウェア構成の一例を模式的に例示する。
<制御装置>
次に、図6を用いて、本実施形態に係る制御装置1のソフトウェア構成の一例を説明する。図6は、本実施形態に係る制御装置1のソフトウェア構成の一例を模式的に例示する。
次に、各学習器について説明する。図6に示されるとおり、各学習器は、ニューラルネットワークにより構成される。すなわち、本実施形態では、第1演算部111は、動作制御用ニューラルネットワーク5を含む。第2演算部112は、安全制御用ニューラルネットワーク6を含む。動作制御用ニューラルネットワーク5は、学習済みの第1の学習器の一例である。安全制御用ニューラルネットワーク6は、学習済みの第2の学習器の一例である。
次に、図7を用いて、本実施形態に係るデータ収集用制御装置3のソフトウェア構成の一例を説明する。図7は、本実施形態に係るデータ収集用制御装置3のソフトウェア構成の一例を模式的に例示する。
次に、図8を用いて、本実施形態に係る学習装置4のソフトウェア構成の一例を説明する。図8は、本実施形態に係る学習装置4のソフトウェア構成の一例を模式的に例示する。
制御装置1、データ収集用制御装置3、及び学習装置4の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、制御装置1、データ収集用制御装置3、及び学習装置4の各ソフトウェアモジュールがいずれも汎用のCPUによって実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、1又は複数の専用のプロセッサにより実現されてもよい。また、制御装置1、データ収集用制御装置3、及び学習装置4それぞれのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
[制御装置]
次に、図9を用いて、制御装置1の動作例を説明する。図9は、制御装置1の処理手順の一例を例示するフローチャートである。なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
まず、ドライバ(利用者)は、車両のエンジンを始動させる等により、制御装置1を起動する。起動した制御装置1は、制御プログラム121を読み込んで、初期設定の処理を実行する。具体的には、制御部11は、動作制御学習結果データ122を参照して、動作制御用ニューラルネットワーク5の構造、各ニューロン間の結合の重み及び各ニューロンの閾値の設定を行う。同様に、制御部11は、安全制御学習結果データ123を参照して、安全制御用ニューラルネットワーク6の構造、各ニューロン間の結合の重み及び各ニューロンの閾値の設定を行う。そして、制御部11は、以下の処理手順に従って、パワーステアリング装置2の動作を制御する。
ステップS101では、制御部11は、第1演算部111として動作し、動作制御用ニューラルネットワーク5に入力するための各種情報を取得する。本実施形態では、制御部11は、各種情報として、車速センサ20から車両の速度(車速)を示す速度情報を取得する。また、制御部11は、パワーステアリング装置2の舵角センサ24、トルクセンサ25、温度センサ26、及び電流検出回路27から、ステアリングホイール21の舵角、操舵トルク、モータ温度、及び駆動電流を示す情報を取得する。各種情報を取得すると、制御部11は、次のステップS102に処理を進める。
ステップS102では、制御部11は、第1演算部111として動作し、パワーステアリング装置2の動作を決定する要因となる各種情報を動作制御用ニューラルネットワーク5に入力し、動作制御用ニューラルネットワーク5の演算処理を実行する。これにより、制御部11は、各要因に適応した制御値に対応する出力値を動作制御用ニューラルネットワーク5から取得する。
ステップS103では、制御部11は、第2演算部112として動作し、上記動作制御用ニューラルネットワーク5から得られた制御値を安全制御用ニューラルネットワーク6の入力層61に入力する。そして、制御部11は、安全制御用ニューラルネットワーク6の演算処理を実行する。すなわち、制御部11は、順伝搬の方向に各層61〜63に含まれる各ニューロンの発火判定を行う。これにより、制御部11は、安全条件を満たした補正済み制御値、又は安全条件を満たすように制御値を補正するための補正値に対応する出力値を取得する。補正値を取得した場合には、制御部11は、取得した補正値により制御値を補正することで、補正済み制御値を取得する。本実施形態では、これらの一連の処理によって、上記動作制御用ニューラルネットワーク5から得た制御値が安全条件を満たさない場合に、安全制御用ニューラルネットワーク6から取得した出力に応じて、当該安全条件を満たすように制御値を補正することができる。補正済みの制御値を取得すると、制御部11は、次のステップS104に処理を進める。
次のステップS104では、制御部11は、動作制御部113として動作し、上記ステップS103により補正された制御値(補正済み制御値)に基づいて、パワーステアリング装置2の動作を制御する。
次に、図10を用いて、データ収集用制御装置3の動作例を説明する。図10は、データ収集用制御装置3の処理手順の一例を例示するフローチャートである。なお、以下で説明する処理手順は、本発明の「学習データ作成方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
上記制御装置1と同様に、ドライバ(利用者)は、車両のエンジンを始動させる等により、データ収集用制御装置3を起動する。起動したデータ収集用制御装置3は、データ収集用制御プログラム321を読み込んで、初期設定の処理を実行する。具体的には、制御部31は、動作制御学習結果データ122を参照して、動作制御用ニューラルネットワーク5の構造、各ニューロン間の結合の重み及び各ニューロンの閾値の設定を行う。そして、制御部31は、以下の処理手順に従って、安全制御用ニューラルネットワーク6を構築するための学習用データセット323を作成する。
ステップS201では、制御部31は、演算部311として動作し、上記ステップS101と同様に、動作制御用ニューラルネットワーク5に入力するための各種情報を取得する。本実施形態では、制御部31は、車速センサ20から車速の情報を取得する。また、制御部31は、パワーステアリング装置2の舵角センサ24、トルクセンサ25、温度センサ26、及び電流検出回路27から、ステアリングホイール21の舵角、操舵トルク、モータ温度、及び駆動電流の情報を取得する。各種情報を取得すると、制御部31は、次のステップS202に処理を進める。
ステップS202では、制御部31は、演算部311として動作し、上記ステップS102と同様に、動作制御用ニューラルネットワーク5の演算処理を実行する。本実施形態では、制御部31は、ステップS201で取得した車速、舵角、操舵トルク、モータ温度、及び駆動電流の各値を、動作制御用ニューラルネットワーク5の入力層51に含まれる各ニューロンに入力する。そして、制御部31は、順伝搬の方向に各層51〜53に含まれる各ニューロンの発火判定を行う。これにより、制御部31は、パワーステアリング装置2に対する制御値に対応する出力値を動作制御用ニューラルネットワーク5の出力層53から取得する。制御値を取得すると、制御部31は、次のステップS203に処理を進める。
ステップS203では、制御部31は、動作試験部312として動作し、上記ステップS202において動作制御用ニューラルネットワーク5から取得した制御値に基づいて、パワーステアリング装置2の動作を試験する。本実施形態では、制御部31は、動作制御用ニューラルネットワーク5から取得した制御値をパワーステアリング装置2のモータ駆動回路23に通知する。モータ駆動回路23は、受け取った制御値に応じた駆動電流を生成し、生成した駆動電流によりアシスト用モータ22を駆動する。これにより、パワーステアリング装置2は、動作制御用ニューラルネットワーク5から得られる制御値に応じたアシスト力でステアリングホイール21の操舵をアシストするように制御される。なお、この試験は、シミュレーションで行われてもよい。パワーステアリング装置2の動作を試験すると、制御部31は、次のステップS204に処理を進める。
ステップS204では、制御部31は、ステップS203で試験したパワーステアリング装置2の動作が安全条件を満たすか否かを判定する。そして、パワーステアリング装置2の動作が安全条件を満たさないと判定した場合には、制御部31は、次のステップS205に処理を進める。一方、パワーステアリング装置2の動作が安全条件を満たすと判定した場合には、次のステップS205及びS206の処理を省略して、本動作例に係る処理を終了する。
次のステップS205では、制御部31は、補正値決定部313として動作し、上記安全条件を満たすように制御値を補正するための補正値を決定する。
ステップS206では、制御部31は、学習データ作成部314として動作し、動作制御用ニューラルネットワーク5から取得した制御値、及び上記ステップS205で決定した補正値により当該制御値を補正することで得られる補正済みの制御値又は当該補正値を組み合わせる。これにより、制御部31は、学習用データセット323を作成する。そして、制御部31は、作成した学習用データセット323を記憶部32に保存する。
次に、図12を用いて、学習装置4の動作例を説明する。図12は、学習装置4の処理手順の一例を例示するフローチャートである。なお、以下で説明する処理手順は、本発明の「学習方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
ステップS301では、制御部41は、学習データ取得部411として動作し、上記データ収集用制御装置3により作成された学習用データセット323を取得する。
次のステップS302では、制御部41は、学習処理部412として動作し、ステップS301で取得した学習用データセット323を利用した機械学習を行う。すなわち、制御部41は、学習用データセット323の制御値を訓練データ(入力データ)として利用し、学習用データセットの補正済みの制御値又は補正値を教師データ(正解データ)として利用した機械学習を行う。これにより、制御部41は、学習済みの動作制御用ニューラルネットワーク5から得られる制御値が安全条件を満たさない場合に、当該安全条件を満たすように制御値を補正する能力を獲得した学習済みの安全制御用ニューラルネットワーク6を構築する。
次のステップS303では、制御部41は、学習処理部412として動作して、機械学習後のニューラルネットワーク7(すなわち、学習済みの安全制御用ニューラルネットワーク6)の構成、各ニューロン間の結合の重み、及び各ニューロンの閾値を示す情報を安全制御学習結果データ123として記憶部42に格納する。これにより、制御部41は、本動作例に係る学習処理を終了する。
以上のように、本実施形態では、動作制御用ニューラルネットワーク5によって、所望の動作を実行するようにパワーステアリング装置2を制御することができる。ただし、学習時に想定していない事態に遭遇する等の不測の事態が生じた場合には、動作制御用ニューラルネットワーク5から得られる制御値が安全条件を満たさない可能性がある。これに対して、本実施形態では、動作制御用ニューラルネットワーク5から得られる制御値を、上記ステップS103の処理により、安全条件を満たすように補正することができる。したがって、本実施形態によれば、機械学習により獲得した能力に基づいてパワーステアリング装置2を制御する際の安全性を確保することができる。
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
上記実施形態では、パワーステアリング装置2の動作を制御する場面を例示している。しかしながら、制御装置1により制御される車両の動作は、パワーステアリング装置2の動作に限定されなくてもよく、例えば、アクセル操作、ブレーキ操作等のその他の動作であってもよい。
例えば、上記実施形態では、図6〜図8に示されるとおり、各ニューラルネットワーク5〜7として、多層構造を有する一般的な順伝播型ニューラルネットワークを用いている。しかしながら、各ニューラルネットワーク5〜7の種類は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、入力データとして画像を用いる場合、各ニューラルネットワーク5〜7には、畳み込み層及びプーリング層を備える畳み込みニューラルネットワークを用いてもよい。また、例えば、各ニューラルネットワーク5〜7には、中間層から入力層等のように出力側から入力側に再帰する結合を有する再帰型ニューラルネットワークが用いられてもよい。なお、各ニューラルネットワーク5〜7の層数、各層におけるニューロンの個数、ニューロン同士の結合関係、及び各ニューロンの伝達関数は、実施の形態に応じて適宜決定されてよい。
また、上記実施形態では、制御装置1、データ収集用制御装置3及び学習装置4はそれぞれ別々の装置である。しかしながら、制御装置1、データ収集用制御装置3及び学習装置4のうちの少なくともいずれかの組は同一の装置で実現されてもよい。また、制御装置1、データ収集用制御装置3及び学習装置4はそれぞれ、異なる複数の装置により構成されてもよい。例えば、データ収集用制御装置3は、パワーステアリング装置2を制御する第1装置及び学習用データセット323を作成する第2装置の2つの装置で構成されてもよい。この場合、第1装置は、演算部311及び動作試験部312を備えるコンピュータとして機能するように適宜構成される。第2装置は、補正値決定部313及び学習データ作成部314を備えるコンピュータとして機能するように適宜構成される。
また、上記実施形態では、各学習器は、ニューラルネットワークにより構成されている。しかしながら、各学習器の種類は、ニューラルネットワークに限られなくてもよく、実施の形態に応じて適宜選択されてよい。各学習器には、例えば、サポートベクターマシン、自己組織化マップ、強化学習により学習を行う学習器等が用いられてもよい。
また、上記ステップS103では、ステップS102で取得した制御値が安全条件を満たすか否かを区別せずに、安全制御用ニューラルネットワーク6にステップS102で取得した制御値を入力している。しかしながら、上記実施形態は、このような例に限られなくてもよく、ステップS102で取得した制御値が安全条件を満たさない場合にのみ、制御部11は、安全制御用ニューラルネットワーク6にステップS102で取得した制御値を入力してもよい。この場合、ステップS102で取得した制御値が安全条件を満たすときには、制御部11は、上記ステップS103を省略して、次のステップS104の処理を実行することで、動作制御用ニューラルネットワーク5の出力値をそのままパワーステアリング装置2に対して出力してよい。
また、上記動作制御用ニューラルネットワーク5を作成するための学習装置を用意してもよい。この学習装置は、上記学習装置4とほぼ同様に構成することができる。すなわち、機械学習に利用する学習用データセット323を、パワーステアリング装置2の動作を制御する機能を獲得する機械学習に利用可能な学習用データセットに変更することで、動作制御用ニューラルネットワーク5を作成する学習装置を構成することができる。この学習用データセットは、パワーステアリング装置2の動作を決定する要因となる情報(上記実施形態では、車速、舵角、操舵トルク、モータ温度、及び駆動電流の情報)と、当該情報に適応するアシスト力を指示する制御値との組み合わせにより構成される。また、学習対象とするニューラルネットワークは、上記動作制御用ニューラルネットワーク5と同じように構成する。これにより、学習装置は、用意した学習用データセットを利用して、上記ステップS301〜S303までの処理を実行することで、上記動作制御用ニューラルネットワーク5を構築し、動作制御学習結果データ122を作成することができる。
また、上記制御装置1は、上記ステップS102で取得した制御値が安全条件を満たさない場合に、上記ステップS102で取得した制御値と上記ステップS103で取得した補正済みの制御値とを制御履歴情報として記録してもよい。
また、例えば、上記制御装置1は、複数件の動作制御学習結果データ122及び複数件の安全制御学習結果データ123を保持し、利用者の指定に応じて、利用する動作制御用ニューラルネットワーク5及び安全制御用ニューラルネットワーク6を切り替え可能に構成されてもよい。この場合、制御装置1は、利用者の入力に応じて、各件の動作制御学習結果データ122及び各件の安全制御学習結果データ123を、ネットワークを介して学習装置4等から取得してもよいし、記憶媒体等から取得してもよい。
11…制御部、12…記憶部、13…外部インタフェース、
111…第1演算部、112…第2演算部、113…動作制御部、
121…制御プログラム、122…動作制御学習結果データ、
123…安全制御学習結果データ、
2…パワーステアリング装置、
21…ステアリングホイール、22…アシスト用モータ、23…モータ駆動回路、
24…舵角センサ、25…トルクセンサ、
26…温度センサ、27…電流検出回路、
3…データ収集用制御装置、
31…制御部、32…記憶部、33…外部インタフェース、
311…演算部、312…動作試験部、
313…補正値決定部、314…学習データ作成部、
321…データ収集用制御プログラム、323…学習用データセット、
4…学習装置、
41…制御部、42…記憶部、43…通信インタフェース、
44…入力装置、45…出力装置、46…ドライブ、
411…学習データ取得部、412…学習処理部、
421…学習プログラム、
5…動作制御用ニューラルネットワーク、
51…入力層、52…中間層(隠れ層)、53…出力層、
6…安全制御用ニューラルネットワーク、
61…入力層、62…中間層(隠れ層)、63…出力層、
7…ニューラルネットワーク、
71…入力層、72…中間層(隠れ層)、73…出力層、
91…記憶媒体、
100…電動パワーステアリングシステム、
101…データ収集用電動パワーステアリングシステム
Claims (13)
- 制御対象装置の動作を制御する能力を機械学習により獲得した学習済みの第1の学習器の演算処理を実行することで、当該学習済みの第1の学習器から制御値を取得する演算部と、
取得した制御値に基づいて、前記制御対象装置の動作を試験する動作試験部と、
前記試験において、前記制御対象装置の動作が所定の安全条件を満たさない場合に、当該安全条件を満たすように前記制御値を補正するための補正値を決定する補正値決定部と、
前記学習済みの第1学習器から取得した制御値、及び前記制御値を前記補正値により補正することで得られる補正済みの制御値又は前記補正値を組み合わせることで、学習用データセットを作成する学習データ作成部と、
前記学習用データセットの前記制御値を訓練データとして利用し、前記学習用データセットの前記補正済みの制御値又は前記補正値を教師データとして利用した機械学習を行うことで、前記学習済みの第1の学習器から得られる前記制御値が前記安全条件を満たさない場合に、前記安全条件を満たすように前記制御値を補正する能力を獲得した学習済みの第2の学習器を構築する学習処理部と、
を備える、
制御システム。 - 制御対象装置の動作を制御する能力を機械学習により獲得した学習済みの第1の学習器の演算処理を実行することで、当該学習済みの第1の学習器から制御値を取得する第1演算部と、
前記学習済みの第1の学習器から得られる前記制御値が、前記制御対象装置が安全に動作するための制限値を規定した安全条件を満たさない場合に、当該安全条件を満たすように前記制御値を補正する能力を機械学習により獲得した学習済みの第2の学習器の演算処理を実行することで、当該学習済みの第2の学習器から出力を取得し、取得した出力に応じて前記制御値を補正する第2演算部と、
補正された前記制御値に基づいて、前記制御対象装置の動作を制御する動作制御部と、
を備える、
制御装置。 - 前記制御対象装置は、複数の要因に基づいて非線形に制御される装置であり、
前記学習済みの第1の学習器は、前記複数の要因に対応する複数の値が入力されると、前記複数の要因に適応した前記制御値を出力するように構築されている、
請求項2に記載の制御装置。 - 前記学習済みの第2の学習器は、前記複数の値の少なくとも一部及び前記制御値が入力されると、前記安全条件を満たすように前記制御値を補正するための補正値又は当該補正値により前記制御値を補正することで得られる補正済みの制御値を出力するように構築されている、
請求項3に記載の制御装置。 - 前記第1の学習器及び前記第2の学習器はそれぞれ、ニューラルネットワークにより構成される、
請求項2から4のいずれか1項に記載の制御装置。 - 前記学習済みの第1の学習器から得られた前記制御値が前記安全条件を満たさない場合に、前記学習済みの第1の学習器から得られた前記制御値と、前記学習済みの第2の学習器からの出力に応じて得られた補正済みの制御値とを紐付けて記録する履歴作成部を更に備える、
請求項2から5のいずれか1項に記載の制御装置。 - 前記制御対象装置は、車両であり、
前記動作制御部は、前記車両の動作を制御する、
請求項2から6のいずれか1項に記載の制御装置。 - 前記制御対象装置は、生産ラインにおける産業用ロボットであり、
前記動作制御部は、前記産業用ロボットの動作を制御する、
請求項2から6のいずれか1項に記載の制御装置。 - 前記制御対象装置は、自律的に動作可能に構成された自律型ロボットであり、
前記動作制御部は、前記自律型ロボットの動作を制御する、
請求項2から6のいずれか1項に記載の制御装置。 - コンピュータに、
制御対象装置の動作を制御する能力を機械学習により獲得した学習済みの第1の学習器の演算処理を実行することで、当該学習済みの第1の学習器から制御値を取得するステップと、
前記学習済みの第1の学習器から得られる前記制御値が、前記制御対象装置が安全に動作するための制限値を規定した安全条件を満たさない場合に、当該安全条件を満たすように前記制御値を補正する能力を機械学習により獲得した学習済みの第2の学習器の演算処理を実行することで、当該学習済みの第2の学習器から出力を取得し、取得した出力に応じて前記制御値を補正するステップと、
補正された前記制御値に基づいて、前記制御対象装置の動作を制御するステップと、
を実行させるための、
制御プログラム。 - コンピュータが、
制御対象装置の動作を制御する能力を機械学習により獲得した学習済みの第1の学習器の演算処理を実行することで、当該学習済みの第1の学習器から制御値を取得するステップと、
取得した制御値に基づいて、前記制御対象装置の動作を試験するステップと、
前記試験において、前記制御対象装置の動作が所定の安全条件を満たさない場合に、当該安全条件を満たすように前記制御値を補正するための補正値を決定するステップと、
前記学習済みの第1学習器から取得した制御値、及び前記制御値を前記補正値により補正することで得られる補正済みの制御値又は前記補正値を組み合わせることで、学習用データセットを作成するステップと、
を実行する、
学習データ作成方法。 - 前記コンピュータは、所定の補正条件に従って前記補正値を決定する、
請求項11に記載の学習データ作成方法。 - コンピュータが、
請求項11又は12に記載の学習データ作成方法により作成された前記学習用データセットを取得するステップと、
取得した前記学習用データセットの前記制御値を訓練データとして利用し、取得した前記学習用データセットの前記補正済みの制御値又は前記補正値を教師データとして利用した機械学習を行うことで、前記学習済みの第1の学習器から得られる前記制御値が前記安全条件を満たさない場合に、前記安全条件を満たすように前記制御値を補正する能力を獲得した学習済みの第2の学習器を構築するステップと、
を実行する、
学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018064777A JP2019175275A (ja) | 2018-03-29 | 2018-03-29 | 制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018064777A JP2019175275A (ja) | 2018-03-29 | 2018-03-29 | 制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019175275A true JP2019175275A (ja) | 2019-10-10 |
Family
ID=68168973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018064777A Pending JP2019175275A (ja) | 2018-03-29 | 2018-03-29 | 制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019175275A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359591A (zh) * | 2020-03-04 | 2021-09-07 | 西门子股份公司 | 确定和/或选择安全状态的方法和安全相关控制装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07225894A (ja) * | 1994-02-15 | 1995-08-22 | Toshiba Corp | 車両用走行制御装置とその制御知識獲得方法 |
JP2014174585A (ja) * | 2013-03-06 | 2014-09-22 | Mikuni Corp | 制御装置及び制御方法 |
JP2015204701A (ja) * | 2014-04-15 | 2015-11-16 | 株式会社デンソー | 回転機の制御装置 |
-
2018
- 2018-03-29 JP JP2018064777A patent/JP2019175275A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07225894A (ja) * | 1994-02-15 | 1995-08-22 | Toshiba Corp | 車両用走行制御装置とその制御知識獲得方法 |
JP2014174585A (ja) * | 2013-03-06 | 2014-09-22 | Mikuni Corp | 制御装置及び制御方法 |
JP2015204701A (ja) * | 2014-04-15 | 2015-11-16 | 株式会社デンソー | 回転機の制御装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359591A (zh) * | 2020-03-04 | 2021-09-07 | 西门子股份公司 | 确定和/或选择安全状态的方法和安全相关控制装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018168039A1 (ja) | 運転者監視装置、運転者監視方法、学習装置及び学習方法 | |
CN104806363B (zh) | 油门响应方法及装置 | |
WO2018180143A1 (ja) | 情報処理装置及び情報処理方法、コンピュータ・プログラム、並びにプログラム製造方法 | |
US20210162589A1 (en) | Systems and methods for learning agile locomotion for multiped robots | |
Toffin et al. | Role of steering wheel feedback on driver performance: driving simulator and modeling analysis | |
JP2019200453A (ja) | 制御システム、学習データ作成装置、学習装置および判定装置 | |
JP2007238070A (ja) | 電動可変ギア伝達装置と電動パワーステアリング装置の制御装置 | |
US11971709B2 (en) | Learning device, control device, learning method, and recording medium | |
JP6826091B2 (ja) | ラック力を決定する方法及びシステム、作業装置用動作支援方法、動作支援装置及び作業装置 | |
JP2019175275A (ja) | 制御システム、制御装置、制御プログラム、学習データ作成方法、及び学習方法 | |
JP6904287B2 (ja) | 制御装置、制御方法、及び制御プログラム | |
Menhour et al. | Two degrees of freedom PID multi-controllers to design a mathematical driver model: Experimental validation and robustness tests | |
CN114310895A (zh) | 机器人碰撞检测方法、装置、电子设备及存储介质 | |
Xu et al. | Modeling Lateral Control Behaviors of Distracted Drivers for Haptic-Shared Steering System | |
KR101799700B1 (ko) | 뉴로모픽 신경망 모델 기반 내비게이션 장치 및 그 방법 | |
WO2018029904A1 (ja) | 運転性向判定装置および運転性向判定システム | |
Zou et al. | Neuroevolution of a recurrent neural network for spatial and working memory in a simulated robotic environment | |
KR102376615B1 (ko) | 주행 로봇의 제어 방법 및 그 장치 | |
US10831209B2 (en) | Using a long-term recurrent convolutional network to plan a sequence of lateral controls in autonomous driving | |
JP2021082139A (ja) | 追加学習装置、方法、及びプログラム | |
CN111738046A (zh) | 对用于基于深度学习的装置的学习的虚拟世界模拟器的物理引擎进行标定的方法及装置 | |
Teodorescu et al. | A rule-based assistive control algorithm for safe navigation for a powered wheelchair | |
CN108022472B (zh) | 一种飞行力感模拟系统以及模拟方法 | |
JP6947091B2 (ja) | 運転支援装置、運転支援方法、運転支援プログラム、動作制御装置、動作制御方法、及び動作制御プログラム | |
US11679717B2 (en) | Method and apparatus for operating a haptic system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200305 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210322 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210518 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210803 |