JP6989452B2 - 作成装置、コンポーネント制御装置、作成方法、コンポーネント制御方法、およびコンピュータプログラム - Google Patents

Description

本発明は、人力駆動車のコンポーネントの制御に関するデータの作成装置、コンポーネント制御装置、作成方法、コンポーネント制御方法、およびコンピュータプログラムに関する。

自転車をはじめとして電動アシスト付き自転車、Ｅバイクと呼ばれる電動自転車等、少なくとも部分的に人力が用いられる人力駆動車がある。人力駆動車は、複数の段数を持つ変速機を備え、乗り手の変速操作に応じて段数が切り替えられる。速度センサ、ケイデンスセンサ、チェーンテンションセンサ等のセンサを用い、センサからの出力に対して種々の演算を行なって自動的に変速制御する自動変速制御システムが従来提案されている（特許文献１等）。

米国特許第６０４７２３０号明細書

特許文献１等に開示されている変速機を含むコンポーネントの自動制御は、人力駆動車に設けられた速度センサ、トルクセンサ等の各種センサから得られる数値が所定の閾値より大きいか否かの判断の組み合わせにより実現されてきた。しかしながら、閾値による判断では目指す自動制御の実現には不足であった。

同一のユーザが同一の人力駆動車を運転する場合であっても、走行目的が移動なのかレースなのか等のシチュエーション、走行環境によってコンポーネント制御の内容は異なる。

本発明の目的は、様々なシチュエーションまたは走行環境であっても乗り手に違和感を生じさせにくいコンポーネントの自動制御を実現するデータの作成装置、コンポーネント制御装置、作成方法、コンポーネント制御方法、およびコンピュータプログラムを提供することである。

（１）本発明の第１側面に従う作成装置は、人力駆動車の走行に関する入力情報を取得する取得部と、前記取得部が取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルをそれぞれ作成する作成部とを備える。
このため、様々なシチュエーションまたは走行環境に合わせて、異なる学習モデルによって乗り手に違和感を生じさせにくいコンポーネントの自動制御を実現できる。

（２）本発明の第２側面に従う作成装置は、上記第１側面の作成装置において、前記出力情報は、変速機の段数および変速比の少なくともいずれか一方を含む。
このため、様々なシチュエーションまたは走行環境に合わせて、異なる学習モデルによって乗り手に違和感を生じさせにくい自動変速制御を実現できる。

（３）本発明の第３側面に従う作成装置は、上記第１側面または第２側面の作成装置において、前記入力情報は、前記人力駆動車の走行速度および駆動機構のクランクのケイデンスの少なくともいずれか一方を含む。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（４）本発明の第４側面に従う作成装置は、上記第１側面〜第３側面のいずれか一つの作成装置において、前記入力情報は、前記人力駆動車の姿勢の検知データを含む。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（５）本発明の第５側面に従う作成装置は、上記第１側面〜第４側面のいずれか一つの作成装置において、前記入力情報は、前記人力駆動車のユーザの姿勢の検知データを含む。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（６）本発明の第６側面に従う作成装置は、上記第１側面〜第５側面のいずれか一つの作成装置において、前記入力情報は、前記人力駆動車の走行環境の検知データを含む。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（７）本発明の第７側面に従う作成装置は、上記第１側面〜第６側面のいずれか一つの作成装置において、前記作成部は、前記異なる学習モデルそれぞれについて、前記取得部が取得した入力情報に含まれる入力情報の内、他の学習モデルと異なる組み合わせの入力情報を入力する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（８）本発明の第８側面に従う作成装置は、上記第１側面〜第７側面のいずれか一つの作成装置において、前記異なる組み合わせの入力情報の設定を前記異なる学習モデル毎に受け付ける。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手の嗜好に合わせた自動制御を実現できる。

（９）本発明の第９側面に従う作成装置は、上記第１側面〜第８側面のいずれか一つの作成装置において、前記作成部は、前記異なる学習モデルそれぞれについて、前記取得部が取得した入力情報に含まれる複数のデータに、他の学習モデルと異なる重みを付与して入力する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（１０）本発明の第１０側面に従う作成装置は、上記第１側面〜第９側面のいずれか一つの作成装置において、前記異なる重みの設定を前記異なる学習モデル毎に受け付ける。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手の嗜好に合わせた自動制御を実現できる。

（１１）本発明の第１１側面に従う作成装置は、上記第１側面〜第１０側面のいずれか一つの作成装置において、前記取得部は、異なる時点の入力情報を取得し、前記作成部は、前記異なる時点の入力情報を前記学習モデルに入力させる。
このため、様々なシチュエーションまたは走行環境に合わせて、複数時点の入力情報を基に制御に関する出力情報を出力する学習モデルが作成され、より違和感を生じさせにくい自動制御が実現できる。

（１２）本発明の第１２側面に従う作成装置は、上記第１１側面の作成装置において、前記入力情報が取得される時点の間隔は、前記異なる学習モデルに応じて異なる。
このため、様々なシチュエーションまたは走行環境に合わせて、複数時点の入力情報を基に制御に関する出力情報を出力する学習モデルが作成され、より違和感を生じさせにくい自動制御が実現できる。

（１３）本発明の第１３側面に従う作成装置は、上記第１側面〜第１０側面のいずれか一つの作成装置において、前記取得部は、異なる時点の入力情報を取得し、前記作成部は、入力情報の変動を前記学習モデルに入力させる。
このため、様々なシチュエーションまたは走行環境に合わせて、複数時点に亘る入力情報の変動を基に制御に関する出力情報を出力する学習モデルが作成され、より違和感を生じさせにくい自動制御が実現できる。

（１４）本発明の第１４側面に従う作成装置は、上記第１３側面の作成装置において、前記入力情報の変動に対応する時間幅は、前記異なる学習モデルに応じて異なる。
このため、様々なシチュエーションまたは走行環境に合わせて、複数時点に亘る入力情報の変動を基に制御に関する出力情報を出力する学習モデルが作成され、より違和感を生じさせにくい自動制御が実現できる。

（１５）本発明の第１５側面に従う作成装置は、上記第１側面〜第１４側面のいずれか一つの作成装置において、前記異なる学習モデルの内、対象の学習モデルを選択する選択部を備え、前記作成部は、前記選択部によって選択された対象の学習モデルを作成する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御を実現できる。

（１６）本発明の第１６側面に従う作成装置は、上記第１５側面の作成装置において、前記選択部によって選択された対象の学習モデルから出力された出力情報を評価する評価部を備え、前記作成部は、前記評価部の評価に基づき前記対象の学習モデルを更新する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御が実現できる。

（１７）本発明の第１７側面に従う作成装置は、上記第１６側面の作成装置において、前記出力情報に関する指定操作を受け付ける操作部を備え、前記評価部は、前記取得部によって取得した入力情報を入力して前記対象の学習モデルから出力された出力情報と、前記操作部にて受け付けた指定操作との照合に基づいて評価する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御が実現できる。

（１８）本発明の第１８側面に従う作成装置は、上記第１７側面の作成装置において、前記対象の学習モデルから出力された出力情報と前記指定操作の内容とが合致しない場合、前記評価部は前記対象の学習モデルについて前記出力情報を低評価とする。
このため、乗り手の操作に適合した自動制御が実現できる。

（１９）本発明の第１９側面に従う作成装置は、上記第１７側面の作成装置において、前記対象の学習モデルから出力された出力情報と前記指定操作の内容とが合致しない場合、前記作成部は、前記指定操作の内容を含む教師データに基づいて重みを付与して前記対象の学習モデルを更新する。
このため、乗り手の操作に適合した自動制御が実現できる。

（２０）本発明の第２０側面に従う作成装置は、上記第１７側面の作成装置において、前記取得部は、時系列に複数の入力情報を逐次一時記憶する記憶部を備え、前記作成部は、前記操作部にて指定操作を受け付けた場合、前記指定操作が行われたタイミングの前後に取得された複数の入力情報を入力データとし、前記入力データと前記操作部での操作内容とにより前記対象の学習モデルを更新する。
このため、様々なシチュエーションまたは走行環境に合わせて、変化に応じて違和感を生じさせにくい自動制御が実現できる。

（２１）本発明の第２１側面に従う作成装置は、上記第２０側面の作成装置において、前記作成部は、前記操作部にて指定操作を受け付けた場合、入力情報の取得回数を増加させて更新する。
このため、学習モデルの出力が乗り手の操作と合致しない場合に、より重点的に学習がされ、違和感を生じさせにくい自動制御が実現できる。

（２２）本発明の第２２側面に従う作成装置は、上記第２０側面の作成装置において、前記作成部は、前記操作部にて指定操作を受け付けた場合、入力情報の取得頻度を高めて更新する。
このため、学習モデルの出力が乗り手の操作と合致しない場合に、より重点的に学習がされ、違和感を生じさせにくい自動制御が実現できる。

（２３）本発明の第２３側面に従う作成装置は、上記第１６側面の作成装置において、前記評価部は、前記異なる学習モデルから出力された各出力情報に基づく前記コンポーネントの動作それぞれに対するユーザ評価を受け付ける評価受付部を備え、前記評価受付部によって受け付けられた評価内容と、評価を受け付けたタイミングに前記対象の学習モデルから出力された出力情報と、前記出力情報に対応して入力された入力情報とを含む教師データに基づいて前記対象の学習モデルを更新する。
このため、乗り手の嗜好に適合した自動制御が実現できる。

（２４）本発明の第２４側面に従う作成装置は、上記第２３側面の作成装置において、前記出力情報に関する指定操作を受け付ける操作部を備え、前記評価受付部は、前記操作部、又は前記操作部の近傍に設けられてユーザの評価操作を受け付ける。
このため、乗り手の嗜好に適合した自動制御が実現できる。

（２５）本発明の第２５側面に従う作成装置は、上記第２３側面の作成装置において、前記評価受付部は、前記人力駆動車を運転中のユーザの顔を撮像した撮像画像から表情を特定する特定部を備え、前記特定部が特定した表情に基づいてユーザの評価を受け付ける。
このため、乗り手の嗜好に適合した自動制御が実現できる。

（２６）本発明の第２６側面に従う作成装置は、上記第２３側面の作成装置において、前記評価受付部は、音声認識部を備え、ユーザの音声を認識して評価を受け付ける。
このため、乗り手の嗜好に適合した自動制御が実現できる。

（２７）本発明の第２７側面に従う作成装置は、上記第１側面〜第２６側面のいずれか一つの作成装置において、作成した異なる学習モデルの内のいずれか一つの選択を受け付けるモデル選択部と、前記モデル選択部が選択した前記学習モデルを送信する送信部とを備える。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御が実現できる。

（２８）本発明の第２８側面に従うコンポーネント制御装置は、人力駆動車の走行に関する入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力するべく学習アルゴリズムにより作成された異なる学習モデルと、前記入力情報を取得する取得部と、前記異なる学習モデルの内のいずれか一つの選択を受け付けるモデル選択部と、前記取得部が取得した入力情報を前記選択された学習モデルに入力することにより出力される出力情報に基づき前記コンポーネントを制御する制御部とを備える。
このため、走行に関する測定値を含む多数の入力情報に基づき、閾値では判定しきれない状況に応じたコンポーネント制御を、様々なシチュエーションまたは走行環境に適合させて実現できる。

（２９）本発明の第２９側面に従うコンポーネント制御装置は、上記第２８側面のコンポーネント制御装置において、前記取得部は、前記モデル選択部によって選択された学習モデルに対応付けられている入力情報を取得して入力する。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動制御が実現できる。

（３０）本発明の第３０側面に従うコンポーネント制御装置は、上記第２９側面のコンポーネント制御装置において、前記出力情報は、変速機の段数および変速比の少なくともいずれか一方を含む。
このため、様々なシチュエーションまたは走行環境に合わせて、乗り手に違和感を生じさせにくい自動変速制御が実現できる。

（３１）本発明の第３１側面に従う作成方法は、人力駆動車の走行に関する入力情報を取得し、取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルをそれぞれ学習アルゴリズムによって作成する。
このため、走行に関する測定値を含む多数の入力情報に基づき、閾値では判定しきれない状況に応じたコンポーネント制御を、様々なシチュエーションまたは走行環境に適合させて実現できる。

（３２）本発明の第３２側面に従うコンポーネント制御方法は、人力駆動車の走行に関する入力情報を取得し、前記入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力するべく学習アルゴリズムにより作成された異なる学習モデルの内のいずれか一つの選択を受け付け、選択された学習モデルに、取得された入力情報を入力することにより出力される出力情報を特定し、特定した出力情報に基づき前記コンポーネントを制御する。
このため、走行に関する測定値を含む多数の入力情報に基づき、閾値では判定しきれない状況に応じたコンポーネント制御を、様々なシチュエーションまたは走行環境に適合させて実現できる。

（３３）本発明の第３３側面に従うコンピュータプログラムは、人力駆動車の走行に関する入力情報を取得し、取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルを学習アルゴリズムによってそれぞれ作成する処理を、コンピュータに実行させる。
このため、走行に関する測定値を含む多数の入力情報に基づき、閾値では判定しきれない状況に応じたコンポーネント制御を、様々なシチュエーションまたは走行環境に適合させて実現できる。

本発明に関する人力駆動車の制御に関するデータの作成装置、コンポーネント制御装置、作成方法、コンポーネント制御方法、およびコンピュータプログラムによれば、様々なシチュエーションであっても乗り手に違和感を生じさせにくいコンポーネントの自動制御が実現される。

第１実施形態−第４実施形態の作成装置またはコンポーネント制御装置が適用される自転車の側面図である。 制御ユニットの内部構成を示すブロック図である。 制御部の学習モードでの処理手順の一例を示すフローチャートである。 作成される学習モデルの一例を示す図である。 作成される学習モデルの一例を示す図である。 制御部の自動制御モードでの処理手順の一例を示すフローチャートである。 第２実施形態における制御ユニットの内部構成を示すブロック図である。 第２実施形態における制御部の学習モードでの処理手順の一例を示すフローチャートである。 記憶部に記憶される入力情報の内容例と、学習の概要を示す図である。 第２実施形態で作成される学習モデルの一例を示す図である。 第２実施形態で作成される学習モデルの一例を示す図である。 第３実施形態における制御部の処理手順の一例を示すフローチャートである。 第３実施形態における制御部の処理手順の一例を示すフローチャートである。 制御システムの構成を示すブロック図である。 アプリプログラムに基づいて表示される画面例を示す図である。 アプリプログラムに基づいて表示される画面例を示す図である。 アプリプログラムに基づいて表示される画面例を示す図である。 アプリプログラムに基づいて表示される画面例を示す図である。 アプリプログラムに基づいて表示される画面例を示す図である。 第４実施形態における制御部の処理手順の一例を示すフローチャートである。 第４実施形態における制御部の処理手順の一例を示すフローチャートである。

以下の各実施形態に関する説明は、本発明に関する作成装置、およびコンポーネント制御装置が取り得る形態の例示であり、その形態を制限することを意図していない。本発明に関する作成装置、コンポーネント制御装置、作成方法、コンポーネント制御方法、コンピュータプログラム、および学習モデルは、各実施形態の変形例、および、相互に矛盾しない少なくとも２つの変形例が組み合わせられた形態等のように各実施形態とは異なる形態を取り得る。

以下の各実施形態に関する説明において、前、後、前方、後方、左、右、横、上、および、下等の方向を表す言葉は、ユーザが人力駆動車のサドルに着座した状態における方向を基準として用いられる。

（第１実施形態）
図１は、第１実施形態の作成装置１が適用される人力駆動車Ａの側面図である。人力駆動車Ａは、電気エネルギーを用いて人力駆動車Ａの推進をアシストするアシスト機構Ｃを含むロードバイクである。人力駆動車Ａの構成は、任意に変更可能である。第１例では、人力駆動車Ａはアシスト機構Ｃを含まない。第２例では、人力駆動車Ａの種類は、シティサイクル、マウンテンバイク、または、クロスバイクである。第３例では、人力駆動車Ａは、第１例および第２例の特徴を含む。

人力駆動車Ａは、本体Ａ１、ハンドルバーＡ２、前輪Ａ３、後輪Ａ４、フロントフォークＡ５、サドルＡ６、ディレーラハンガーＡ７を備える。人力駆動車Ａは、駆動機構Ｂ、アシスト機構Ｃ、操作装置Ｄ、変速機Ｅ、電動シートポストＦ、電動サスペンションＧ、バッテリユニットＨ、および制御ユニット１００を備える。人力駆動車Ａは、速度センサＳ１、ケイデンスセンサＳ２、トルクセンサＳ３、ジャイロセンサＳ４、画像センサＳ５、姿勢センサＳ６１，Ｓ６２，Ｓ６３を含む。本体Ａ１は、フレームＡ１２を備える。

駆動機構Ｂは、チェーンドライブ、ベルトドライブ、または、シャフトドライブによって人力駆動力を後輪Ａ４へ伝達する。図１ではチェーンドライブの駆動機構Ｂを例示している。駆動機構Ｂは、クランクＢ１、第１スプロケット組立体Ｂ２、第２スプロケット組立体Ｂ３、チェーンＢ４、および、一対のペダルＢ５を含む。

クランクＢ１は、クランク軸Ｂ１１、右クランクＢ１２、および左クランクＢ１３を含む。クランク軸Ｂ１１は、フレームＡ１２に設けられるアシスト機構Ｃに回転可能に支持される。右クランクＢ１２および左クランクＢ１３は、それぞれクランク軸Ｂ１１に連結される。一対のペダルＢ５の一方は右クランクＢ１２に回転可能に支持される。一対のペダルＢ５の他方は左クランクＢ１３に回転可能に支持される。

第１スプロケット組立体Ｂ２は、第１回転中心軸心を有し、クランク軸Ｂ１１と一体回転可能に連結される。第１スプロケット組立体Ｂ２は、１または複数のスプロケットＢ２２を含む。クランク軸Ｂ１１の回転中心軸心と第１スプロケット組立体Ｂ２の回転中心軸心は同軸である。一例では、第１スプロケット組立体Ｂ２は、外径が異なる複数のスプロケットＢ２２を含む。一例では、複数のスプロケットＢ２２の外径は、本体Ａ１から外側へ遠ざかる程に大きく、段数は大きい。

第２スプロケット組立体Ｂ３は、第２回転中心軸心を有し、後輪Ａ４のハブ（図示略）に回転可能に支持される。第２スプロケット組立体Ｂ３は、１または複数のスプロケットＢ３１を含む。一例では、第２スプロケット組立体Ｂ３は、外径が異なる複数のスプロケットＢ３１を含む。一例では、複数のスプロケットＢ３１の外径は、後輪Ａ４から外側へ遠ざかる程に小さく、段数は大きい。

チェーンＢ４は、第１スプロケット組立体Ｂ２のいずれかのスプロケットＢ２２および第２スプロケット組立体Ｂ３のいずれかのスプロケットＢ３１に巻き掛けられる。一対のペダルＢ５に加えられる人力駆動力によってクランクＢ１が前転すると、第１スプロケット組立体Ｂ２がクランクＢ１とともに前転し、第１スプロケット組立体Ｂ２の回転がチェーンＢ４を介して第２スプロケット組立体Ｂ３に伝達されることで後輪Ａ４が前転する。

アシスト機構Ｃは、電動アクチュエータＣ１を含む。アシスト機構Ｃは、人力駆動車Ａの推進をアシストする。一例では、アシスト機構Ｃは、第１スプロケット組立体Ｂ２にトルクを伝達することによって人力駆動車Ａの推進をアシストする。電動アクチュエータＣ１は例えば、電気モータを含む。電動アクチュエータＣ１は、減速機を含んでいてもよい。電動アクチュエータＣ１は、人力駆動車Ａの後輪Ａ４に駆動力を伝達するチェーンＢ４を走行させる。アシスト機構Ｃは、チェーンＢ４の走行をアシストするための信号制御によって制御可能なコンポーネントの一部である。

操作装置Ｄは、ユーザが操作する操作部Ｄ１を含む。操作部Ｄ１の一例は、１または複数のボタンである。操作部Ｄ１の他の例は、ブレーキレバーである。左右のハンドルに設けられているブレーキレバーを左右に倒す都度に、変速機Ｅにおける変速段数または変速比を変更することができる。そのほかに操作装置Ｄは操作部Ｄ１にて、アシスト機構Ｃのモード（省エネルギーモード、ハイパワーモード等）の切り替え、電動シートポストＦの動作切り替え、電動サスペンションＧの動作切り替え等、各種コンポーネントの制御について指示操作を受け付ける。操作装置Ｄは、操作部Ｄ１の操作に応じた信号を変速機Ｅまたは他のコンポーネントへ送信できるように、各コンポーネントと通信接続される。第１例では、操作装置Ｄは、通信線、または、ＰＬＣ（Power Line Communication）が可能な電線によって変速機Ｅと通信接続される。第２例では、操作装置Ｄは、無線通信が可能な無線通信ユニットによって変速機Ｅおよび他のコンポーネントと通信接続される。操作部Ｄ１が操作された場合、第１例では変速機Ｅの変速段を変更するための制御信号が変速機Ｅに送信され、その信号に応じて変速機Ｅが動作することによって変速段数が変更される。制御信号は例えば、内側のスプロケットＢ３１への変更を指示するＩＮＷＡＲＤ信号と、外側へのスプロケットＢ３１への変更を指示するＯＵＴＷＡＲＤ信号である。信号は、変更するスプロケットＢ３１の段数を含んでもよい。一度に２段以上変更することも可能である。

変速機Ｅは種々の形態を取り得る。第１例では、変速機Ｅは、第２スプロケット組立体Ｂ３とチェーンＢ４との連結の状態を変速する外装変速機である。具体的には、変速機Ｅは、チェーンＢ４と連結するスプロケットＢ３１を変更することで、クランクＢ１の回転数に対する後輪Ａ４の回転数の比率、すなわち、人力駆動車Ａの変速比を変更する。変速機Ｅは、選択された変速段に応じてチェーンＢ４を移動させる電動アクチュエータＥ１を動作させることによって変速比を変更する。具体的に変速機Ｅは、第１例の変速機Ｅは、人力駆動車ＡのディレーラハンガーＡ７に取り付けられる。第２例では、変速機Ｅは、第１スプロケット組立体Ｂ２とチェーンＢ４との連結の状態を変速する外装変速機である。具体的には、変速機Ｅは、チェーンＢ４と連結するスプロケットＢ２２を変更することで、クランクＢ１の回転数に対する後輪Ａ４の回転数の比率、すなわち、人力駆動車Ａの変速比を変更する。第３例では、変速機Ｅは、内装変速機である。第３例では、変速機Ｅの可動部は、内装変速機のスリーブおよび爪の少なくとも一方を含む。第４例では、変速機Ｅは、無断変速機である。第４例では、変速機Ｅの可動部は、無段変速機のボールプラネタリー（遊星転動体）を含む。変速機Ｅは、変速段数を変更するための信号制御によって制御可能なコンポーネントの一部である。

電動シートポストＦは、フレームＡ１２に取り付けられる。電動シートポストＦは、電動アクチュエータＦ１を含む。電動アクチュエータＦ１は、サドルＡ６をフレームＡ１２に対して上昇および下降させる。電動アクチュエータＦ１は、例えば、電動モータである。電動シートポストＦは、動作パラメータとして、フレームＡ１２に対するサドルＡ６の支持位置を設定することで制御することが可能なコンポーネントの一部である。サドルＡ６の支持位置は、１または複数である。

電動サスペンションＧは種々の形態を取り得る。本実施形態１では、電動サスペンションＧは、フロントフォークＡ５に設けられ、前輪Ａ３に加えられた衝撃を減衰するフロントサスペンションである。電動サスペンションＧは、電動アクチュエータＧ１を含む。電動アクチュエータＧ１は例えば電動モータである。電動サスペンションＧは、動作パラメータとして、減衰率、ストローク量、およびロックアウト状態を設定することで制御することが可能なコンポーネントの一部である。電動サスペンションＧは、電動アクチュエータＧ１を駆動させることで、動作パラメータを変更することができる。電動サスペンションＧは、後輪Ａ４に加えられた衝撃を減衰するリアサスペンションであってもよい。

バッテリユニットＨは、バッテリＨ１およびバッテリホルダＨ２を含む。バッテリＨ１は、１または複数のバッテリセルを含む蓄電池である。バッテリホルダＨ２は、人力駆動車ＡのフレームＡ１２に固定される。バッテリＨ１は、バッテリホルダＨ２に着脱可能である。バッテリＨ１は、バッテリホルダＨ２に取り付けられた場合に少なくとも変速機Ｅの電動アクチュエータＥ１、アシスト機構Ｃの電動アクチュエータＣ１、および制御ユニット１００に電気的に接続される。バッテリＨ１は、電動シートポストＦの電動アクチュエータＦ１、電動サスペンションＧの電動アクチュエータＧ１それぞれにも電気的に接続されてもよい。

速度センサＳ１は、フレームＡ１２に固定される。速度センサＳ１は、人力駆動車Ａの走行、速度を示す信号を出力するセンサである。速度センサＳ１は例えば、マグネットが前輪Ａ３に設けられたマグネットと、フロントフォークＡ５に設けられてマグネットを検知する本体とを含み、回転速度を計測する。

ケイデンスセンサＳ２は、右クランクＢ１２および左クランクＢ１３のいずれかのケイデンスを測定するように設けられる。ケイデンスセンサＳ２は、測定したケイデンスを示す信号を出力する。トルクセンサＳ３は、右クランクＢ１２および左クランクＢ１３に掛かるトルクをそれぞれ測定するように設けられる。トルクセンサＳ３は、右クランクＢ１２および左クランクＢ１３の少なくとも一方において測定されたトルクを示す信号を出力する。

ジャイロセンサＳ４はフレームＡ１２に固定される。ジャイロセンサＳ４は、人力駆動車Ａのヨー、ロール、およびピッチを示す信号をそれぞれ出力するセンサである。ジャイロセンサＳ４は、三軸全てではなく少なくともいずれか１つを出力するものであってもよい。

画像センサＳ５は、フレームＡ１２に前方を向けて設けられる。第１例では、フロントフォークＡ５にライトと共に前方に向けて設けられる。第２例では、ハンドルバーＡ２に設けられる。画像センサＳ５は、カメラモジュールを用いてユーザの視界に対応する映像を出力する。画像センサＳ５は、進行方向に存在する物を撮影した映像信号を出力する。画像センサＳ５は、映像から道路、建物、他の走行車両を区別して認識処理する画像認識部と一体化され、認識結果を出力するモジュールであってもよい。

姿勢センサＳ６１，Ｓ６２，Ｓ６３は例えば圧電センサである。姿勢センサＳ６１，Ｓ６２，Ｓ６３は、人力駆動車Ａの内、ユーザの体重が掛かる部分に設けられる。例えば姿勢センサＳ６１は、両ハンドルにそれぞれ設けられる。姿勢センサＳ６２は、サドルＡ６の表面に沿って１または複数の箇所に設けられる。姿勢センサＳ６３は、クランクＢ１の一対のペダルＢ５のそれぞれに設けられる。姿勢センサＳ６１，Ｓ６２，Ｓ６３は、掛けられる重量に応じた信号を出力する。姿勢センサＳ６１，Ｓ６２，Ｓ６３に代替して、または加えてユーザの姿勢を検知するために、ヘルメットにジャイロセンサを設けてもよい。

図２は、制御ユニット１００の内部構成を示すブロック図である。制御ユニット１００は、制御部１０、記憶部１２、入出力部１４を含む。制御ユニット１００は、フレームＡ１２のいずれかの箇所に設置されている。第１例では図１に示したように、第１スプロケット組立体Ｂ２とフレームＡ１２との間に設けられる。第２例では、バッテリホルダＨ２に設けられる。

制御部１０は、ＣＰＵ（Central Processing Unit ）またはＧＰＵ（Graphics Processing Unit）を用いたプロセッサであり、内蔵するＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）等のメモリを用い、後述する学習アルゴリズムおよび人力駆動車Ａに設けられるコンポーネントを制御して処理を実行する。制御部１０は、内蔵クロックを用いて任意のタイミングで時間情報を取得する。

記憶部１２は、例えばフラッシュメモリ等の不揮発性メモリを用いる。記憶部１２は、学習プログラム１Ｐおよび制御プログラム２Ｐを記憶する。学習プログラム１Ｐは制御プログラム２Ｐに含まれてもよい。学習プログラム１Ｐは、記録媒体１８に記憶された学習プログラム８Ｐを読み出して記憶部１２に複製されたものであってもよい。制御プログラム２Ｐは、記憶媒体１９に記憶された制御プログラム９Ｐを読み出して記憶部１２に複製されたものであってもよい。

記憶部１２は、制御部１０の処理によって作成される複数の異なる学習モデル１Ｍａ，１Ｍｂ，…を記憶する。記憶部１２は、異なる学習モデル１Ｍａ，１Ｍｂ，…と、後述する異なるモードとの対応関係を記憶する。記憶部１２は、異なる学習モデル１Ｍａ，１Ｍｂ，…毎に、またはモード毎に、人力駆動車Ａに設けられたセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３の内のいずれの入力情報を組み合わせて入力情報とするか、いずれの情報に重みをもたせるか等の設定を含む設定情報を記憶する。設定情報に含まれる設定は、異なる学習モデル１Ｍａ，１Ｍｂ，…、または異なるモードで同一でもよいし、相違してもよい。制御部１０は、設定情報における異なる組み合わせの入力情報の設定を、異なる学習モデル１Ｍａ，１Ｍｂ，…毎に受け付け、受け付けられた設定に基づいて設定情報を記憶する。制御部１０は同様に、設定情報における入力情報に含まれる複数のデータへの重みの設定を、異なる学習モデル１Ｍａ，１Ｍｂ，…毎に受け付け、受け付けられた設定に基づいて設定情報を記憶する。設定は予め受け付けられてもよく、または、任意のタイミングで受け付けられてもよい。

入出力部１４は、人力駆動車Ａに設けられたセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３、操作装置Ｄ、制御対象の電動アクチュエータＥ１に少なくとも接続される。入出力部１４は、制御対象の電動アクチュエータＦ１，Ｇ１にも接続される。制御部１０は入出力部１４によって、速度センサＳ１またはケイデンスセンサＳ２のいずれか一方から、速度を示す信号またはケイデンスを示す信号を入力する。制御部１０は、ジャイロセンサＳ４から、人力駆動車Ａの姿勢、具体的にはヨー、ロール、またはピッチを示す信号を入力する。制御部１０は、姿勢センサＳ６１，Ｓ６２，Ｓ６３からユーザの姿勢を示す信号、具体的には体重分布を示す信号を入力する。制御部１０は、これらのセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３から得られる情報を入力情報として処理する。制御部１０は入出力部１４によって、操作装置Ｄからの信号を入力する。図２のブロック図では、入出力部１４は、電動アクチュエータＦ１、および電動アクチュエータＧ１に接続されるが、制御対象としない場合は接続しなくてよい。

制御ユニット１００は、学習モードと自動制御モードとで動作する。制御ユニット１００は学習モード、自動制御モードそれぞれにおいて、更に異なるモードで動作する。異なるモードは第１例では、「レースモード」「シティモード」「マウンテンモード」である。異なるモードは第２例では、「パワーモード」「ノーマルモード」「エコモード」である。異なるモードは第３例では、それぞれに目的はなく単に「第１モード」および「第２モード」に分別される。操作装置Ｄは、人力駆動車Ａの車種毎に、モードの選択を受け付けるモード選択ボタンＤ２を備える。操作装置Ｄは、モード選択ボタンＤ２によっていずれのモードが選択されたかを示す情報を内蔵するメモリに記憶する。制御部１０は操作装置Ｄから選択されたモード選択ボタンＤ２を示す情報をメモリから参照することができる。モード選択ボタンＤ２が「作成装置」の「選択部」、または「コンポーネント制御装置」の「モデル選択部」に相当する。

制御部１０は、学習モードで動作する場合、学習プログラム１Ｐに基づき深層学習の学習アルゴリズムによって、異なるモードに対応する異なる学習モデル１Ｍａ，１Ｍｂ，…をそれぞれ作成する。学習モードにおいて制御ユニット１００は「作成装置」に相当する。制御部１０は、自動制御モードで動作する場合、制御プログラム２Ｐに基づき、異なるモードの内のいずれかの選択によって異なる学習モデル１Ｍａ，１Ｍｂ，…の内のいずれか一つの選択を受け付けるモデル選択部として機能する。制御部１０は、入出力部１４によって取得した入力情報を選択された学習モデル１Ｍａ，１Ｍｂ，…に入力することにより出力される出力情報に基づき変速機Ｅを含むコンポーネントを制御する制御部として機能する。自動制御モードにおいて制御ユニット１００は、「コンポーネント制御装置」に相当する。

第１に、制御ユニット１００の学習モードでの動作について説明する。図３は、制御部１０の学習モードでの処理手順の一例を示すフローチャートである。本実施形態において学習アルゴリズムは、ニューラルネットワーク（以下ＮＮ：Neural Network）を用いた教師ありの深層学習である。学習アルゴリズムは教師なしの学習アルゴリズムでもよいし、リカレントニューラルネットワーク（Recurrent Neural Network）でもよい。学習アルゴリズムは強化学習でもよい。制御部１０は、図３のフローチャートに示す処理手順を学習モードの間、所定のサンプリング周期（例えば３０ミリ秒）で繰り返し、制御対象のコンポーネント毎に実行する。

制御部１０は、異なるモードの内、操作装置Ｄにて選択されているモードを決定する（ステップＳ１０１）。ステップＳ１０１において制御部１０は、上述したように操作装置Ｄからいずれのモードが選択されているかを決定できる。制御部１０は、異なる学習モデル１Ｍａ，１Ｍｂ，…の内、決定したモードに対応する対象の学習モデル１Ｍａ，１Ｍｂ，…を選択する（ステップＳ１０２）。

制御部１０は、入出力部１４によって人力駆動車Ａの走行に関する入力情報を取得する（ステップＳ１０３）。ステップＳ１０３にて制御部１０は「取得部」である。ステップＳ１０３において制御部１０は具体的には、入出力部１４にて入力するセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３からの信号レベルをセンサに応じたサンプリング周期毎に参照し、制御部１０の内部メモリまたは入出力部１４が内蔵するメモリに一時記憶する。センサに応じたサンプリング周期は所定のサンプリング周期と同じでもよく、異なっていてもよい。

ステップＳ１０１において制御部１０は後述するように、入出力部１４によって取得できる情報全てを入力する必要はない。制御部１０は、走行速度およびケイデンスのみを取得してもよい。制御部１０は取得できる入力情報に対して判別、抽出、および演算等の前処理を行なってもよい。

制御部１０は、ステップＳ１０３にて取得した入力情報に対応する制御対象における実際の制御データを参照する（ステップＳ１０５）。制御データは、操作部Ｄ１にて受け付ける操作内容である。制御部１０はステップＳ１０５において例えば、変速機Ｅにおける変速段数または変速比を参照する。この場合制御部１０は、操作装置Ｄからの信号に基づいて変速段数を認識してもよいし、変速機Ｅからのフィードバックされる情報を参照して現状の変速段数を認識できるようにしてもよい。ステップＳ１０５における入力情報に対応する制御データは、入力情報を入力してから所定時間後（例えば１０ミリ秒後、５０ミリ秒後、１００ミリ秒後、１秒後等）の状態であってもよい。

制御部１０は、記憶部１２に記憶される設定情報から、ステップＳ１０１で決定したモードに対応する設定を読み出し（ステップＳ１０７）、設定に基づいて取得した入力情報から入力する入力情報を選択する（ステップＳ１０９）。ステップＳ１０９の処理により、決定されたモードに対応する学習モデル１Ｍａ，１Ｍｂ，…について、ステップＳ１０１で取得した入力情報に含まれる入力情報の内、他のモードに対応する他の学習モデル１Ｍａ，１Ｍｂ，…と異なる組み合わせの入力情報が選択され、入力される。

制御部１０は、選択した入力情報に、設定に含まれる重みを付与する（ステップＳ１１１）。ステップＳ１１１の処理により、決定されたモードに対応する学習モデル１Ｍａ，１Ｍｂ，…について、ステップＳ１０１で取得した入力情報に含まれる複数のデータに、他のモードに対応する他の学習モデル１Ｍａ，１Ｍｂ，…と異なる重みが付与される。

制御部１０は、ステップＳ１０５で参照した制御データを、ステップＳ１０９、およびステップＳ１１１で、抽出および重みを付与した後の入力情報にラベル付けすることによって教師データを作成する（ステップＳ１１３）。制御部１０は、ラベル付きの入力情報を、決定したモードに対応するＮＮ１３へ入力する（ステップＳ１１５）。制御部１０は、ＮＮ１３の中間層におけるパラメータを学習させる学習処理を実行する（ステップＳ１１７）。制御部１０は、学習処理の実行後、１回のサンプリングタイミングにおける入力情報に基づく学習を終了する。

異なる学習モデル１Ｍａ，１Ｍｂ，…の作成は、上述のように実際の制御に関する制御データによってラベル付けした教師あり学習方法に限られない。学習モデル１Ｍａ，１Ｍｂ，…は、制御に関する出力情報を数値として出力するＮＮ１３に基づき作成されてもよく、制御部１０は、実際の制御データとの誤差を算出し、誤差伝播法を用いて中間層１３３におけるパラメータを学習させてもよい。例えば変速機Ｅにおける変速段数を数値で出力するＮＮ１３を用い、出力された変速段数と、実際の変速段数との誤差を算出し、算出された誤差を伝播させるようにして中間層１３３の重みおよびバイアスの少なくとも一方を学習させるようにしてもよい。また、制御部１０は、初期状態として、変速段数または変速比をラベル付けした入力情報を蓄積して与えて予め作成してあるＮＮ１３を用い、その後、誤差伝播法によってこのＮＮ１３が出力した変速段数または変速比と実際の変速段数または変速比との誤差を最小化するように学習させてもよい。更に後述するように、制御部１０は、出力した制御に関する出力情報と実際の制御データとの比較に基づき評価を与えて学習を進めさせる強化学習により学習させてもよい。異なる学習モデル１Ｍａ，１Ｍｂ，…毎に学習アルゴリズムが異なっていてもよい。

図３のフローチャートに示した学習処理が選択されたモード毎に繰り返し実行されることによってＮＮ１３が、人力駆動車Ａの走行に関する入力情報に基づいて人力駆動車Ａのコンポーネントの制御に関する出力情報を出力する異なる学習モデル１Ｍａ，１Ｍｂ，…となる。ＮＮ１３は、選択されたモードに対応する学習モデル１Ｍａ，１Ｍｂ，…として作成される。図４及び図５は、作成される学習モデル１Ｍａ，１Ｍｂ，…の一例を示す図である。図４及び図５に示すように、学習モデル１Ｍａ，１Ｍｂ，…はそれぞれ、センサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３で得られる複数の入力情報を入力する入力層１３１と、制御データを出力する出力層１３２とを含む。学習モデル１Ｍは、入力層１３１および出力層１３２の中間に位置する１または複数の層からなるノード群を含む中間層１３３を含む。出力層１３２とつながる中間層１３３は、多数のノードを出力層１３２のノード数に集約させる結合層である。出力層１３２のノード数は、図４及び図５の例では３つであるが、３つに限らない。中間層１３３のノードはそれぞれ、前段の層のノードとの関係において重みおよびバイアスの少なくとも一方を含むパラメータを持つ。制御部１０は、学習プログラム１Ｐに基づき、入力情報に対応する実際の制御データを、その入力情報にラベル付けすることにより教師データを作成する。制御部１０が作成された教師データを、選択されたモード毎に入力層１３１に入力することによって、中間層１３３における各パラメータが学習される。

図４及び図５を参照して学習モデル１Ｍａ，１Ｍｂ，…を具体的に説明する。具体例では、変速機Ｅにおける変速段数または変速比の制御に関する出力情報を出力する学習モデル１Ｍａ，１Ｍｂ，…が説明される。入力層１３１には、図４及び図５に示すように速度センサＳ１から得られる走行速度が入力される。走行速度は例えば時速である。走行速度は、前輪Ａ３または後輪Ａ４の単位時間当たりの回転数でもよい。入力層１３１には、ケイデンスセンサＳ２から得られるケイデンスが入力される。入力層１３１には少なくとも、人力駆動車Ａの走行速度および駆動機構ＢのクランクＢ１のケイデンスの少なくともいずれか一方が入力される。図５の学習モデル１Ｍｂに示すように、入力層１３１には、トルクおよびケイデンスを用いた演算により得られるパワーが入力されてもよい。入力層１３１には、トルクセンサＳ３から得られるトルクが入力されてもよい。図４に示す学習モデル１Ｍａでは、対応するモードの設定に基づき、ケイデンスおよびトルクは、他の入力情報よりも特に大きな重みを付与されて入力される。図５に示す学習モデル１Ｍｂでは、対応するモードの設定に基づき走行速度は、他の入力情報よりも特に大きな重みを付与されて入力される。

入力層１３１には、ジャイロセンサＳ４から得られる人力駆動車Ａの姿勢の検知データが入力される。検知データは、人力駆動車Ａの傾きを示す情報である。傾きは、鉛直方向を軸とするヨー成分、人力駆動車Ａの前後方向を軸とするロール成分、および左右方向を軸とするピッチ成分それぞれで表される。図５に示す学習モデル１Ｍｂでは、対応するモードの設定に基づきロールおよびピッチの傾きが他の入力情報よりも特に大きな重みを付与されて入力される。

入力層１３１には、画像センサＳ５から得られる映像信号が入力される。画像センサＳ５から得られる映像信号は、ユーザの視界に対応する映像信号であり、すなわち走行環境を検知したデータである。入力される映像信号は、第１例では、連続する複数のフレーム画像１つずつである。入力される映像信号は、第２例では、フレーム画像を各種フィルタ処理して得られた複数のデータである。入力される映像信号は、第３例では、画像センサＳ５からの映像に基づいて画像認識部によって認識された進行方向に存在する物の種別を示す情報である。進行方向に存在する物との間の距離を含んでもよい。この距離は、画像認識部にて画像処理によって求められた距離でもよく、人力駆動車Ａにレーダを設けてレーダから得られるデータでもよい。図４に示す学習モデル１Ｍａおよび図５に示す学習モデル１Ｍｂでは、映像信号は入力情報として選択されないか、または他の情報よりも特に小さな重みを付与されて入力される。

走行環境の検知データの他の例は、時刻データ、気象データ、照度データ、または湿度データである。時刻データは例えば、制御部１０の内蔵タイマによる時刻である。気象データは例えば、外部の気象データを扱うサーバから取得できる走行中の場所における局所的雨量、湿度、風速、および風向のうち少なくとも１つである。湿度データは、人力駆動車Ａの本体Ａ１に設けられた湿度センサから得てもよい。照度データは、人力駆動車Ａの本体Ａ１のいずれかの箇所、たとえばハンドルバーＡ２に照度センサを設けることで得られる。

入力層１３１には、姿勢センサＳ６１，Ｓ６２，Ｓ６３から得られるユーザの姿勢の検知データが入力される。検知データは例えば体重分布データである。本実施形態の姿勢センサＳ６１，Ｓ６２，Ｓ６３は圧電センサである。入力層１３１には第１例では、姿勢センサＳ６１，Ｓ６２，Ｓ６３から出力される信号をそのまま入力する。第２例では、制御部１０は所定の演算によって基本姿勢、前傾姿勢、またはダンシングのいずれかを判別し、入力層１３１には判別結果が入力される。図４に示す学習モデル１Ｍａでは、ユーザの姿勢を表す体重分布は入力情報として選択されないか、または他の情報よりも特に小さな重みを付与されて入力される。

入力層１３１には上述したように、異なる学習モデル１Ｍａ，１Ｍｂ，…毎に、入力される情報が異なってもよい。入力層１３１には、選択される入力情報全てが入力されなくてもよい。この場合、図４中の破線で示すように選択される入力情報がグループに分けられ、それぞれのグループ毎に異なるＮＮ１３に入力されてもよい。この場合、出力層１３２はグループ毎に制御に関する出力情報を出力してもよい。

出力層１３２は、変速機Ｅの段数および変速比の少なくともいずれか一方である出力情報を出力する。具体的には、出力層１３２は変速段数または変速比のノードそれぞれに対応する比率を出力する。それにより制御部１０は、最も確率が高い変速段数を選択することができる。

図４及び図５に示したように、異なる学習モデル１Ｍａ，１Ｍｂ，…は、入力情報の内容が相違するか、または、入力情報の重み分布が相違する。学習モデル１Ｍａ，１Ｍｂ，…は、入力情報および重み分布が同一であっても、出力情報が相違する場合がある。このように学習処理によって、入力される多様な入力情報に応じてユーザの運転の仕方に見合った出力情報を出力するモード毎に異なる学習モデル１Ｍａ，１Ｍｂ，…が作成される。

第２に、制御ユニット１００の自動制御モードでの動作について説明する。図６は、制御部１０の自動制御モードでの処理手順の一例を示すフローチャートである。制御部１０は、図６のフローチャートに示す処理手順を自動制御モードの間、繰り返し実行する。所定のコントロール周期（例えば３０ミリ秒）で実行してもよい。

制御部１０は、異なるモードの内、操作装置Ｄにて選択されているモードを決定する（ステップＳ２０１）。制御部１０は、ステップＳ２０１にて操作装置Ｄの操作部Ｄ１により、異なる学習モデル１Ｍａ，１Ｍｂ，…の内のいずれか一つの選択を、モードの選択によって受け付ける。制御部１０は、決定したモードに対応する作成済みの学習モデル１Ｍａ，１Ｍｂ，…を選択し、記憶部１２から読み出す（ステップＳ２０３）。

制御部１０は、入出力部１４によって人力駆動車Ａの走行に関する入力情報を取得する（ステップＳ２０５）。ステップＳ２０５にて制御部１０は「コンポーネント制御装置」の「取得部」である。ステップＳ２０５において制御部１０は、入出力部１４にて入力するセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３からの信号レベルをコントロール周期毎に参照し、制御部１０の内部メモリまたは入出力部１４が内蔵するメモリに一時記憶する。

制御部１０は、記憶部１２に記憶される設定情報から、ステップＳ２０１で決定したモードまたはステップＳ２０３で選択された学習モデル１Ｍａ，１Ｍｂ，…に対応する設定を読み出す（ステップＳ２０７）。制御部１０は、ステップＳ２０５で取得した入力情報から、設定に基づいて、選択された学習モデル１Ｍａ，１Ｍｂ，…に対応付けられている入力情報を取得する（ステップＳ２０９）。制御部１０は、取得した入力情報に、設定に含まれる重みを付与する（ステップＳ２１１）。

制御部１０は、ステップＳ２０９で選択し、ステップＳ２１１で重みを付与した後の入力情報を、ステップＳ２０３で読み出した学習モデル１Ｍａ，１Ｍｂ，…に入力する（ステップＳ２１３）。

制御部１０は、選択された学習モデル１Ｍａ，１Ｍｂ，…に取得された入力情報を入力することにより出力される制御対象のコンポーネントの制御に関する出力情報を特定する（ステップＳ２１５）。制御部１０はステップＳ２１５において例えば、変速機Ｅの変速段数または変速比の少なくともいずれか一方についての判別結果を出力情報として特定する。

制御部１０は、特定された出力情報に基づく制御対象の状態を参照する（ステップＳ２１７）。制御部１０は、特定された出力情報が示す制御内容と、参照した状態との間の関係に基づき、制御信号の出力が必要であるか否かを判断する（ステップＳ２１９）。

ステップＳ２１９で必要であると判断された場合（Ｓ２１９：ＹＥＳ）、制御部１０は特定した出力情報に基づきコンポーネントを制御する制御信号を制御対象のコンポーネントへ出力し（ステップＳ２２１）、１回のコントロール周期における制御処理を終了する。ステップＳ２１９で不要と判断された場合（Ｓ２１９：ＮＯ）、制御部１０は特定された制御に関する出力情報に基づく制御信号を制御対象へ出力することなく、処理を終了する。ステップＳ２１７の参照およびステップＳ２１９の判断処理は必須ではない。この場合、制御部１０はステップＳ２１５において例えば、変速機Ｅの変速段数または変速比の判別結果を出力情報として特定し、制御部１０は特定された出力情報に基づく制御対象の状態を参照することなく、制御部１０は特定された制御に関する出力情報に基づく制御信号を制御対象へ出力してもよい（Ｓ２２１）。

制御部１０はステップＳ２１７において例えば、変速機Ｅにおける変速段数または変速比を参照する。この場合、制御部１０はステップＳ２１９において制御部ステップＳ２１５で特定した変速段数または変速比と、ステップＳ２１７で参照した変速段数または変速比とを比較して差があるか否かを判断する。制御部１０はステップＳ２１９で、差があると判断した場合に制御信号の出力が必要であると判断する。

第１実施形態における学習モードは、制御ユニット１００が初期状態で人力駆動車Ａに設けられてから、学習モデル１Ｍａ，１Ｍｂ，…から出力される出力情報と実際の操作に基づく制御に関する制御データとの誤差が所定の誤差以下に収束するまでの期間実施されてよい。収束後、制御ユニット１００の制御部１０は、自動制御モードで動作してよい。学習モードは、任意のリセット操作がされた後、同様に誤差が収束するまでであってもよい。

第１実施形態では、制御ユニット１００は操作装置Ｄのモード選択ボタンＤ２でモードの選択を受け付け、これにより異なる学習モデル１Ｍａ，１Ｍｂ，…のいずれかの選択を受け付けた。制御ユニット１００は、操作によって選択を受け付けるのではなく、走行環境から自律的にモードを選択してもよい。制御ユニット１００は、予め設定されているスケジュールに基づき異なるモードを選択してもよい。

（第２実施形態）
図７は、第２実施形態における制御ユニット１００の内部構成を示すブロック図である。第２実施形態における人力駆動車Ａおよび制御ユニット１００の構成は、以下に説明する記憶部および処理の詳細以外は第１実施形態と同様であるから、共通する構成に同一の符号を付して詳細な説明を省略する。第２実施形態において制御ユニット１００の記憶部１２は、人力駆動車Ａに設けられたセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３から入出力部１４によって入力した入力情報を時間情報と共に複数サンプリング周期分記憶する。記憶部１２は、複数サンプリング周期分の記憶領域を用いて巡回的に入力情報を記憶し、古い入力情報に自動的に上書きして記憶する。

図８は、第２実施形態における制御部１０の学習モードでの処理手順の一例を示すフローチャートである。制御部１０は、図８のフローチャートに示す処理手順を学習モードの間、所定のサンプリング周期（例えば３０ミリ秒）で繰り返し、制御対象のコンポーネント毎に実行する。

制御部１０は、異なるモードの内、操作装置Ｄにて選択されているモードを決定する（ステップＳ１２１）。ステップＳ１２１が「選択部」に相当する。ステップＳ１２１において制御部１０は、上述したように操作装置Ｄからいずれのモードが選択されているかを決定できる。制御部１０は、異なる学習モデル１Ｍａ，１Ｍｂ，…の内、決定したモードに対応する対象の学習モデル１Ｍａ，１Ｍｂ，…を選択する（ステップＳ１２２）。

制御部１０は、入出力部１４によって人力駆動車Ａの走行に関する入力情報を取得し（ステップＳ１２３）、略同じタイミングで制御対象における実際の制御データを参照する（ステップＳ１２５）。ステップＳ１２５において制御部１０は例えば、変速機Ｅの変速段数または変速比を参照する。制御部１０は、ステップＳ１２３の入力情報の取得時点を特定する（ステップＳ１２７）。制御部１０は、内蔵タイマから得られるタイミング情報を取得時点として使用してもよいし、タイミング情報から時刻情報に変換して使用してもよい。

制御部１０は、記憶部１２に記憶される設定情報から、ステップＳ１２１で決定したモードに対応する設定を読み出し（ステップＳ１２９）、設定に基づいて取得した入力情報から入力する入力情報を選択する（ステップＳ１３１）。制御部１０は、選択した入力情報に、設定に含まれる重みを付与する（ステップＳ１３３）。

制御部１０は、ステップＳ１２７で特定した取得時点を示す時間情報、ステップＳ１３１、およびステップＳ１３３で、抽出および重みを付与した後の入力情報、およびステップＳ１２５で参照した実際の制御データを対応付けて記憶部１２に記憶する（ステップＳ１３５）。

制御部１０は、記憶部１２に記憶してある異なる時点の入力情報群を取得する（ステップＳ１３６）。制御部１０は、ステップＳ１２５で参照した制御データを、取得した複数の入力情報群にラベル付けすることによって教師データを作成する（ステップＳ１３７）。制御部１０は、ラベル付きの異なる時点の入力情報群を、選択された学習モデル１Ｍａ，１Ｍｂ，…に対応するＮＮ１３へ入力する（ステップＳ１３９）。制御部１０は、ＮＮ１３の中間層におけるパラメータを学習させる学習処理を実行し（ステップＳ１４１）、１回のサンプリングタイミングにおける学習処理を終了する。

図９は、記憶部１２に記憶される入力情報の内容例と、学習の概要を示す図である。図９に示すように第２実施形態では、記憶部１２には異なる時点の入力情報と、その入力情報の変化の結果である制御データとを教師データとして、学習モデル１Ｍａ，１Ｍｂ，…毎に学習処理を実行する。実際のコンポーネント制御は、サンプリング周期１回毎に独立して行なわれるのではなく、走行中の人力駆動車Ａの状態変化に基づいて前後関係を有して行なわれる。複数時点の入力情報を基に制御データを出力する学習モデル１Ｍａ，１Ｍｂ，…が、モード毎に作成され、シチュエーションに応じた実際のコンポーネント制御が再現されることが推測される。

第２実施形態において制御部１０は、自動制御モードでも複数の入力情報を選択されたモードに対応する学習モデル１Ｍａ，１Ｍｂ，…へ与え、学習モデル１Ｍａ，１Ｍｂ，…から出力される制御データに基づいてコンポーネントを制御する。入力情報のサンプリング周期、すなわち入力情報が取得される時間の間隔は異なる学習モデル１Ｍａ，１Ｍｂ，…に応じて異なるように設定されてよい。学習モデル１Ｍａ，１Ｍｂ，…毎に異なるサンプリング周期とすることができる。学習モデル１Ｍａ，１Ｍｂ，…毎の適切なサンプリング周期が、学習アルゴリズムによって求められもよい。

第２実施形態において、ステップＳ１３９で複数の入力情報が入力されることに代替し、複数の入力情報の変動が入力されてもよい。制御部１０は、１サンプリング周期毎に前後の異なる時点の入力情報を取得し、入力情報の変動を算出し、算出した入力情報の変動を、選択された学習モデル１Ｍａ，１Ｍｂ，…に入力させてもよい。制御部１０は、変動の傾向（増加、減少、維持）を学習モデル１Ｍａ，１Ｍｂ，…に入力させてもよいし、時系列分布に相当する波形を変動として算出してから選択された学習モデル１Ｍａ，１Ｍｂ，…に算出結果を入力させてもよい。変動値は１回または複数回の時間微分値を含んでいてもよい。図１０及び図１１は、第２実施形態で作成される学習モデル１Ｍａおよび学習モデル１Ｍｂの一例を示す図である。第１実施形態にて示した図４および図５の例と比較して、入力情報がその変動を表す波形であることが異なる。図１０の学習モデル１Ｍａと、図１１の学習モデル１Ｍｂとでは、入力情報の選択内容、重みが異なる上に、変動幅が異なる。このように、入力情報の変動に対応する時間幅は、異なる学習モデル１Ｍａ，１Ｍｂ，…に応じて異なってもよい。

（第３実施形態）
第３実施形態では制御ユニット１００は、操作装置Ｄの操作部Ｄ１における操作に基づき、学習モードと自動制御モードとを切り替える。制御部１０は、学習モードでは学習済みの学習モデル１Ｍを、操作部Ｄ１における操作に基づいて更新する。図１２および図１３は、第３実施形態における制御部１０の処理手順の一例を示すフローチャートである。制御部１０は自動制御モードで動作中に、以下の処理手順を繰り返し実行する。図１２および図１３のフローチャートに示す処理手順の内、第１実施形態の図６のフローチャートに示す処理手順と共通する手順については同一のステップ番号を付して詳細な説明を省略する。

制御部１０は、選択されたモードに対応する学習モデル１Ｍａ，１Ｍｂ，…に、対応する入力情報を選択して重みを付与して入力し（Ｓ２１３）、学習モデル１Ｍａ，１Ｍｂ，…から出力される制御に関する出力情報を特定する（Ｓ２１５）。続いて制御部１０は、操作部Ｄ１で操作を受け付けたか否かを判断する（ステップＳ２３１）。制御部１０は、操作部Ｄ１において第３実施形態では変速段数または変速比の切り替え操作がされたか否かを判断する。変速機Ｅ以外のコンポーネント制御に関する場合、操作部Ｄ１にて各コンポーネント制御に関する操作を受け付けるようにしてもよい。ステップＳ２３１で操作を受け付けていないと判断された場合（Ｓ２３１：ＮＯ）、制御部１０は、そのまま自動制御モードでの動作を続行する（Ｓ２１７−Ｓ２２１）。

制御部１０はステップＳ２３１において、変速段数の切り替え操作が、ステップＳ２１５にて出力された出力情報と逆方向への変速である場合に、学習が必要であるから操作がされたと判断し、同方向である場合には操作がされたと判断しないように設定されてもよい。

ステップＳ２３１にて操作部Ｄ１で操作を受け付けたと判断された場合（Ｓ２３１：ＹＥＳ）、制御部１０は、学習モードでの学習モデル１Ｍの更新を開始する（ステップＳ２３３）。

制御部１０は、操作部Ｄ１での操作をトリガとして学習モードでの動作を開始すると、経過時間の測定を開始する（ステップＳ１５１）。

制御部１０は学習モードにおいて、操作部Ｄ１における操作で指定された制御データ、第３実施形態では変速段数または変速比を参照する（ステップＳ１５３）。制御部１０は、選択された対象の学習モデル１Ｍａ，１Ｍｂ，…から出力された出力情報を、ステップＳ１５３で参照した制御データに基づいて評価する（ステップＳ１５５）。ステップＳ１５５にて制御部１０は「評価部」である。

ステップＳ１５５において制御部１０は、ステップＳ２１５で特定した選択中のモードに対応する学習モデル１Ｍａ，１Ｍｂ，…からの出力情報と、ステップＳ１５３で参照した指定操作に基づく制御データとの照合により評価する。例えば制御部１０は、学習モデル１Ｍａ，１Ｍｂ，…から出力された出力情報と前記指定操作の内容とが、所定の誤差範囲内で合致しているか否かを判断する。制御部１０は、合致していると判断した場合、高評価を与える。制御部１０は、対象の学習モデル１Ｍａ，１Ｍｂ，…から出力された出力情報と前記指定操作の内容とが合致しない場合、前記対象の学習モデル１Ｍａ，１Ｍｂ，…について前記出力情報を低評価とする。合致していないと判断された場合制御部１０は、ステップＳ２１５で特定した出力情報と、ステップＳ１５３で参照した制御データとの合致度合いに応じて評価を与える。ステップＳ２１５で特定した出力情報と、ステップＳ１５３で参照した制御データとの差分が大きい程、制御部１０は、低評価を与える。制御部１０は、操作部Ｄ１による変速段数の切り替え操作が、ステップＳ２１５にて出力された制御データと逆方向への変速である場合に、より低評価を与える。例えば評価は数値であって高評価は正の値、低評価は負の値、絶対値が大きい程、評価の度合いが大きいとする。

制御部１０は、選択された対象の学習モデル１Ｍａ，１Ｍｂから出力された出力情報を、ステップＳ２１１で取得した入力情報に対しラベル付けすることによって作成される教師データに、ステップＳ１５５の評価に基づく重みを付与する（ステップＳ１５７）。制御部１０は、評価に基づき重みが付与された教師データに基づいて、選択された対象の学習モデル１Ｍａ，１Ｍｂ，…を更新する（ステップＳ１５９）。ステップＳ１５７において制御部１０は、評価が低評価であるほどに教師データに重要度を示す重みを付与する。ステップＳ１５７およびステップＳ１５９の処理は、ステップＳ１５５における評価で、選択された対象の学習モデルから出力された出力情報と前記指定操作の内容とが合致しない場合に実行されてもよい。

制御部１０は、ステップＳ１５１で測定を開始した経過時間が所定時間以上となったか否かを判断する（ステップＳ１６１）。

所定時間未満であると判断された場合（Ｓ１６１：ＮＯ）、制御部１０はサンプリング周期を短く、すなわち入力情報の取得頻度を高める（ステップＳ１６３）。制御部１０は、変更後のサンプリング周期で入力情報を取得し、選択中のモードに対応する設定に基づき選択する（ステップＳ１６５）。制御部１０は、実際の制御データを参照し（ステップＳ１６７）、参照した制御データを、ステップＳ１６５にて取得した入力情報にラベル付けすることにより教師データを作成する（ステップＳ１６９）。制御部１０は、ラベル付きの入力情報の教師データに基づいて選択中のモードに対応して選択された学習モデル１Ｍａ，１Ｍｂ，…を更新し（ステップＳ１７１）、ステップＳ１６１へ処理を戻す。ステップＳ１６９において制御部１０は、ステップＳ１５５の評価の程度に応じて、入力されるラベル付きの入力情報の重要度を示す重みを付与して対応する学習モデル１Ｍａ，１Ｍｂ，…に与えるとよい。

ステップＳ１６１において所定時間以上となったと判断された場合（Ｓ１６１：ＹＥＳ）、制御部１０は、経過時間の測定を終了し（ステップＳ１７３）、学習モードでの動作を終了し、自動制御モードへ切り替え（ステップＳ１７５）、処理を終了する。

第３実施形態において制御ユニット１００は、第２実施形態同様に逐次、指定操作に基づく実際の制御データと対応付けて時系列に複数の入力情報を逐次記憶部１２に一時記憶してもよい。制御部１０は、選択中のモードに対応する設定に基づき、入力情報を選択して記憶するとよい。制御部１０は、ステップＳ１５７において、低評価が付与された制御に関する出力情報を用いて更新する代わりに、次の処理を行なうとよい。制御部１０は、操作部Ｄ１にて指定操作を受け付けた場合、指定操作が行なわれたタイミングの前後に取得された入力情報を入力データとし、前記入力データと操作部Ｄ１での操作内容とによって選択された対象の学習モデル１Ｍａ，１Ｍｂ，…を更新する。操作部Ｄ１での指定内容は第１例では、変速機Ｅの変速段数および変速比の少なくともいずれか一方である。指定内容の第２例では、電動シートポストＦにおける支持位置である。第３例では、電動サスペンションＧの減衰率、ストローク量、およびロックアウト状態の設定情報である。第２実施形態の図９を参照して説明する。制御部１０は、時間情報「1645」が対応付けられた入力情報が取得されるタイミングで、実際の制御データが「２」から「３」へ変化している。したがってここで操作部Ｄ１にて指定操作を受け付けたと判断される。制御部１０は、出力情報の「２」を、操作されたタイミング時間情報「1645」よりも前の時間情報「1334」にて取得された入力情報にラベル付けした教師データに低評価の重みを付与するのではなく、操作内容の制御データ「３」をラベル付けした教師データに基づいて、選択中の学習モデル１Ｍａ，１Ｍｂ，…を更新する。時間情報「1028」にて取得された入力情報に対しても制御部１０は、同様に制御データ「２」を制御データ「３」に書き換えたラベルを付与し、対応する学習モデル１Ｍａ,１Ｍｂ，…にラベル付き入力情報を入力して更新してもよい。

ステップＳ１６３において制御部１０は、取得頻度を高めることに代替してまたは加えて取得回数を増加させて更新してもよい。

第３実施形態で制御部１０は、ステップＳ１６１にて経過時間が所定時間以上となったか否かによって操作部Ｄ１での操作をトリガとして開始した学習モードでの動作を終了し、自動制御モードへ切り替える。ステップＳ１６１に代替して制御部１０は、ステップ１７１の更新後の学習モデル１Ｍａ，１Ｍｂ，…から制御に関する出力情報を出力させ、操作部Ｄ１にて指定操作を受け付けた場合の制御データとの照合に基づいて学習モデル１Ｍａ，１Ｍｂ，…からの出力情報を再評価し、高評価となった場合に学習モードの動作を終了してもよい。制御部１０は、学習モデル１Ｍａ，１Ｍｂ，…から出力された出力情報が、操作で指定された制御データと所定の誤差範囲内で合致する場合、高評価を与える。

（第４実施形態）
第４実施形態では、制御ユニット１００に代替して、ユーザの端末装置にて学習モデルの作成およびコンポーネント制御処理を実行する。図１４は、制御システム２００の構成を示すブロック図である。制御システム２００は、端末装置２と制御ユニット１００とを含む。第３実施形態における制御ユニット１００は、制御部１１、記憶部１２、入出力部１４および通信部１６を含む。第３実施形態における制御ユニット１００の構成部の内、第１実施形態および第２実施形態における制御ユニット１００と共通する構成には同一の符号を付して詳細な説明を省略する。

第４実施形態における制御ユニット１００の制御部１１は、ＣＰＵを用いたプロセッサであり、内蔵するＲＯＭおよびＲＡＭ等のメモリを用い、各構成部を制御して処理を実行する。制御部１１は、第１実施形態における制御ユニット１００の制御部１０が行なった学習処理を実行しない。制御部１１は、人力駆動車Ａに設けられたセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３を入出力部１４によって入力し、通信部１６を介して端末装置２へ送信する。制御部１１は、操作装置Ｄにおける制御状態、操作装置Ｄから出力される操作信号を参照して通信部１６を介して端末装置２へ送信する。制御部１１は、操作装置Ｄからの出力される操作信号に基づき、または端末装置２からの指示に基づき、制御信号を制御対象の電動アクチュエータＥ１へ与える。

通信部１６は通信ポートであり、制御部１１は通信部１６を介して端末装置２と情報を送受信する。通信部１６は第１例では、ＵＳＢ（Universal Serial Bus）ポートである。通信部１６は第２例では、Bluetooth（登録商標）等の近距離無線通信モジュールである。

端末装置２は、ユーザが使用する可搬型の通信端末装置である。端末装置２は第１例では、スマートフォンである。端末装置２は第２例では、所謂スマートウォッチ等のウェアラブルデバイスである。スマートフォンである場合、人力駆動車ＡのハンドルバーＡ２にスマートフォン用保持部材を取り付けておき、この保持部材にスマートフォンを嵌めて用いてもよい（図１５参照）。

端末装置２は、制御部２０、記憶部２１、表示部２３、操作部２４、撮像部２５、第１通信部２６および第２通信部２７を備える。

制御部２０は、ＣＰＵ、ＧＰＵ等のプロセッサと、メモリ等を含む。制御部２０は、プロセッサ、メモリ、記憶部２１、第１通信部２６、および第２通信部２７を集積した１つのハードウェア（ＳｏＣ：System On a Chip）として構成されていてもよい。制御部２０は、記憶部２１に記憶されているアプリプログラム２０Ｐに基づき、人力駆動車Ａの制御に関する出力情報の学習と、学習に基づくコンポーネント制御を実行する。

記憶部２１は、例えばフラッシュメモリ等の不揮発性メモリを含む。記憶部２１は、学習プログラム１０Ｐおよびアプリプログラム２０Ｐを記憶する。学習プログラム１０Ｐはアプリプログラム２０Ｐに含まれてもよい。記憶部２１は、制御部２０の処理によって作成される複数の学習モデル２Ｍａ，２Ｍｂ，…を記憶する。記憶部２１は、制御部２０が参照するデータを記憶する。学習プログラム１０Ｐは、記録媒体２８に記憶された学習プログラム２８Ｐを読み出して記憶部２１に複製されたものであってもよい。アプリプログラム２０Ｐは、記憶媒体２９に記憶されたアプリプログラム２９Ｐを読み出して記憶部２１に複製されたものであってもよい。

表示部２３は、液晶パネルまたは有機ＥＬディスプレイ等のディスプレイ装置を含む。操作部２４は、ユーザの操作を受け付けるインタフェースであり、物理ボタン、ディスプレイ内蔵のタッチパネルデバイスを含む。操作部２４は、物理ボタンまたはタッチパネルにて表示部２３で表示している画面上における操作を受け付けることが可能である。

音声入出力部２２は、スピーカおよびマイクロフォン等を含む。音声入出力部２２は、音声認識部２２１を備え、マイクロフォンにて入力音声から操作内容を認識して操作を受け付けることが可能である。

撮像部２５は、撮像素子を用いて得られる映像信号を出力する。制御部２０は、任意のタイミングで撮像部２５の撮像素子にて撮像される画像を取得できる。

第１通信部２６は、制御ユニット１００の通信部１６に対応する通信モジュールである。第１通信部２６は第１例では、ＵＳＢ通信ポートである。第１通信部２６は第２例では、近距離無線モジュールである。

第２通信部２７は、公衆通信網を介して、または所定の移動通信規格によって他の通信機器（図示省略）との情報の送受信を実現する無線通信モジュールである。第２通信部２７は、ネットワークカード、無線通信デバイスまたはキャリア通信用モジュールを用いる。

第４実施形態において制御ユニット１００は継続的に、入出力部１４によって人力駆動車Ａに設けられたセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３から得られる入力情報を取得し、通信部１６を介して端末装置２へ送信する。

端末装置２の制御部２０は、学習モードと自動制御モードとで動作する。制御部２０は学習モード、自動制御モードそれぞれにおいて、更に異なるモードで動作する。異なるモードの内容例は第１実施形態で説明した通りである。端末装置２の制御部２０は、学習モードで動作する場合、学習プログラム１０Ｐに基づき深層学習の学習アルゴリズムによって、異なるモードに対応する異なる学習モデル２Ｍａ，２Ｍｂ，…をそれぞれ作成する作成部として機能する。学習モードにおいて端末装置２は「作成装置」に相当する。端末装置２の制御部２０は、自動制御モードで動作する場合、アプリプログラム２０Ｐに基づき、異なるモードの内の選択されたモードに対応する学習モデル２Ｍａ，２Ｍｂ，…を用いて変速機Ｅを含むコンポーネントを自動制御する制御部として機能する。自動制御モードにおいて端末装置２は、「コンポーネント制御装置」に相当する。

端末装置２の学習モードでの動作は、第１実施形態又は第２実施形態に示した制御ユニット１００の制御部１０の動作と同様である。端末装置２の自動制御モードでの動作についても、第１実施形態又は第２実施形態に示した制御ユニット１００の制御部１０の動作と同様である。

第４実施形態において「作成装置」又は「コンポーネント制御装置」に相当する端末装置２は、操作部２４または撮像部２５にて得られる情報に基づいてユーザの評価を受け付け、評価の内容に応じて選択されたモードに対応する学習モデル２Ｍａ，２Ｍｂ，…を更新する。

図１５〜図１９は、アプリプログラム２０Ｐに基づいて表示される画面例を示す図である。図１５に示す例では、端末装置２はスマートフォンであってハンドルバーＡ２にユーザが表示部２３を視認できるように取り付けられている。図１５では、アプリプログラム２０Ｐに基づき表示部２３に表示されるメイン画面２３０が示されている。制御部２０は、アプリプログラム２０Ｐの実行が選択された場合、表示部２３にメイン画面２３０に表示させる。制御部２０は、アプリプログラム２０Ｐの実行を開始すると制御ユニット１００との間で通信接続を確立させる。制御部２０は図１５に示すように、通信状態を示すメッセージをメイン画面２３０に表示させるとよい。メイン画面２３０には学習モードおよび自動制御モードの選択ボタン２３２，２３４が含まれる。選択ボタン２３２が選択された場合、制御部２０は学習モードでの動作を開始する。選択ボタン２３４が選択された場合、制御部２０は自動制御モードでの動作を開始する。

図１６は、学習モードの選択ボタン２３２が選択された場合に表示される学習モード画面２３６の内容例を示す。学習モード画面２３６には、モード選択画面２３８が含まれる。モード選択画面２３８は、選択対象のモードそれぞれに対応するボタン２４０、ボタン２４２、ボタン２４４を含む。制御部２０は、ボタン２４０〜ボタン２４４にてモード選択を受け付ける。制御部２０は、ボタン２４０〜ボタン２４４により、異なる学習モデル２Ｍａ，２Ｍｂ，…の内のいずれか、モードに対応する一つの選択を受け付ける。

図１７は、学習モードにて、異なるモードの内のいずれかが選択された場合の画面例を示す。図１７は、ボタン２４２が選択された場合の学習モード画面２３６を示す。モードが選択された後、制御部２０は学習モード画面２３６を表示して学習処理を実行する。図１７の画面例では、学習中の状態を示すメッセージが表示されている。学習モード画面２３６には、設定ボタン２４６が含まれている。図１８は、設定ボタン２４６が選択された場合の画面例を示す。設定ボタン２４６が選択された場合、制御部２０は、図１８に示すように学習モード画面２３６にて、選択中のモードに対応する学習モデル２Ｍａ，２Ｍｂ，…に対応する入力情報の組み合わせ、および各入力情報の重みの設定を受け付ける設定画面２４８を表示させる。図１８に示す設定画面２４８中の設定ボタン２５０が選択された場合、制御部２０は設定画面２４８内の各入力欄で操作部２４によって入力または選択された内容を、設定情報として記憶部１２に記憶する。

図１９は、自動制御モードの選択ボタン２３４が選択された場合に表示される自動制御モード画面２４５の内容例を示す。自動制御モード画面２５２では、制御部２０が変速機Ｅへの制御信号の出力を必要と判断し、制御信号を出力した場合、変速段数または変速比を変更したことを示すメッセージを表示または音声入出力部２２から音声を出力させる。制御部２０は、このメッセージに対する評価を受け付ける。制御部２０は、以下に示す例のいずれかによって、モード毎に異なる学習モデル２Ｍａ，２Ｍｂ，…から出力される出力情報に基づくコンポーネントの動作それぞれに対するユーザ評価を受け付ける。

「評価受付部」の第１例は、図１９に示す自動制御モード画面２５２に含まれる評価を受け付ける高評価ボタン２５４と低評価ボタン２５６とである。制御部２０は、評価ボタン２５４，２５６の選択操作を操作部２４のタッチパネルでこれを認識し、評価を受け付ける。図１９の例における高評価ボタン２５４は、変速段数または変速比の自動制御が快適であった場合に選択される。低評価ボタン２５６は、自動制御が快適でなかった場合に選択される。制御部２０はいずれのボタン２５４，２５６が選択されたかを認識して受け付けた評価内容を認識する。「評価受付部」の第１例の変形例として低評価ボタン２５６のみが表示されてもよい。「評価受付部」の第１例の変形例として、この場合、変更した変更段数または変速比が重すぎる（ＯＵＴＷＡＲＤすぎる）と評価するボタンと、軽すぎる（ＩＮＷＡＲＤすぎる）と評価するボタンであってもよい。

「評価受付部」の第２例は、操作部Ｄ１に設けられている物理的なボタンであってもよい。操作部Ｄ１に特定の評価受付ボタンを設けてもよい。評価受付ボタンを操作装置Ｄの近傍に別途設けられてもよい。制御部２０は、特定の評価受付ボタンが押下されたか否か、その他、汎用的なボタンの押され方、レバー操作との組み合わせによって評価内容を認識することができる。「評価受付部」の第３例は、音声入出力部２２の音声認識部２２１である。制御部２０は、音声認識部２２１にてユーザの音声を認識して評価を受け付ける。制御部２０は、認識した音声に基づいて自動制御が快適であったか否かを判別する。「評価受付部」の第４例は、撮像部２５である。制御部２０は、人力駆動車Ａを運転中のユーザの顔を撮像した撮像画像から表情を特定する特定部であり、特定した表情報に基づいてユーザの評価を受け付ける。評価は、快適か否かを判別し、快適である場合に高評価とする。

図２０および図２１は、第４実施形態における制御部２０の処理手順の一例を示すフローチャートである。制御部２０は自動制御モードで動作中に、以下の処理手順を繰り返し実行する。所定のコントロール周期（例えば３０ミリ秒）で実行してもよい。

制御部２０は、異なるモードの内、図１６のモード選択画面２３８にて選択されたモードを決定する（ステップＳ３０１）。制御部２０は、ステップＳ３０１にてモード選択画面２３８でのモード選択によって、異なる学習モデル２Ｍａ，２Ｍｂ，…の内のいずれか一つの選択を受け付ける。制御部２０は、決定したモードに対応する作成済みの学習モデル２Ｍａ，２Ｍｂ，…を選択し、記憶部２１から読み出す（ステップＳ３０３）。

制御部２０は、制御ユニット１００から得られる人力駆動車Ａの走行に関する入力情報を第１通信部２６によって取得する（ステップＳ３０５）。ステップＳ３０５にて制御部２０は「コンポーネント制御装置」の「取得部」である。ステップＳ３０５において制御部２０は、制御ユニット１００の制御部１０がセンサ群Ｓ１−Ｓ５，Ｓ６１−Ｓ６３からの信号レベルをコントロール周期毎に参照し、制御部１０の内部メモリまたは入出力部１４が内蔵するメモリに一時記憶したものを取得する。

制御部２０は、記憶部２１に記憶される設定情報から、ステップＳ３０１で決定したモードまたはステップＳ３０３で選択された学習モデル２Ｍａ，２Ｍｂ，…に対応する設定を読み出す（ステップＳ３０７）。制御部２０は、ステップＳ３０５で取得した入力情報から、設定に基づいて、選択された学習モデル２Ｍａ，２Ｍｂ，…に対応付けられている入力情報を取得する（ステップＳ３０９）。制御部２０は、取得した入力情報に、設定に含まれる重みを付与する（ステップＳ３１１）。

制御部２０は、ステップＳ３０９で選択し、ステップＳ３１１で重みを付与した後の入力情報を、ステップＳ３０３で読み出した学習モデル２Ｍａ，２Ｍｂ，…に入力する（ステップＳ３１３）。

制御部２０は、選択された学習モデル２Ｍａ，２Ｍｂ，…に取得された入力情報を入力することにより出力される制御対象のコンポーネントの制御に関する出力情報を特定する（ステップＳ３１５）。制御部２０はステップＳ３１５において例えば、変速機Ｅの変速段数または変速比の少なくともいずれか一方についての判別結果を出力情報として特定する。

制御部２０は、特定された出力情報に基づく制御対象の状態を参照する（ステップＳ３１７）。制御部２０は、特定された出力情報が示す制御内容と、参照した状態との間の関係に基づき、制御信号の出力が必要であるか否かを判断する（ステップＳ３１９）。

ステップＳ３１９で必要であると判断された場合（Ｓ３１９：ＹＥＳ）、制御部２０は特定した出力情報に基づきコンポーネントを制御する制御指示を制御ユニット１００へ出力する（ステップＳ３２１）。ステップＳ３１９で不要と判断された場合（Ｓ３１９：ＮＯ）、制御部２０は処理をステップＳ３２３へ進める。

制御部２０は、ステップＳ３２１の処理後の所定時間内でユーザ評価を受け付ける（ステップＳ３２３）。

制御部２０は、受け付けた評価が高評価であるか否かを判断する（ステップＳ３２５）。高評価であると判断された場合（Ｓ３２５：ＹＥＳ）、１回のコントロール周期における制御処理を終了する。

ステップＳ３２５で低評価であると判断された場合（Ｓ３２５：ＮＯ）、制御部２０は、学習モードでの動作、すなわち選択された学習モデル２Ｍａ，２Ｍｂ，…の更新を開始する（ステップＳ３２７）。制御部２０は学習モードを開始する旨のメッセージを表示部２３に表示させてもよい。ステップＳ３２５で制御部２０は、評価が高評価であるか否かに関わらず、評価を受け付けた場合に選択されている対象の学習モデル２Ｍａ，２Ｍｂ，…の更新を開始してもよい。

制御部２０は、学習モードを開始してからの経過時間の測定を開始する（ステップＳ４０１）。制御部２０は、ステップＳ３２３で受け付けられた評価内容と、ユーザ評価を受け付けたタイミングに対応するステップＳ３１５で、選択された学習モデル２Ｍａ，２Ｍｂ，…から出力された出力情報と、ステップＳ３０５で取得した出力情報に対応する入力情報とを含む教師データを作成する（ステップＳ４０２）。制御部２０は、教師データにステップＳ３２３で受け付けた評価内容に基づく重みを付与する（ステップＳ４０３）。制御部２０は、重みが付与された教師データに基づいて学習モデル２Ｍａ，２Ｍｂ，…を更新する（ステップＳ４０５）。ステップＳ４０５において制御部２０は、評価が低評価であるほどに教師データに重要度を示す重みを付与する。

制御部２０は、ステップＳ４０１で測定を開始した経過時間が所定時間以上となったか否かを判断する（ステップＳ４０７）。

所定時間未満であると判断された場合（Ｓ４０７：ＮＯ）、制御部２０は学習モードで入力情報を取得し（ステップＳ４０９）、操作部Ｄ１に基づく実際の制御データを参照する（ステップＳ４１１）。制御部２０は、参照した制御データを、ステップＳ４０９にて取得した入力情報にラベル付けすることにより教師データを作成し（ステップＳ４１３）、ラベル付きの入力情報の教師データに基づいて学習モデル２Ｍａ，２Ｍｂ，…を更新し（ステップＳ４１５）、ステップＳ４０７へ処理を戻す。

ステップＳ４０７において所定時間以上となったと判断された場合（Ｓ４０７：ＹＥＳ）、制御部２０は、経過時間の測定を終了し（ステップＳ４１７）、選択されて更新された学習モデル２Ｍａ，２Ｍｂ，…を、識別情報と対応付けて第２通信部２７から他のサーバ装置へ送信する（ステップＳ４１９）。制御部２０は、自動制御モードへ切り替え（ステップＳ４２１）、処理を終了する。

制御部２０は、異なる学習モデル２Ｍａ，２Ｍｂ，…を学習モード終了時ではなく、１日に１度、１週間に１度等所定の頻度で、人力駆動車Ａに取り付けられていない間に第２通信部２７から他のサーバ装置へ送信してもよい。

第４実施形態において端末装置２は、第２実施形態同様に逐次、実際の制御データと対応付けて時系列に入力情報を逐次記憶部２１に一時記憶してもよい。この場合制御部２０は、ステップＳ４０５で評価内容に基づく重みを付与した教師データに基づく更新の代わりに、次の処理を行なうとよい。制御部２０は、評価受付部にて評価が受け付けられたタイミングの前後に取得された複数の入力情報を入力とし、選択された学習モデル２Ｍａ，２Ｍｂ，…から出力された出力情報と、評価受付部で受け付けた評価内容とを含む教師データに基づいて学習モデル２Ｍａ，２Ｍｂ，…を更新する。

第４実施形態では、端末装置２は、作成した異なる学習モデル２Ｍａ，２Ｍｂ，…を第２通信部２７によって他のサーバ装置宛てに送信する。第１実施形態の制御ユニット１００内部に第２通信部２７と同様の通信部を設け、制御ユニット１００は、作成した学習モデル１Ｍを他のサーバ装置宛てに送信してもよい。

第１実施形態から第４実施形態において、学習モデル１Ｍａ，１Ｍｂ，…または学習モデル２Ｍａ，２Ｍｂ，…から出力される出力情報として、主に、変速機Ｅの制御に関する制御データについて説明した。制御対象の人力駆動車Ａのコンポーネントは、変速機Ｅに代えて、電動シートポストＦであってもよいし、電動サスペンションＧであってもよい。制御対象の人力駆動車Ａのコンポーネントは、変速機Ｅ、電動シートポストＦ、および電動サスペンションＧであってもよいし、電動シートポストＦおよび電動サスペンションＧであってもよい。

１００…制御ユニット（作成装置、コンポーネント制御装置）、１０，１１…制御部、１２…記憶部、１Ｍａ，１Ｍｂ…学習モデル、１Ｐ…学習プログラム、２Ｐ…制御プログラム、２…端末装置、２０…制御部、２１…記憶部、２Ｍａ，２Ｍｂ…学習モデル、１０Ｐ…学習プログラム、２０Ｐ…アプリプログラム、Ａ４…後輪、Ｂ１…クランク、Ｂ３…第２スプロケット組立体、Ｄ…操作装置、Ｄ１…操作部、Ｅ…変速機、Ｅ１…電動アクチュエータ、Ｆ…電動シートポスト、Ｇ…電動サスペンション、Ｓ１…速度センサ、Ｓ２…ケイデンスセンサ、Ｓ３…トルクセンサ、Ｓ４…ジャイロセンサ、Ｓ５…画像センサ、Ｓ６１，Ｓ６２，Ｓ６３…姿勢センサ。

Claims (35)

1. 人力駆動車の走行に関する入力情報を取得する取得部と、
   前記取得部が取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルをそれぞれ作成する作成部と、
   作成した異なる学習モデルを選択可能に記憶するモデル記憶部と、
   を備える作成装置。
2. 前記出力情報は、変速機の段数および変速比の少なくともいずれか一方を含む、請求項１に記載の作成装置。
3. 前記入力情報は、前記人力駆動車の走行速度および駆動機構のクランクのケイデンスの少なくともいずれか一方を含む、請求項１または２に記載の作成装置。
4. 前記入力情報は、前記人力駆動車の姿勢の検知データを含む、請求項１〜３のいずれか一項に記載の作成装置。
5. 前記入力情報は、前記人力駆動車のユーザの姿勢の検知データを含む、請求項１〜４のいずれか一項に記載の作成装置。
6. 前記入力情報は、前記人力駆動車の走行環境の検知データを含む、請求項１〜５のいずれか一項に記載の作成装置。
7. 前記作成部は、前記異なる学習モデルそれぞれについて、前記取得部が取得した入力情報に含まれる入力情報の内、他の学習モデルと異なる組み合わせの入力情報を入力する、請求項１〜６のいずれか一項に記載の作成装置。
8. 前記異なる組み合わせの入力情報の設定を前記異なる学習モデル毎に受け付ける、請求項７に記載の作成装置。
9. 前記作成部は、前記異なる学習モデルそれぞれについて、前記取得部が取得した入力情報に含まれる複数のデータに、他の学習モデルと異なる重みを付与して入力する、請求項１〜８のいずれか一項に記載の作成装置。
10. 前記異なる重みの設定を前記異なる学習モデル毎に受け付ける、請求項９に記載の作成装置。
11. 前記取得部は、異なる時点の入力情報を取得し、前記作成部は、前記異なる時点の入力情報を前記学習モデルに入力させる、請求項１〜１０のいずれか一項に記載の作成装置。
12. 前記入力情報が取得される時点の間隔は、前記異なる学習モデルに応じて異なる、請求項１１に記載の作成装置。
13. 前記取得部は、異なる時点の入力情報を取得し、前記作成部は、入力情報の変動を前記学習モデルに入力させる、請求項１〜１０のいずれか一項に記載の作成装置。
14. 前記入力情報の変動に対応する時間幅は、前記異なる学習モデルに応じて異なる、請求項１３に記載の作成装置。
15. 前記異なる学習モデルの内、対象の学習モデルを選択する選択部を備え、
    前記作成部は、前記選択部によって選択された対象の学習モデルを作成する、請求項１〜１４のいずれか一項に記載の作成装置。
16. 前記作成部は、モード別に異なる学習モデルを作成し、
    前記選択部は、
    ユーザの操作によるモードの選択を受け付ける操作装置から、選択されたモードを取得し、
    前記操作装置から取得したモードに対応する学習モデルを、前記モデル記憶部から選択する
    請求項１５に記載の作成装置。
17. 前記選択部によって選択された対象の学習モデルから出力された出力情報を評価する評価部を備え、
    前記作成部は、前記評価部の評価に基づき前記対象の学習モデルを更新する、請求項１５又は１６に記載の作成装置。
18. 前記出力情報に関する指定操作を受け付ける操作部を備え、
    前記評価部は、前記取得部によって取得した入力情報を入力して前記対象の学習モデルから出力された出力情報と、前記操作部にて受け付けた指定操作との照合に基づいて評価する、請求項１７に記載の作成装置。
19. 前記対象の学習モデルから出力された出力情報と前記指定操作の内容とが合致しない場合、前記評価部は前記対象の学習モデルについて前記出力情報を低評価とする、請求項１８に記載の作成装置。
20. 前記対象の学習モデルから出力された出力情報と前記指定操作の内容とが合致しない場合、前記作成部は、前記指定操作の内容を含む教師データに基づいて重みを付与して前記対象の学習モデルを更新する、請求項１８に記載の作成装置。
21. 前記取得部は、時系列に複数の入力情報を逐次一時記憶する記憶部を備え、
    前記作成部は、前記操作部にて指定操作を受け付けた場合、前記指定操作が行われたタイミングの前後に取得された複数の入力情報を入力データとし、前記入力データと前記操作部での操作内容とにより前記対象の学習モデルを更新する、請求項１８に記載の作成装置。
22. 前記作成部は、前記操作部にて指定操作を受け付けた場合、入力情報の取得回数を増加させて更新する、請求項２１に記載の作成装置。
23. 前記作成部は、前記操作部にて指定操作を受け付けた場合、入力情報の取得頻度を高めて更新する、請求項２１に記載の作成装置。
24. 前記評価部は、前記異なる学習モデルから出力された各出力情報に基づく前記コンポーネントの動作それぞれに対するユーザ評価を受け付ける評価受付部を備え、
    前記評価受付部によって受け付けられた評価内容と、評価を受け付けたタイミングに前記対象の学習モデルから出力された出力情報と、前記出力情報に対応して入力された入力情報とを含む教師データに基づいて前記対象の学習モデルを更新する、請求項１７に記載の作成装置。
25. 前記出力情報に関する指定操作を受け付ける操作部を備え、
    前記評価受付部は、前記操作部、又は前記操作部の近傍に設けられてユーザの評価操作を受け付ける、請求項２４に記載の作成装置。
26. 前記評価受付部は、
    前記人力駆動車を運転中のユーザの顔を撮像した撮像画像から表情を特定する特定部を備え、
    前記特定部が特定した表情に基づいてユーザの評価を受け付ける、請求項２４に記載の作成装置。
27. 前記評価受付部は、音声認識部を備え、ユーザの音声を認識して評価を受け付ける、請求項２４に記載の作成装置。
28. 作成した異なる学習モデルの内のいずれか一つの選択を受け付けるモデル選択部と、
    前記モデル選択部が選択した前記学習モデルをサーバ装置へ送信する送信部と
    を備える、請求項１〜２７のいずれか一項に記載の作成装置。
29. 人力駆動車の走行に関する入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力するべく学習アルゴリズムにより作成された異なる学習モデルを選択可能に記憶するモデル記憶部と、
    前記入力情報を取得する取得部と、
    前記モデル記憶部に記憶された異なる学習モデルの内のいずれか一つの選択を受け付けるモデル選択部と、
    前記取得部が取得した入力情報を前記選択された学習モデルに入力することにより出力される出力情報に基づき前記コンポーネントを制御する制御部と
    を備えるコンポーネント制御装置。
30. 前記取得部は、前記モデル選択部によって選択された学習モデルに対応付けられている入力情報を取得して入力する、請求項２９に記載のコンポーネント制御装置。
31. 前記出力情報は、変速機の段数および変速比の少なくともいずれか一方を含む、請求項３０に記載のコンポーネント制御装置。
32. 前記モデル記憶部は、モード別に異なる学習モデルを記憶し、
    前記モデル選択部は、
    ユーザの操作によるモードの選択を受け付ける操作装置から、選択されたモードを取得し、
    前記操作装置から取得したモードに対応する学習モデルを、前記モデル記憶部から選択する
    請求項２９に記載の作成装置。
33. 人力駆動車の走行に関する入力情報を取得し、
    取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルをそれぞれ学習アルゴリズムによって作成し、
    作成した異なる学習モデルを選択可能に記憶する
    作成方法。
34. 人力駆動車の走行に関する入力情報を取得し、
    前記入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力するべく学習アルゴリズムにより作成され、選択可能に記憶されている異なる学習モデルの内のいずれか一つの選択を受け付け、
    選択された学習モデルに、取得された入力情報を入力することにより出力される出力情報を特定し、
    特定した出力情報に基づき前記コンポーネントを制御する
    コンポーネント制御方法。
35. 人力駆動車の走行に関する入力情報を取得し、
    取得した入力情報に基づいて前記人力駆動車のコンポーネントの制御に関する出力情報を出力する異なる学習モデルを学習アルゴリズムによってそれぞれ作成し、
    作成した異なる学習モデルを選択可能に記憶する
    処理を、コンピュータに実行させるコンピュータプログラム。

Images