JP7007244B2

JP7007244B2 - 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

Info

Publication number: JP7007244B2
Application number: JP2018130246A
Authority: JP
Inventors: 速人島津; 仁志高山; 聡謝花; 高史西野; 岳彦中島
Original assignee: Shimano Inc
Current assignee: Shimano Inc
Priority date: 2018-07-09
Filing date: 2018-07-09
Publication date: 2022-01-24
Anticipated expiration: 2038-07-09
Also published as: US20200010148A1; US11312442B2; JP2020006836A

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、コンピュータプログラムおよび学習モデルに関する。

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

自動変速制御の目指すものは、乗り手の意図に合った変速である。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。

本発明の目的は、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、コンピュータプログラムおよび学習モデル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、学習モデルを学習アルゴリズムによって作成する作成部とを備える。
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が可能になる。

（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、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自動変速制御が可能になる。

（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、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。

（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、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。

（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、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。

（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、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。

（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、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。

（８）本発明の第８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、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。

（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学習モデルを更新する。
このため、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。

（１０）本発明の第１０側面に従う作成装置は、上記第９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に基づいて前記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、乗り手の操作に適合した自動制御が実現できる。

（１１）本発明の第１１側面に従う作成装置は、上記第１０側面の作成装置において、前記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。

（１２）本発明の第１２側面に従う作成装置は、上記第１０側面の作成装置において、前記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。

（１３）本発明の第１３側面に従う作成装置は、上記第１２側面の作成装置において、前記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の合致度合いに応じて、前記重みが相違する。
このため、乗り手の嗜好との乖離が大きい場合に、より重点的に学習が行なわれ、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１０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とし、前記操作部での操作内容とにより前記学習モデルを更新する。
このため、走行環境の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。

（１５）本発明の第１５側面に従う作成装置は、上記第１４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。

（１６）本発明の第１６側面に従う作成装置は、上記第１４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。

（１７）本発明の第１７側面に従う作成装置は、上記第９側面の作成装置において、前記評価部は、前記学習モデルから出力された出力情報に基づく前記コンポーネントの動作に対するユーザ評価を受け付ける評価受付部を備え、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。

（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、また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。

（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。

（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。

（２１）本発明の第２１側面に従う作成装置は、上記第１側面～第２０側面のいずれか一つの作成装置において、作成した学習モデルを送信する送信部を備える。
このため、外部の装置にて学習モデルを保持しておき、ユーザが、異なる人力駆動車に乗る際にも他の装置経由で取得される自分用の学習モデルに基づい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。

（２２）本発明の第２２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作成された学習モデルと、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を前記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が可能になる。

（２３）本発明の第２３側面に従うコンポーネント制御装置は、上記第２２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である。
このため、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。

（２４）本発明の第２４側面に従うコンポーネント制御装置は、上記第２３側面のコンポーネント制御装置において、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、前記変速機の段数および変速比の少なくともいずれか一方の指定操作を受け付ける操作部を備え、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前記記憶部から読み出して入力データとし、前記入力データと前記操作部での操作により指定された段数および変速比の少なくともいずれか一方とを含む教師データに基づいて前記学習モデルを更新する。
このため、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。

（２５）本発明の第２５側面に従うコンポーネント制御装置は、上記第２２側面のコンポーネント制御装置において、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前記記憶部から読み出して入力データとし、前記入力データと前記操作部での操作により指定された出力情報とを含む教師データに基づいて前記学習モデルを更新する。
このため、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。

（２６）本発明の第２６側面に従うコンポーネント制御装置は、上記第２２側面のコンポーネント制御装置において、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、前記操作部により操作を受け付けた場合、前記学習モデルの更新を開始する。
このため、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。

（２７）本発明の第２７側面に従うコンポーネント制御装置は、上記第２６側面のコンポーネント制御装置において、一定時間経過後に前記学習モデルの更新を停止する。
このため、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、上記第２２側面のコンポーネント制御装置において、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、前記制御部による制御内容の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り評価を受け付けた場合、前記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前記記憶部から読み出して入力データとし、前記入力データと前記評価受付部で受け付けた評価とを含む教師データに基づいて前記学習モデルを更新する。
このため、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。

（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、前記評価受付部により評価を受け付けた場合、前記学習モデルの更新を開始する。
このため、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、一定時間経過後に前記学習モデルの更新を停止する。
このため、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。

（３１）本発明の第３１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、前記評価受付部により受け付けた評価が所定値より高い場合、前記学習モデルの更新を停止する。
このため、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。

（３２）本発明の第３２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学習モデルを作成する。
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が可能になる。

（３３）本発明の第３３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が可能になる。

（３４）本発明の第３４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学習モデルを作成する処理を、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が可能になる。

（３５）本発明の第３５側面に従う学習モデルは、人力駆動車の走行に関する入力情報が入力される入力層と、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出力層と、前記出力情報に関する指定操作を受け付ける操作部にて受け付けた操作内容を含む教師データに基づいて学習する中間層と、を備え、入力情報を取得して前記入力層へ与え、前記中間層に基づいて演算し、前記入力情報に対応する前記出力情報を前記出力層から出力する処理に用いられる。
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が可能になる。

（３６）本発明の第３６側面に従う学習モデルは、上記第３５側面に従う学習モデルにおいて、前記中間層は、前記教師データにより少なくとも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学習し、前記中間層のパラメータに応じて演算する処理に用いられる。
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が可能になる。

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、コンピュータプログラムおよび学習モデルによれば、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。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。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定操作を受け付ける。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、無段変速機である。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含む。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。記憶部１２は、制御部１０の処理によって作成される学習モデル１Ｍを記憶する。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。

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学習モデル１Ｍを作成する作成部として機能する。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、入出力部１４によって取得した入力情報を学習モデル１Ｍに入力することにより学習モデル１Ｍから出力される出力情報に基づいて変速機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、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Ｓ１０１）。ステップＳ１０１にて制御部１０は「取得部」である。ステップＳ１０１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Ｓ１０１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Ｓ１０３）。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Ｓ１０３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Ｓ１０３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、ステップＳ１０３で参照した制御データを、ステップＳ１０１にて取得した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し（ステップＳ１０５）、ラベル付きの入力情報をＮＮ１３（図４参照）へ入力する（ステップＳ１０７）。制御部１０は、ＮＮ１３の中間層における少なくとも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学習させる学習処理を実行する（ステップＳ１０９）。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。

学習モデル１Ｍ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１Ｍ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（図４参照）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。

図３のフローチャートに示した学習処理が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学習モデル１Ｍとなる。図４は、作成される学習モデル１Ｍの一例を示す図である。学習モデル１Ｍは、センサ群Ｓ１－Ｓ５，Ｓ６１－Ｓ６３で得られる人力駆動車Ａの走行に関する入力情報が入力される入力層１３１と、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み、出力情報に関して操作部Ｄ１にて受け付けた操作内容を含む教師データに基づいて学習される中間層１３３を含む。図４に示すように出力層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を参照して学習モデル１Ｍ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１Ｍが説明される。入力層１３１には、図４に示すように速度センサＳ１から得られる走行速度に関する情報が入力される。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、走行速度およびケイデンスの一方が入力される。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。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、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。

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。

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が入力される。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。

入力層１３１には、センサ群Ｓ１－Ｓ５，Ｓ６１－Ｓ６３から入力できる情報全てが入力されなくてもよい。入力層１３１には、少なくとも走行速度およびケイデンスの一方が入力される。これに加えて入力層１３１には、走行速度およびケイデンス以外の情報のいずれか１つ又は複数の組み合わせが入力されてもよい。図４中の破線で示すように入力情報はグループ分けされ、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、グループ毎に制御に関する出力情報が出力される。

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を含む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確率を出力する。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。

このように学習処理により、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学習モデル１Ｍ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５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５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、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Ｓ２０１）。ステップＳ２０１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Ｓ２０１において制御部１０は、入出力部１４によって入力されるセンサ群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、ステップＳ２０１で取得した入力情報を学習モデル１Ｍの入力層１３１に入力する（ステップＳ２０３）。

制御部１０は、学習モデル１Ｍから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Ｓ２０５）。制御部１０はステップＳ２０５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Ｓ２０７）。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Ｓ２０９）。

ステップＳ２０９で必要であると判断された場合（Ｓ２０９：ＹＥＳ）、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（ステップＳ２１１）、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Ｓ２０９で不要と判断された場合（Ｓ２０９：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Ｓ２０７の参照およびステップＳ２０９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Ｓ２０５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（Ｓ２１１）。

制御部１０はステップＳ２０７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Ｓ２０９において制御部ステップＳ２０５で特定した変速段数または変速比と、ステップＳ２０７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Ｓ２０９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１Ｍ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２実施形態）
図６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７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７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、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Ｓ１１１）、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Ｓ１１３）。ステップＳ１１３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Ｓ１１１の入力情報の取得時点を特定する（ステップＳ１１５）。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、ステップＳ１１５で特定した取得時点を示す時間情報、ステップＳ１１１で取得した入力情報、およびステップＳ１１３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Ｓ１１７）。

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Ｓ１１８）。制御部１０は、ステップＳ１１３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し（ステップＳ１１９）、ラベル付き入力情報群をＮＮ１３へ入力する（ステップＳ１２１）。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Ｓ１２３）、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８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８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に関する出力情報を出力する学習モデル１Ｍが作成され、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学習モデル１Ｍへ与え、学習モデル１Ｍから出力される制御に関する出力情報に基づいてコンポーネントを制御する。

第２実施形態において、ステップＳ１２１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ＮＮ１３に入力されてもよい。制御部１０は、１サンプリング周期毎に前後の時点の変動を算出して変動値をＮＮ１３に与えてもよいし、変動の傾向（増加、減少、維持）をＮＮ１３に与えてもよいし、時系列分布に相当する波形を変動として算出してからＮＮ１３に与えてもよい。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９は、第２実施形態で作成される学習モデル１Ｍの一例を示す図である。第１実施形態にて示した図４の一例と比較して、入力情報がその変動を表す波形であることが異なる。

（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１０および図１１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１０および図１１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５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、入力情報を取得し（Ｓ２０１）、学習モデル１Ｍへ入力し（Ｓ２０３）、学習モデル１Ｍから出力される制御に関する出力情報を特定した後（Ｓ２０５）、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Ｓ２２１）。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Ｓ２２１で操作を受け付けていないと判断された場合（Ｓ２２１：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（Ｓ２０７－Ｓ２１１）。

制御部１０はステップＳ２２１において、変速段数の切り替え操作が、ステップＳ２０５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Ｓ２２１にて操作部Ｄ１で操作を受け付けたと判断された場合（Ｓ２２１：ＹＥＳ）、制御部１０は、学習モードでの学習モデル１Ｍの更新を開始し（ステップＳ２２３）、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Ｓ１３１）。

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Ｓ１３３）。制御部１０は、ステップＳ２０５で特定した学習モデル１Ｍから出力された出力情報を、ステップＳ１３３で参照した制御データに基づいて評価する（ステップＳ１３５）。

ステップＳ１３５において制御部１０は、ステップＳ２０５で特定した制御に関する出力情報と、ステップＳ１３３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、出力情報と制御データとが、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。合致していないと判断された場合制御部１０は、低評価を与える。合致していないと判断された場合制御部１０は、ステップＳ２０５で特定した出力情報と、ステップＳ１３３で参照した制御データとの合致度合いに応じて相違する評価を与える。ステップＳ２０５で特定した出力情報と、ステップＳ１３３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Ｓ２０５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、学習モデル１Ｍから出力された制御に関する出力情報を、ステップＳ２０１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Ｓ１３５の評価に基づく重みを付与する（ステップＳ１３７）。制御部１０は、重みが付与された教師データに基づいて学習モデル１Ｍを更新する（ステップＳ１３９）。ステップＳ１３７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Ｓ１３７およびステップＳ１３９の処理は、ステップＳ１３５における評価で、出力情報と制御データとが合致していない場合に実行されてもよい。

制御部１０は、ステップＳ１３１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Ｓ１４１）。

所定時間未満であると判断された場合（Ｓ１４１：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Ｓ１４３）。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（ステップＳ１４５）、実際の制御データを参照する（ステップＳ１４７）。制御部１０は、参照した制御データを、ステップＳ１４５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Ｓ１４９）、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１Ｍを更新し（ステップＳ１５１）、ステップＳ１４１へ処理を戻す。ステップＳ１４９において制御部１０は、ステップＳ１３５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学習モデル１Ｍに与えるとよい。

ステップＳ１４１において所定時間以上となったと判断された場合（Ｓ１４１：ＹＥＳ）、制御部１０は、経過時間の測定を終了し（ステップＳ１５３）、学習モデル１Ｍの更新を停止する（ステップＳ１５４）。制御部１０は、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Ｓ１５５）、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、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１２に一時記憶してもよい。この場合制御部１０は、ステップＳ１３７で、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、指定操作が行われたタイミングの前後に取得された入力情報を入力とし、操作部Ｄ１での操作内容とにより学習モデル１Ｍ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８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学習モデル１Ｍ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、学習モデル１Ｍ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Ｓ１４３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Ｓ１４１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Ｓ１４１に代替して制御部１０は、ステップ１５１の更新後の学習モデル１Ｍ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１Ｍ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１Ｍ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１２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４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４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小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１３参照）。

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学習モデル２Ｍ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学習モデル２Ｍを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、学習モデル２Ｍ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学習モデル２Ｍを更新する。

図１３～図１４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１３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１３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１３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１４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２３６の内容例を示す。自動制御モード画面２３６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、学習モデル２Ｍから出力された出力情報に基づくコンポーネントの動作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１４に示す自動制御モード画面２３６に含まれる評価を受け付ける高評価ボタン２３８と低評価ボタン２４０とである。制御部２０は、評価ボタン２３８，２４０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１４の例における高評価ボタン２３８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２４０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２３８，２４０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２４０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、変更した変速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１５および図１６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、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Ｓ３０１）。ステップＳ３０１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、ステップＳ３０１で取得した入力情報を記憶部２１に作成された学習モデル２Ｍに入力する（ステップＳ３０３）。

制御部２０は、学習モデル２Ｍから出力される制御対象の制御に関する出力情報を特定する（ステップＳ３０５）。制御部２０はステップＳ３０５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特定する。

制御部２０は、制御対象の状態を参照する（ステップＳ３０７）。制御部２０はステップＳ３０７において、制御ユニット１００を介して例えば変速機Ｅの変速段数または変速比のフィードバックを参照してもよい。制御部２０は、ステップＳ３０５で特定した出力情報が示す制御内容と、ステップＳ３０７で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Ｓ３０９）。ステップＳ３０９で必要であると判断された場合（Ｓ３０９：ＹＥＳ）、制御部２０は制御指示を制御ユニット１００へ出力する（ステップＳ３１１）。制御部２０は、制御指示の内容を表示部２３に出力する（ステップＳ３１３）。ステップＳ３０９で不要と判断された場合（Ｓ３０９：ＮＯ）、制御部２０は処理をステップＳ３１５へ進める。

制御部２０は、ステップＳ３１１,Ｓ３１３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Ｓ３１５）。

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Ｓ３１７）。高評価であると判断された場合（Ｓ３１７：ＹＥＳ）、制御処理を終了する。

ステップＳ３１７で高評価でないと判断された場合（Ｓ３１７：ＮＯ）、制御部２０は、学習モードでの動作、すなわち学習モデル２Ｍの更新を開始し（ステップＳ３１９）、学習モードを開始する旨のメッセージを表示部２３へ出力する（ステップＳ３２１）。ステップＳ３１７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学習モデル２Ｍ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、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Ｓ３０５で学習モデル２Ｍから出力された出力情報と、ステップＳ３０１で取得した出力情報に対応する入力情報と、ステップＳ３１５で受け付けられた評価内容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２Ｍ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して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２Ｍ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）、学習モデル２Ｍの更新を停止する（ステップＳ４１８）。更新によって作成された学習モデル２Ｍを第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、学習モデル２Ｍ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。

制御部２０は、ステップＳ４０７に代替して、学習モデル２Ｍから出力される出力情報に基づく制御内容について評価受付部で受け付けた評価が高評価であるか、評価が所定値よりも高いか否かを判断してもよい。この場合、制御部２０は評価が所定値よりも高いと判断した場合、学習モデル２Ｍの更新を停止する（Ｓ４１８）。

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、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、学習モデル２Ｍ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とを含む教師データに基づいて学習モデル２Ｍを更新する。

第４実施形態では、端末装置２は、作成した学習モデル２Ｍ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１Ｍまたは学習モデル２Ｍ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、１Ｍ…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、２Ｍ…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

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、学習モデルを学習アルゴリズムによって作成する作成部と
を備え、
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、作成装置。
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、学習モデルを学習アルゴリズムによって作成する作成部と
を備え、
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、作成装置。
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、
前記人力駆動車に対し学習モードと自動制御モードとを操作により切り替えて動作する制御部と、
前記制御部が前記学習モードで動作する場合、前記人力駆動車の走行中に、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、学習モデルを学習アルゴリズムによって作成する作成部と
を備える作成装置。
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１～３のいずれか一項に記載の作成装置。
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１～４のいずれか一項に記載の作成装置。
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１～５のいずれか一項に記載の作成装置。
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１～６のいずれか一項に記載の作成装置。
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１～７のいずれか一項に記載の作成装置。
前記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学習モデルを更新する、請求項１～８のいずれか一項に記載の作成装置。
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に基づいて前記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９に記載の作成装置。
前記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、前記評価部は低評価とする、請求項１０に記載の作成装置。
前記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学習モデルを更新する、請求項１０に記載の作成装置。
前記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の合致度合いに応じて、前記重みが相違する、請求項１２に記載の作成装置。
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とし、前記操作部での操作内容とにより前記学習モデルを更新する、請求項１０に記載の作成装置。
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１４に記載の作成装置。
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１４に記載の作成装置。
前記評価部は、前記学習モデルから出力された出力情報に基づく前記コンポーネントの動作に対するユーザ評価を受け付ける評価受付部を備え、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学習モデルを更新する、請求項９に記載の作成装置。
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、また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１７に記載の作成装置。
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１７に記載の作成装置。
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１７に記載の作成装置。
作成した学習モデルを送信する送信部を備える、請求項１～２０のいずれか一項に記載の作成装置。
人力駆動車の走行に関する異なる時点の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作成された学習モデルと、
異なる時点の入力情報を取得する取得部と、
前記取得部が取得した異なる時点の入力情報を前記学習モデルに時系列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。
人力駆動車の走行に関する入力情報の変動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作成された学習モデルと、
異なる時点の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の変動を前記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。
人力駆動車に対し学習モードと自動制御モードとを操作により切り替えて動作する制御部と、
前記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作成された学習モデルと、
入力情報を取得する取得部と、
前記制御部は、自動制御モードで動作する場合、前記取得部が取得した入力情報を前記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し、学習モードで動作する場合、前記人力駆動車の走行中に、前記学習モデルを更新する
コンポーネント制御装置。
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である、請求項２２～２４のいずれか一項に記載のコンポーネント制御装置。
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、
前記変速機の段数および変速比の少なくともいずれか一方の指定操作を受け付ける操作部を備え、
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前記記憶部から読み出して入力データとし、前記入力データと前記操作部での操作により指定された段数および変速比の少なくともいずれか一方とを含む教師データに基づいて前記学習モデルを更新する、請求項２５に記載のコンポーネント制御装置。
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前記記憶部から読み出して入力データとし、前記入力データと前記操作部での操作により指定された出力情報とを含む教師データに基づいて前記学習モデルを更新する、請求項２２～２４のいずれか一項に記載のコンポーネント制御装置。
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、
前記操作部により操作を受け付けた場合、前記学習モデルの更新を開始する、請求項２２～２４のいずれか一項に記載のコンポーネント制御装置。
一定時間経過後に前記学習モデルの更新を停止する、請求項２８に記載のコンポーネント制御装置。
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、
前記制御部による制御内容の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り評価を受け付けた場合、前記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前記記憶部から読み出して入力データとし、前記入力データと前記評価受付部で受け付けた評価とを含む教師データに基づいて前記学習モデルを更新する、請求項２２～２４のいずれか一項に記載のコンポーネント制御装置。
前記評価受付部により評価を受け付けた場合、前記学習モデルの更新を開始する、請求項３０に記載のコンポーネント制御装置。
一定時間経過後に前記学習モデルの更新を停止する、請求項３１に記載のコンポーネント制御装置。
前記評価受付部により受け付けた評価が所定値より高い場合、前記学習モデルの更新を停止する、請求項３１に記載のコンポーネント制御装置。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
取得した異なる時点の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学習モデルを作成する
作成方法。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
取得した入力情報の変動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学習モデルを作成する
作成方法。
人力駆動車の走行に関する入力情報を取得し、
前記人力駆動車に対し学習モードと自動制御モードとを操作により切り替える制御部が、前記学習モードで動作する場合、前記人力駆動車の走行中に、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学習モデルを作成する
作成方法。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
異なる時点の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学習モデルに、取得された異なる時点の入力情報を時系列に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。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
異なる時点の前記入力情報の変動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学習モデルに、取得された入力情報の変動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。
人力駆動車に対し学習モードと自動制御モードとを操作により切り替えて動作し、
前記人力駆動車の走行に関する入力情報を取得し、
前記自動制御モードで動作する場合、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し、
前記学習モードで動作する場合、前記人力駆動車の走行中に、前記学習モデルを更新する、
コンポーネント制御方法。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
取得した異なる時点の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学習モデルを作成する
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。
人力駆動車の走行に関する異なる時点の入力情報を取得し、
取得した入力情報の変動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学習モデルを作成する
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。
人力駆動車の走行に関する入力情報を取得し、
前記人力駆動車に対し学習モードと自動制御モードとを操作により切り替え、
前記学習モードで動作する場合、前記人力駆動車の走行中に、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学習モデルを作成する
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。
人力駆動車の走行に関する異なる時点の入力情報が時系列に入力される入力層と、
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出力層と、
前記出力情報に関する指定操作を受け付ける操作部にて受け付けた操作内容を含む教師データに基づいて学習する中間層と、を備え、
異なる時点の入力情報を取得して時系列に前記入力層へ与え、前記中間層に基づいて演算し、前記入力情報に対応する前記出力情報を前記出力層から出力する処理に用いられる学習モデル。
人力駆動車の走行に関する入力情報の変動が入力される入力層と、
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出力層と、
前記出力情報に関する指定操作を受け付ける操作部にて受け付けた操作内容を含む教師データに基づいて学習する中間層と、を備え、
異なる時点の入力情報を取得して前記入力情報の変動を前記入力層へ与え、前記中間層に基づいて演算し、前記入力情報に対応する前記出力情報を前記出力層から出力する処理に用いられる学習モデル。
前記中間層は、前記教師データにより少なくとも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学習し、
前記中間層のパラメータに応じて演算する処理に用いられる請求項４３または４４に記載の学習モデル。