JP6829271B2 - 測定動作パラメータ調整装置、機械学習装置及びシステム - Google Patents

Description

本発明は、測定動作パラメータ調整装置、機械学習装置及びシステムに関する。

従来、図１１に例示されるように、接触式のタッチセンサ等や非接触式の視覚センサ等を機械的な機構部に取付けて、該機構部を移動させることでセンサを移動させて、測定対象物の位置を測定することが行われている。図１１に示した例では、接触式センサを用いる場合には、接触式センサがワークに接触したことを検知した時の機構部を座標値に基づいて測定対象物の位置を測定し、非接触センサを用いる場合には、非接触センサに対抗する物体の距離が変化した時、即ち非接触センサが測定対象物の端部に差し掛かった時の機構部を座標値に基づいて測定対象物の位置を測定することができる。

機械的な機構部に取付けられたセンサにより測定対象物の位置を検出する際には、測定動作開始時における機構部の位置や測定動作時の機構部の移動の速度を予め決定しておく必要がある。この様な位置と速度を決定する従来技術として、例えば特許文献１には、測定を行う前に測定対象物に対してセンサを接触させ、その時の位置に基づいて測定動作開始時における機構部の位置等を決定する技術が開示されている。

特開２０１０−２１７１８２号公報

特許文献１に開示される技術は、測定対象物の大きさや設置位置にバラつきが無い場合には有効では有るものの、実際の現場では接触式センサが接触する位置や非接触センサが距離の変化を検出する位置は同品種の測定対象物であってもバラつきが発生する。例えば、下部に穴部を備え、該穴部を台の上に設けられた突部に嵌合させて設置された測定対象物の位置を測定する場合、理想的には常に同じ位置に設置されていると考えられるが、実際には穴部と突部の間にあそびが設けられ、測定対象物の設置位置には若干ではあるがずれが生じる。また、測定対象物の形状そのものにバラつきがある場合や、同じ測定機構で異なる品種の測定対象物の位置を測定する場合もある。この様な状況に対応するためには、特許文献１に開示される技術では、最もバラつきが大きい場合を想定してマージンを持たせた測定動作開始位置を一律に設定するしかなく、状況に応じてタクトタイムを短くすることが難しい。

また、接触式センサが測定対象物に接触してデジタル信号を検出するまでの時間や、非接触式センサが測定対象物の端部に差し掛かってからデジタル信号を検出するまでの時間は、センサの種類が同じであっても個体差があるためにバラつきがあり、このバラつきを考慮してセンサの移動速度を設定しなければ、（接触式）センサが測定対象物にぶつかってセンサ、機構部、測定対象物が損傷する問題や、測定対象物の設置位置がずれてしまうという問題が生じる場合がある。更に、測定動作におけるセンサを移動させる速度は一定の速度でないと測定される測定対象物の位置にバラつきが生じるので、測定動作におけるセンサを移動させる速度は全体を考慮すれば一定の遅い速度に設定することとなるが、それではタクトタイムが遅くなってしまうという別の問題が有る。

そこで、測定対象物の設置位置や大きさ、品種にバラつきが有る場合であっても効率よく測定対象物の設置位置を測定することを可能とする測定動作パラメータ調整装置、機械学習装置及びシステムが望まれている。

本発明の一態様は、測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを調整する測定動作パラメータ調整装置であって、前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする機械学習装置を備え、前記機械学習装置は、前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、を備える、測定動作パラメータ調整装置である。

本発明の他の態様は、測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする、機械学習装置であって、前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、を備える機械学習装置である。

本発明の他の態様は、複数の装置がネットワークを介して相互に接続されたシステムであって、前記複数の装置は、少なくとも請求項１に記載された第１の測定動作パラメータ調整装置を含むシステムである。

本発明の他の態様は、測定対象物の設置位置を測定する測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をするステップを、測定対象物の設置位置を測定する測定装置で実行する測定動作パラメータの調整の学習乃至意思決定をする方法であって、前記学習モデルを用いた学習乃至意思決定をするステップは、前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測するステップと、前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得するステップと、前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習する学習するステップと、を実行する測定動作パラメータの調整の学習乃至意思決定をする方法である。

本発明により、測定対象物の設置位置や大きさ、品種にバラつきが有る場合であっても、そのバラつき具合を機械学習装置により学習させることで、効率よく測定対象物の設置位置を測定することを可能となる。

一実施形態による測定動作パラメータ調整装置の概略的なハードウェア構成図である。 一実施形態による測定動作パラメータ調整装置の概略的な機能ブロック図である。 測定動作パラメータ調整装置の一形態を示す概略的な機能ブロック図である。 機械学習方法の一形態を示す概略的なフローチャートである。 ニューロンを説明する図である。 ニューラルネットワークを説明する図である。 クラウドサーバ、フォグサーバ、エッジコンピュータを含む３階層構造のシステムの例を示す図である。 測定動作パラメータ調整装置を組み込んだシステムの一形態を示す概略的な機能ブロック図である。 測定動作パラメータ調整装置を組み込んだシステムの他の形態を示す概略的な機能ブロック図である。 図８で示したコンピュータの概略的なハードウェア構成図である。 測定動作パラメータ調整装置を組み込んだシステムの他の形態を示す概略的な機能ブロック図である。 測定装置による測定対象物の設置位置の測定動作を説明する図である。

以下、本発明の実施形態を図面と共に説明する。
図１は一実施形態による測定動作パラメータ調整装置の要部を示す概略的なハードウェア構成図である。測定動作パラメータ調整装置１は、例えばロボット等の製造機械等を制御する制御装置や、製造機械等に併設されたパソコンとして実装することができる。また、測定動作パラメータ調整装置１は、製造機械等に有線／無線のネットワークを介して接続されたセルコンピュータ、エッジコンピュータ、フォグコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータとして実装することができる。本実施形態では、測定動作パラメータ調整装置１を、製造機械等に併設されたパソコンとして実装した場合の例を示す。

本実施形態による測定動作パラメータ調整装置１が備えるＣＰＵ１１は、測定動作パラメータ調整装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、ＲＯＭ１２に格納されたシステム・プログラムをバス２０を介して読み出し、該システム・プログラムに従って測定動作パラメータ調整装置１の全体を制御する。ＲＡＭ１３には一時的な計算データやディスプレイ等の表示装置７０に表示する表示データ、キーボードやマウス、タッチパネル等の入力装置７１を介してオペレータが入力した各種データ等が一時的に格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされるなどして、測定動作パラメータ調整装置１の電源がオフされても記憶状態が保持されるメモリとして構成される。不揮発性メモリ１４には、入力装置７１を介して入力されたプログラム、測定動作パラメータ調整装置１の各部やセンサを把持したロボット等の測定装置２から取得された各種データ（例えば、測定装置２が測定する座標系内での測定装置２の位置、測定装置２が備えるセンサの測定動作開始時の位置、測定装置２が備えるセンサの測定動作時の移動速度、測定動作時のセンサが測定対象物を検出するまでの測定動作会指示からの時間、測定対象物の品種、作業者が入力したセンサや測定対象物の状態情報等）が記憶されている。不揮発性メモリ１４に記憶されたプログラムや各種データは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、公知の解析プログラムなどの各種のシステム・プログラム（後述する機械学習装置１００とのやりとりを制御するためのシステム・プログラムを含む）があらかじめ書き込まれている。

インタフェース２１は、測定動作パラメータ調整装置１と機械学習装置１００とを接続するためのインタフェースである。機械学習装置１００は、機械学習装置１００全体を統御するプロセッサ１０１と、システム・プログラム等を記憶したＲＯＭ１０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ１０３、及び学習モデル等の記憶に用いられる不揮発性メモリ１０４を備える。機械学習装置１００は、インタフェース２１を介して測定動作パラメータ調整装置１で取得可能な各情報（例えば、測定装置２が測定する座標系内での測定装置２の位置、測定装置２が備えるセンサの測定動作開始時の位置、測定装置２が備えるセンサの測定動作時の移動速度、測定動作時のセンサが測定対象物を検出するまでの測定動作会指示からの時間、測定対象物の品種、作業者が入力したセンサや測定対象物の状態情報等）を観測することができる。また、測定動作パラメータ調整装置１は、機械学習装置１００から出力される測定動作パラメータの調整指令を受けて、測定装置２による測定動作パラメータの設定を行う。

図２は、一実施形態による測定動作パラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。図２に示した各機能ブロックは、図１に示した測定動作パラメータ調整装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、測定動作パラメータ調整装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

本実施形態の測定動作パラメータ調整装置１は、機械学習装置１００から出力された測定動作パラメータの調整指令に基づいて測定装置２を制御する測定動作パラメータ設定部３４を備える。測定動作パラメータ設定部３４は、測定装置２による測定動作で用いられる測定動作パラメータの調整をする機能手段である。測定動作パラメータ設定部３４は、少なくとも測定装置２が測定対象物の位置を測定する際の測定動作開始位置と測定動作速度とを設定することができる。

一方、測定動作パラメータ調整装置１が備える機械学習装置１００は、測定動作に掛かる時間に対する測定動作の測定動作パラメータの調整を、いわゆる機械学習により自ら学習するためのソフトウェア（学習アルゴリズム等）及びハードウェア（プロセッサ１０１等）を含む。測定動作パラメータ調整装置１が備える機械学習装置１００が学習するものは、測定動作に掛かる時間と、測定動作の測定動作パラメータの調整との、相関性を表すモデル構造に相当する。

図２に機能ブロックで示すように、測定動作パラメータ調整装置１が備える機械学習装置１００は、測定動作の測定動作パラメータを示す測定動作パラメータデータＳ１、及び測定動作に掛かる時間を示す測定時間データＳ２を含む環境の現在状態を表す状態変数Ｓとして観測する状態観測部１０６と、調整された測定動作の測定動作パラメータに基づいて実行された測定動作の良否を判定するための測定動作判定データＤ１を含む判定データＤを取得する判定データ取得部１０８と、状態変数Ｓと判定データＤとを用いて、測定動作に掛かる時間と、測定動作の測定動作パラメータの調整を関連付けて学習する学習部１１０とを備える。

状態観測部１０６が観測する状態変数Ｓのうち、測定動作パラメータデータＳ１は、測定装置２において行われる測定動作の測定動作パラメータとして取得することができる。測定動作の測定動作パラメータは、例えば測定装置２による測定動作の開始時のセンサの位置、測定装置２による測定動作におけるセンサの移動速度等が例示される。これらの測定動作パラメータは、測定装置２に設定されている現在のパラメータや測定装置２を動作させるプログラムを解析して得られたパラメータ、測定動作パラメータ調整装置１に設定され、不揮発性メモリ１４等のメモリに記憶されている１学習周期前に測定装置２に設定した測定動作パラメータ等から取得することができる。

測定動作パラメータデータＳ１は、機械学習装置１００が学習部１１０の学習結果に基づいて１つ前の学習周期における測定動作に掛かる時間に対して、当該学習周期において調整した測定動作の測定動作パラメータをそのまま用いることができる。このような手法を取る場合には、機械学習装置１００は測定動作の測定動作パラメータを学習周期毎にＲＡＭ１０３に一時的に記憶しておき、状態観測部１０６は、ＲＡＭ１０３から１つ前の学習周期での測定動作の測定動作パラメータを今回の学習周期の測定動作パラメータデータＳ１として取得するようにしても良い。

状態観測部１０６が観測する状態変数Ｓのうち、測定時間データＳ２は、不揮発性メモリ１４に記録された測定装置２で実行された測定動作の開始時からセンサが測定対象物を検出するまでにかかった時間をとして取得することができる。

判定データ取得部１０８は、測定動作判定データＤ１として、調整された測定動作の測定動作パラメータに基づいて測定動作が行われた場合の該測定動作の適否の判定結果を用いることができる。判定データ取得部１０８が用いる測定動作判定データＤ１としては、例えば、調整された測定動作パラメータで測定動作を行った場合に、測定動作時のセンサの移動距離が予め定めた所定の閾値よりも小さいか（適）、大きいか（否）、測定動作時により測定対象物や測定装置２の機構部乃至センサが破損したか（否）、測定動作時により測定対象物が動いてしまったか（否）といったものを使用すれば良い。

なお、判定データ取得部１０８は、学習部１１０による学習の段階では必須の構成となるが、学習部１１０による測定動作に掛かる時間と測定動作の測定動作パラメータの調整とを関連付けた学習が完了した後には必ずしも必須の構成ではない。例えば、学習が完了した機械学習装置１００を顧客に出荷する場合等には、判定データ取得部１０８を取り外して出荷するようにしても良い。

学習部１１０に対して同時に入力される状態変数Ｓは、学習部１１０による学習周期で考えた場合、判定データＤが取得された１学習周期前のデータに基づくものとなる。このように、測定動作パラメータ調整装置１が備える機械学習装置１００が学習を進める間、環境においては、測定時間データＳ２の取得、取得した各データに基づいて調整された測定動作パラメータデータＳ１に基づいた測定装置２による測定動作の実行、判定データＤの取得が繰り返し実施される。

学習部１１０は、機械学習と総称される任意の学習アルゴリズムに従い、測定動作に掛かる時間に対する、測定動作の測定動作パラメータの調整を学習する。学習部１１０は、前述した状態変数Ｓと判定データＤとを含むデータ集合に基づく学習を反復実行することができる。測定動作に掛かる時間に対する、測定動作の測定動作パラメータの学習サイクルの反復中、状態変数Ｓは、上記したように１学習周期前における測定動作に掛かる時間、及び１学習周期前において調整された測定動作の測定動作パラメータから取得し、また判定データＤは、調整された測定動作の測定動作パラメータに基づいて行われた測定動作の適否判定結果とする。

このような学習サイクルを繰り返すことにより、学習部１１０は、測定動作に掛かる時間と、測定動作の測定動作パラメータの調整との相関性を暗示する特徴を識別することができるようになる。学習アルゴリズムの開始時には測定動作に掛かる時間と、測定動作の測定動作パラメータの調整の相関性は実質的に未知であるが、学習部１１０は、学習を進めるに従い徐々に特徴を識別して相関性を解釈する。測定動作に掛かる時間と、測定動作の測定動作パラメータの調整との相関性が、ある程度信頼できる水準まで解釈されると、学習部１１０が反復出力する学習結果は、現在状態（つまり測定動作に掛かる時間）に対して、測定動作の測定動作パラメータをどう調整するべきかという行動の選択（つまり意思決定）を行うために使用できるものとなる。つまり学習部１１０は、学習アルゴリズムの進行に伴い、測定動作に掛かる時間に対して測定動作の測定動作パラメータをどのように調整するべきかという行動との、相関性を最適解に徐々に近づけることができる。

意思決定部１２２は、学習部１１０が学習した結果に基づいて、測定動作の測定動作パラメータを調整し、調整した測定動作の測定動作パラメータを測定動作パラメータ設定部３４へと出力する。意思決定部１２２は、学習部１１０による学習が測定動作パラメータの調整に利用可能な状態になった段階において、機械学習装置１００に測定動作に掛かる時間が入力されると、測定動作の測定動作パラメータ（測定動作開始時のセンサの位置及びセンサの移動速度の少なくともいずれか等）を出力する。意思決定部１２２は、状態変数Ｓと学習部１１０が学習した結果に基づいて、適切な測定動作の測定動作パラメータを調整する。

上記したように、測定動作パラメータ調整装置１が備える機械学習装置１００は、状態観測部１０６が観測した状態変数Ｓと判定データ取得部１０８が取得した判定データＤとを用いて、学習部１１０が機械学習アルゴリズムに従い、測定動作に掛かる時間に対する測定動作の測定動作パラメータの調整を学習するものである。状態変数Ｓは、測定動作パラメータデータＳ１、及び測定時間データＳ２といったデータで構成され、また判定データＤは、測定装置２による測定動作時に取得された情報から一義的に求められる。したがって、測定動作パラメータ調整装置１が備える機械学習装置１００によれば、学習部１１０の学習結果を用いることで、測定動作に掛かる時間に応じた、測定動作の測定動作パラメータの調整を、自動的かつ正確に行うことが可能となる。

そして、測定動作の測定動作パラメータの調整を、自動的に行うことができれば、測定動作に掛かる時間（測定時間データＳ２）を把握するだけで、測定動作の測定動作パラメータの適切な値を迅速に調整することができる。したがって、測定動作の測定動作パラメータの調整を効率よく行うことができる。

測定動作パラメータ調整装置１が備える機械学習装置１００の一変形例として、状態観測部１０６は、測定動作パラメータデータＳ１、及び測定時間データＳ２に加えて、測定対象物の品種情報を示す品種データＳ３を、状態変数Ｓとして観測するようにしても良い。品種データＳ３としては、測定対象物の種類が一意に定まるように付与した識別番号等を用いることができる。品種データＳ３を状態変数Ｓとして用いることにより、測定対象物の品種に応じた測定動作の開始時のセンサの位置や移動速度を学習し、測定動作パラメータの調整に反映することができるようになる。

測定動作パラメータ調整装置１が備える機械学習装置１００の他の変形例として、状態観測部１０６は、測定動作パラメータデータＳ１、及び測定時間データＳ２に加えて、測定動作が実行される時間帯や季節、温度、湿度等の測定環境を示す測定環境データＳ４を、状態変数Ｓとして観測するようにしても良い。測定対象物によっては、温度や湿度、時期等によって大きさや強度のバラつきが変化する物（パンや餅等の加工食品や、果物、野菜等）があり、このような測定対象物を観測する測定動作においては、状態変数として測定環境データＳ４を観測して用いることで、より適切な測定動作パラメータの調整を行うことができるようになる。

上記構成を有する機械学習装置１００では、学習部１１０が実行する学習アルゴリズムは特に限定されず、機械学習として公知の学習アルゴリズムを採用できる。図３は、図２に示す測定動作パラメータ調整装置１の一形態であって、学習アルゴリズムの一例として強化学習を実行する学習部１１０を備えた構成を示す。強化学習は、学習対象が存在する環境の現在状態（つまり入力）を観測するとともに現在状態で所定の行動（つまり出力）を実行し、その行動に対し何らかの報酬を与えるというサイクルを試行錯誤的に反復して、報酬の総計が最大化されるような方策（本願の機械学習装置では測定動作の測定動作パラメータ）を最適解として学習する手法である。

図３に示す測定動作パラメータ調整装置１が備える機械学習装置１００において、学習部１１０は、状態変数Ｓに基づいて測定動作の測定動作パラメータの調整がされ、調整された測定動作の測定動作パラメータに基づく測定装置２による測定動作の適否判定結果（状態変数Ｓが取得された次の学習周期で用いられる判定データＤに相当）に関連する報酬Ｒを求める報酬計算部１１２と、報酬Ｒを用いて、測定動作の測定動作パラメータの価値を表す関数Ｑを更新する価値関数更新部１１４とを備える。学習部１１０は、価値関数更新部１１４が関数Ｑの更新を繰り返すことによって測定動作に掛かる時間に対する測定動作の測定動作パラメータの調整を学習する。

学習部１１０が実行する強化学習のアルゴリズムの一例を説明する。この例によるアルゴリズムは、Ｑ学習（Ｑ−ｌｅａｒｎｉｎｇ）として知られるものであって、行動主体の状態ｓと、その状態ｓで行動主体が選択し得る行動ａとを独立変数として、状態ｓで行動ａを選択した場合の行動の価値を表す関数Ｑ（ｓ，ａ）を学習する手法である。状態ｓで価値関数Ｑが最も高くなる行動ａを選択することが最適解となる。状態ｓと行動ａとの相関性が未知の状態でＱ学習を開始し、任意の状態ｓで種々の行動ａを選択する試行錯誤を繰り返すことで、価値関数Ｑを反復して更新し、最適解に近付ける。ここで、状態ｓで行動ａを選択した結果として環境（つまり状態ｓ）が変化したときに、その変化に応じた報酬（つまり行動ａの重み付け）ｒが得られるように構成し、より高い報酬ｒが得られる行動ａを選択するように学習を誘導することで、価値関数Ｑを比較的短時間で最適解に近付けることができる。

価値関数Ｑの更新式は、一般に下記の数１式のように表すことができる。数１式において、ｓ_t及びａ_tはそれぞれ時刻ｔにおける状態及び行動であり、行動ａ_tにより状態はｓ_t+1に変化する。ｒ_t+1は、状態がｓ_tからｓ_t+1に変化したことで得られる報酬である。ｍａｘＱの項は、時刻ｔ＋１で最大の価値Ｑになる（と時刻ｔで考えられている）行動ａを行ったときのＱを意味する。α及びγはそれぞれ学習係数及び割引率であり、０＜α≦１、０＜γ≦１で任意設定される。

学習部１１０がＱ学習を実行する場合、状態観測部１０６が観測した状態変数Ｓ及び判定データ取得部１０８が取得した判定データＤは、更新式の状態ｓに該当し、現在状態（つまり、測定動作に掛かる時間）に対する測定動作の測定動作パラメータをどのように調整するべきかという行動は、更新式の行動ａに該当し、報酬計算部１１２が求める報酬Ｒは、更新式の報酬ｒに該当する。よって価値関数更新部１１４は、現在状態に対する測定動作の測定動作パラメータの価値を表す関数Ｑを、報酬Ｒを用いたＱ学習により繰り返し更新する。

報酬計算部１１２が求める報酬Ｒは、例えば、測定動作の測定動作パラメータを調整した後に行われる、調整された測定動作の測定動作パラメータに基づいて行われた測定動作の適否判定結果が「適」と判定される場合（例えば、測定動作に掛かる時間が予め定めた所定の閾値以下である場合等）に正（プラス）の報酬Ｒとし、測定動作の測定動作パラメータを調整した後に行われる、調整された測定動作の測定動作パラメータに基づいて行われた測定動作の適否判定結果が「否」と判定される場合（例えば、測定動作に掛かる時間が予め定めた所定の閾値を超える場合、センサが測定対象物に衝突した場合、測定対象物が動いてしまった場合等）に負（マイナス）の報酬Ｒとすることができる。正負の報酬Ｒの絶対値は、互いに同一であってもよいし異なっていてもよい。また、判定の条件として、判定データＤに含まれる複数の値を組み合わせて判定するようにしても良い。

また、調整された測定動作パラメータに基づく測定動作の適否判定結果を、「適」及び「否」の二通りだけでなく複数段階に設定することができる。例として、測定動作に掛かる時間の閾値がＴ_maxである場合、測定動作に掛かる時間Ｔが、０≦Ｔ＜Ｔ_max／５のときは報酬Ｒ＝５を与え、Ｔ_max／５≦Ｔ＜Ｔ_max／２のときは報酬Ｒ＝３を与え、Ｔ_max／２≦Ｔ＜Ｔ_maxのときは報酬Ｒ＝１を、Ｔ_max≦Ｔのときは報酬Ｒ＝−３（マイナスの報酬）を与えるような構成とすることができる。

更に、学習の初期段階は判定に用いる閾値を比較的大きく設定し、学習が進行するにつれて判定に用いる閾値を縮小する構成とすることもできる。

価値関数更新部１１４は、状態変数Ｓと判定データＤと報酬Ｒとを、関数Ｑで表される行動価値（例えば数値）と関連付けて整理した行動価値テーブルを持つことができる。この場合、価値関数更新部１１４が関数Ｑを更新するという行為は、価値関数更新部１１４が行動価値テーブルを更新するという行為と同義である。Ｑ学習の開始時には環境の現在状態と測定動作の測定動作パラメータの調整との相関性は未知であるから、行動価値テーブルにおいては、種々の状態変数Ｓと判定データＤと報酬Ｒとが、無作為に定めた行動価値の値（関数Ｑ）と関連付けた形態で用意されている。なお報酬計算部１１２は、判定データＤが分かれば、これに対応する報酬Ｒを直ちに算出でき、算出した値Ｒが行動価値テーブルに書き込まれる。

測定装置２の動作の適否判定結果に応じた報酬Ｒを用いてＱ学習を進めると、より高い報酬Ｒが得られる行動を選択する方向へ学習が誘導され、選択した行動を現在状態で実行した結果として変化する環境の状態（つまり状態変数Ｓ及び判定データＤ）に応じて、現在状態で行う行動についての行動価値の値（関数Ｑ）が書き換えられて行動価値テーブルが更新される。この更新を繰り返すことにより、行動価値テーブルに表示される行動価値の値（関数Ｑ）は、適正な行動（本発明の場合、測定対象物、測定装置２の機構部やセンサが壊れたり、測定対象物が動かない範囲で、測定動作開始時のセンサの位置を測定対象物に近づけたり、センサの移動速度を増加させたり等、測定動作の測定動作パラメータを調整する行動）であるほど大きな値となるように書き換えられる。このようにして、未知であった環境の現在状態（測定動作に掛かる時間）とそれに対する行動（測定動作の測定動作パラメータの調整）との相関性が徐々に明らかになる。つまり行動価値テーブルの更新により、測定動作に掛かる時間と、測定動作の測定動作パラメータの調整との関係が最適解に徐々に近づけられる。

図４を参照して、学習部１１０が実行する上記したＱ学習のフロー（つまり機械学習方法の一形態）をさらに説明する。まずステップＳＡ０１で、価値関数更新部１１４は、その時点での行動価値テーブルを参照しながら、状態観測部１０６が観測した状態変数Ｓが示す現在状態で行う行動として測定動作の測定動作パラメータの調整行動を無作為に選択する。次に価値関数更新部１１４は、ステップＳＡ０２で、状態観測部１０６が観測している現在状態の状態変数Ｓを取り込み、ステップＳＡ０３で、判定データ取得部１０８が取得している現在状態の判定データＤを取り込む。次に価値関数更新部１１４は、ステップＳＡ０４で、判定データＤに基づき、調整された測定動作の測定動作パラメータによる測定動作が適当であったか否かを判断し、適当であった場合、ステップＳＡ０５で、報酬計算部１１２が求めた正の報酬Ｒを関数Ｑの更新式に適用し、次いでステップＳＡ０６で、現在状態における状態変数Ｓ及び判定データＤと報酬Ｒと行動価値の値（更新後の関数Ｑ）とを用いて行動価値テーブルを更新する。ステップＳＡ０４で、調整された測定動作の測定動作パラメータによる測定動作が適当でなかったと判断した場合、ステップＳＡ０７で、報酬計算部１１２が求めた負の報酬Ｒを関数Ｑの更新式に適用し、次いでステップＳＡ０６で、現在状態における状態変数Ｓ及び判定データＤと報酬Ｒと行動価値の値（更新後の関数Ｑ）とを用いて行動価値テーブルを更新する。学習部１１０は、ステップＳＡ０１〜ＳＡ０７を繰り返すことで行動価値テーブルを反復して更新し、測定動作の測定動作パラメータの調整の学習を進行させる。なお、ステップＳＡ０４からステップＳＡ０７までの報酬Ｒを求める処理及び価値関数の更新処理は、判定データＤに含まれるそれぞれのデータについて実行される。

前述した強化学習を進める際に、例えばニューラルネットワークを応用することができる。図５Ａは、ニューロンのモデルを模式的に示す。図５Ｂは、図５Ａに示すニューロンを組み合わせて構成した三層のニューラルネットワークのモデルを模式的に示す。ニューラルネットワークは、例えば、ニューロンのモデルを模した演算装置や記憶装置等によって構成できる。

図５Ａに示すニューロンは、複数の入力ｘ（ここでは一例として、入力ｘ₁〜入力ｘ₃）に対する結果ｙを出力するものである。各入力ｘ₁〜ｘ₃には、この入力ｘに対応する重みｗ（ｗ₁〜ｗ₃）が掛けられる。これにより、ニューロンは、次の数２式により表現される出力ｙを出力する。なお、数２式において、入力ｘ、出力ｙ及び重みｗは、すべてベクトルである。また、θはバイアスであり、ｆ_kは活性化関数である。

図５Ｂに示す三層のニューラルネットワークは、左側から複数の入力ｘ（ここでは一例として、入力ｘ１〜入力ｘ３）が入力され、右側から結果ｙ（ここでは一例として、結果ｙ１〜結果ｙ３）が出力される。図示の例では、入力ｘ１、ｘ２、ｘ３のそれぞれに対応の重み（総称してＷ１で表す）が乗算されて、個々の入力ｘ１、ｘ２、ｘ３がいずれも３つのニューロンＮ１１、Ｎ１２、Ｎ１３に入力されている。

図５Ｂでは、ニューロンＮ１１〜Ｎ１３の各々の出力を、総称してｚ１で表す。ｚ１は、入カベクトルの特徴量を抽出した特徴ベクトルと見なすことができる。図示の例では、特徴ベクトルｚ１のそれぞれに対応の重み（総称してＷ２で表す）が乗算されて、個々の特徴ベクトルｚ１がいずれも２つのニューロンＮ２１、Ｎ２２に入力されている。特徴ベクトルｚ１は、重みＷ１と重みＷ２との間の特徴を表す。

図５Ｂでは、ニューロンＮ２１〜Ｎ２２の各々の出力を、総称してｚ２で表す。ｚ２は、特徴ベクトルｚ１の特徴量を抽出した特徴ベクトルと見なすことができる。図示の例では、特徴ベクトルｚ２のそれぞれに対応の重み（総称してＷ３で表す）が乗算されて、個々の特徴ベクトルｚ２がいずれも３つのニューロンＮ３１、Ｎ３２、Ｎ３３に入力されている。特徴ベクトルｚ２は、重みＷ２と重みＷ３との間の特徴を表す。最後にニューロンＮ３１〜Ｎ３３は、それぞれ結果ｙ１〜ｙ３を出力する。
なお、三層以上の層を為すニューラルネットワークを用いた、いわゆるディープラーニングの手法を用いることも可能である。

測定動作パラメータ調整装置１が備える機械学習装置１００においては、ニューラルネットワークをＱ学習における価値関数として用い、状態変数Ｓと行動ａとを入力ｘとして、学習部１１０が上記したニューラルネットワークに従う多層構造の演算を行うことで、当該状態における当該行動の価値（結果ｙ）を出力することもできる。なお、ニューラルネットワークの動作モードには、学習モードと価値予測モードとがあり、例えば学習モードで学習データセットを用いて重みｗを学習し、学習した重みｗを用いて価値予測モードで行動の価値判断を行うことができる。なお価値予測モードでは、検出、分類、推論等を行うこともできる。

上記した測定動作パラメータ調整装置１の構成は、プロセッサ１０１が実行する機械学習方法（或いはソフトウェア）として記述できる。この機械学習方法は、測定動作の測定動作パラメータの調整を学習する機械学習方法であって、コンピュータのＣＰＵが、測定動作パラメータデータＳ１、及び測定時間データＳ２を、測定装置２が動作する環境の現在状態を表す状態変数Ｓとして観測するステップと、調整された測定動作の測定動作パラメータに基づく測定動作の適否判定結果を示す判定データＤを取得するステップと、状態変数Ｓと判定データＤとを用いて、測定時間データＳ２と、測定動作の測定動作パラメータの調整とを関連付けて学習するステップとを有する。

以下の第２〜４の実施形態では、第１の実施形態による測定動作パラメータ調整装置１が、クラウドサーバやホストコンピュータ、フォグコンピュータ、エッジコンピュータ（ロボットコントローラ、制御装置等）を含む複数の装置と有線／無線のネットワークを介して相互に接続した実施形態について説明する。図６に例示されるように、以下の第２〜４の実施形態では、複数の装置のそれぞれがネットワークに接続された状態でクラウドサーバ６等を含む層、フォグコンピュータ７等を含む層、エッジコンピュータ８（セル９に含まれるロボットコントローラ、制御装置等）等を含む層の、３つの階層に論理的に分けて構成されているシステムを想定する。この様なシステムにおいて、測定動作パラメータ調整装置１は、クラウドサーバ６、フォグコンピュータ７、エッジコンピュータ８のいずれの上にも実装することが可能であり、それぞれの複数の装置との間でネットワークを介して相互に学習データを共有して分散学習をしたり、生成した学習モデルをフォグコンピュータ７やクラウドサーバ６に収集して大規模な解析を行ったり、更に、生成した学習モデルの相互再利用等をしたりすることができる。図６に例示されるシステムにおいて、セル９は各地の工場にそれぞれ複数設けられ、それぞれのセル９を所定の単位（工場単位、同じ製造業者の複数の工場単位等）で上位層のフォグコンピュータ７が管理する。そして、これらフォグコンピュータ７が収集、解析したデータを、更に上位層のクラウドサーバ６で収集、解析等を行い、その結果として得られた情報を各々のエッジコンピュータの制御等に活用することができる。

図７は、測定動作パラメータ調整装置１を備えた第２の実施形態によるシステム１７０を示す。システム１７０は、エッジコンピュータやフォグコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータの一部として実装された少なくとも１台の測定動作パラメータ調整装置１と、測定動作パラメータの調整の対象となる複数の測定装置２と、測定動作パラメータ調整装置１、測定装置２を互いに接続する有線／無線のネットワーク１７２とを備える。

上記構成を有するシステム１７０は、機械学習装置１００を備える測定動作パラメータ調整装置１が、学習部１１０の学習結果を用いて、測定動作に掛かる時間に対する測定動作の測定動作パラメータの調整を、それぞれの測定装置２毎に自動的かつ正確に求めることができる。また、測定動作パラメータ調整装置１の機械学習装置１００が、複数の測定装置２のそれぞれについて得られた状態変数Ｓ及び判定データＤに基づき、全ての測定装置２に共通する測定動作の測定動作パラメータの調整を学習し、その学習結果を全ての測定装置２の動作において共有するように構成できる。したがってシステム１７０によれば、より多様なデータ集合（状態変数Ｓ及び判定データＤを含む）を入力として、測定動作の測定動作パラメータの調整の学習の速度や信頼性を向上させることができる。

図８は、測定動作パラメータ調整装置１を備えた第３の実施形態によるシステム１７０を示す。システム１７０は、セルコンピュータやフォグコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータ５の上に実装された少なくとも１台の機械学習装置１００’と、測定装置２が設置されている機械３を制御する制御装置（エッジコンピュータ）として実装された少なくとも１台の測定動作パラメータ調整装置１と、コンピュータ５及び測定動作パラメータ調整装置１を互いに接続する有線／無線のネットワーク１７２とを備える。

上記構成を有するシステム１７０では、機械学習装置１００’を備えるコンピュータ５が、各々の機械３を制御する測定動作パラメータ調整装置１（制御装置）から、該測定動作パラメータ調整装置１が備える機械学習装置１００による機械学習の結果として得られた学習モデルを取得する。そして、コンピュータ５が備える機械学習装置１００’は、これら複数の学習モデルに基づく知識の最適化や効率化の処理を行うことで、新たに最適化乃至効率化された学習モデルを生成し、生成した学習モデルを各々の機械３（測定装置２）を制御する測定動作パラメータ調整装置１に対して配布する。

機械学習装置１００’が行う学習モデルの最適化乃至効率化の例としては、各測定動作パラメータ調整装置１から取得した複数の学習モデルに基づいた蒸留モデルの生成が挙げられる。この場合、本実施形態による機械学習装置１００’は、学習モデルに対して入力する入力データを作成し、該入力モデルを各々の学習モデルに対して入力した結果として得られる出力を用いて、１から学習を行うことで新たに学習モデル（蒸留モデル）を生成する。このようにして生成された蒸留モデルは、上記でも説明したように、外部記憶媒体やネットワーク等を介した他の装置に対する配布により適している。

機械学習装置１００’が行う学習モデルの最適化乃至効率化の他の例としては、各測定動作パラメータ調整装置１から取得した複数の学習モデルに対して蒸留を行う過程において、入力データに対する各学習モデルの出力の分布を一般的な統計的手法で解析し、入力データと出力データの組の外れ値を抽出し、該外れ値を除外した入力データと出力データの組を用いて蒸留を行うことも考えられる。このような過程を経ることで、それぞれの学習モデルから得られる入力データと出力データの組から例外的な推定結果を除外し、該例外的な推定結果を除外した入力データと出力データの組を用いて蒸留モデルを生成することができる。このようにして生成された蒸留モデルは、複数の測定動作パラメータ調整装置１で生成された学習モデルから、当該測定動作パラメータ調整装置１が制御する機械３（測定装置２）に対して汎用的な蒸留モデルを生成することができる。
なお、他の一般的な学習モデルの最適化乃至効率化の手法（各学習モデルを解析し、その解析結果に基づいて学習モデルのハイパパラメータを最適化する等）も適宜導入することが可能である。

本実施形態によるシステムでは、例えばエッジコンピュータとしての複数の測定動作パラメータ調整装置１の管理をするために設けられたフォグコンピュータとしてのコンピュータ５の上に機械学習装置１００’を配置し、各々の測定動作パラメータ調整装置１で生成された学習モデルをフォグコンピュータ上に集約して記憶しておき、記憶した複数の学習モデルに基づいた最適化乃至効率化を行った上で、最適化乃至効率化された学習モデルを必要に応じて各測定動作パラメータ調整装置１に対して再配布するという運用を行うことができる。

また、本実施形態によるシステムでは、例えばフォグコンピュータとしてのコンピュータ５の上に集約して記憶された学習モデルや、フォグコンピュータ上で最適化乃至効率化された学習モデルを、更に上位のホストコンピュータやクラウドサーバ上に集め、これら学習モデルを用いて工場や測定装置２のメーカでの知的作業への応用（上位サーバでの更なる汎用的な学習モデルの構築及び再配布、学習モデルの解析結果に基づく測定装置２の保守作業の支援、各々の測定装置２の性能等の分析、新しい機械の開発への応用等）を行うことができる。

図９は、図８で示したコンピュータ５の概略的なハードウェア構成図である。
コンピュータ５が備えるＣＰＵ５１１は、コンピュータ５を全体的に制御するプロセッサである。ＣＰＵ５１１は、ＲＯＭ５１２に格納されたシステム・プログラムをバス５２０を介して読み出し、該システム・プログラムに従ってコンピュータ５全体を制御する。ＲＡＭ５１３には一時的な計算データ、入力装置５３１を介して作業者が入力した各種データ等が一時的に格納される。

不揮発性メモリ５１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成され、コンピュータ５の電源がオフされても記憶状態が保持される。不揮発性メモリ５１４には、コンピュータ５の動作に係る設定情報が格納される設定領域や、入力装置５３１から入力されたデータ、各測定動作パラメータ調整装置１から取得される学習モデル、図示しない外部記憶装置やネットワークを介して読み込まれたデータ等が記憶される。不揮発性メモリ５１４に記憶されたプログラムや各種データは、実行時／利用時にはＲＡＭ５１３に展開されても良い。また、ＲＯＭ５１２には、各種データを解析するための公知の解析プログラム等を含むシステム・プログラムが予め書き込まれている。

コンピュータ５は、インタフェース５１６を介してネットワーク１７２と接続されている。ネットワーク１７２には、少なくとも１つの測定動作パラメータ調整装置１や他のコンピュータ等が接続され、コンピュータ５との間で相互にデータのやり取りを行っている。

表示装置５３０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ等がインタフェース５１７を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置５３１は、作業者による操作に基づく指令、データ等をインタフェース５１８を介してＣＰＵ５１１に渡す。
なお、機械学習装置１００については、コンピュータ５のＣＰＵ５１１と協働して学習モデルの最適化乃至効率化に用いられる点を除けば、図１で説明したものと同様のハードウェア構成を備える。

図１０は、測定動作パラメータ調整装置１を備えた第４の実施形態によるシステム１７０を示す。システム１７０は、測定装置２が設置されている機械３を制御する制御装置（エッジコンピュータ）として実装された少なくとも１台の測定動作パラメータ調整装置１と、複数台の他の測定装置２が設置されている機械３を制御する制御装置４と、これらを互いに接続する有線／無線のネットワーク１７２とを備える。

上記構成を有するシステム１７０では、機械学習装置１００を備える測定動作パラメータ調整装置１は、制御対象となる機械３（測定装置２）から取得された状態データや判定データ、（機械学習装置１００を備えていない）他の制御装置４から取得した状態データや判定データに基づいた機械学習を行い、学習モデルを生成する。このようにして生成された学習モデルは、自身の制御する機械（測定装置２）の測定動作における測定動作パラメータの調整に用いられる他、機械学習装置１００を備えていない他の機械３（測定装置２）を制御する制御装置４からの要求に応じて該他の機械３（測定装置２）における測定動作パラメータの調整にも用いられる。また、新たに学習モデル生成前の機械学習装置１００を備えた測定動作パラメータ調整装置１が導入された際には、ネットワーク１７２を介して学習モデルを備えた他の測定動作パラメータ調整装置１から該学習モデルを取得して利用することも可能となる。

本実施形態によるシステムでは、いわゆるエッジコンピュータとしての複数の測定動作パラメータ調整装置１や制御装置４の間で学習に用いるデータや学習モデルを共有して活用することが可能となるため、機械学習の効率の向上や、機械学習にかけるコストの削減（１台の制御装置（測定動作パラメータ調整装置１）にのみ機械学習装置１００を導入し、他の制御装置４との間で共有するなど）をすることができる。

以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。

例えば、機械学習装置１００が実行する学習アルゴリズムや演算アルゴリズム、測定動作パラメータ調整装置１が実行する制御アルゴリズム等は、上述したものに限定されず、様々なアルゴリズムを採用できる。

また、上記した実施形態では測定動作パラメータ調整装置１と機械学習装置１００が異なるＣＰＵを有する装置として説明しているが、機械学習装置１００は測定動作パラメータ調整装置１が備えるＣＰＵ１１と、ＲＯＭ１２に記憶されるシステム・プログラムにより実現するようにしても良い。

１ 測定動作パラメータ調整装置
２ 測定装置
３ 機械
４ 制御装置
５ コンピュータ
６ クラウドサーバ
７ フォグコンピュータ
８ エッジコンピュータ
９ セル
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 不揮発性メモリ
１７，１８，１９ インタフェース
２０ バス
２１ インタフェース
７０ 表示装置
７１ 入力装置
１００ 機械学習装置
１０１ プロセッサ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 不揮発性メモリ
１０６ 状態観測部
１０８ 判定データ取得部
１０９ ラベルデータ取得部
１１０ 学習部
１１２ 報酬計算部
１１４ 価値関数更新部
１２２ 意思決定部
１７０ システム
１７２ ネットワーク
５１１ ＣＰＵ
５１２ ＲＯＭ
５１３ ＲＡＭ
５１４ 不揮発性メモリ
５１６、５１６，５１７ インタフェース
５２０ バス
５３０ 表示装置
５３１ 入力装置

Claims (14)

1. 測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを調整する測定動作パラメータ調整装置であって、
   前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする機械学習装置を備え、
   前記機械学習装置は、
   前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、
   前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、
   前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、を備える、
   測定動作パラメータ調整装置。
2. 前記状態観測部は、更に前記測定対象物の品種情報を示す品種データを、環境の現在状態を表す状態変数として観測し、
   前記学習部は、前記測定動作に掛かる時間及び前記測定対象物の品種情報と、前記測定動作の測定動作パラメータの調整とを関連付けて学習する、
   請求項１に記載の測定動作パラメータ調整装置。
3. 前記学習部は、
   前記適否判定結果に関連する報酬を求める報酬計算部と、
   前記報酬を用いて、前記測定動作に掛かる時間に対する前記測定動作の測定動作パラメータの調整行動の価値を表す関数を更新する価値関数更新部と、
   を備え、
   前記報酬計算部は、前記測定動作に掛かる時間が短い程、高い報酬を与え、前記測定動作に掛かる時間が遅い程、また、前記測定対象物、前記測定装置に破損が生じた場合、前記測定対象物が動いてしまった場合、低い報酬を与える、
   請求項１又は２に記載の測定動作パラメータ調整装置。
4. 前記学習部は、前記状態変数と前記判定データとを多層構造で演算する、
   請求項１又は２に記載の測定動作パラメータ調整装置。
5. 前記機械学習装置は、
   前記状態観測部が観測した状態変数と、前記学習モデルとに基づいて、測定動作の測定動作パラメータの調整を決定する意思決定部をさらに備える、
   請求項１に記載の測定動作パラメータ調整装置。
6. 前記機械学習装置は、クラウドサーバに存在する、
   請求項１〜５のいずれか１つに記載の測定動作パラメータ調整装置。
7. 測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする、
   機械学習装置であって、
   前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、
   前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、
   前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、
   を備える機械学習装置。
8. 前記状態観測部が観測した状態変数と、前記学習モデルとに基づいて、測定動作の測定動作パラメータの調整を決定する意思決定部と、
   を備える請求項７に記載の機械学習装置。
9. 複数の装置がネットワークを介して相互に接続されたシステムであって、
   前記複数の装置は、少なくとも請求項１に記載された第１の測定動作パラメータ調整装置を含む
   システム。
10. 前記複数の装置は、機械学習装置を備えたコンピュータを含み、
    前記コンピュータは、前記測定動作パラメータ調整装置の前記学習部における学習により生成された少なくとも１つの学習モデルを取得し、
    前記コンピュータが備える機械学習装置は、取得した前記学習モデルに基づいて最適化乃至効率化を行う、
    請求項９に記載のシステム。
11. 前記複数の装置は、前記第１の測定動作パラメータ調整装置とは異なる第２の測定動作パラメータ調整装置を含み、
    前記第１の測定動作パラメータ調整装置が備える学習部による学習モデルは、前記第２の測定動作パラメータ調整装置と共有される、
    請求項９に記載のシステム。
12. 前記複数の装置は、測定装置を制御する制御装置を含み、
    前記制御装置において取得された前記測定装置に係るデータは、前記ネットワークを介して前記第１の測定動作パラメータ調整装置が備える学習部による学習に利用可能である、請求項９に記載のシステム。
13. 測定対象物の設置位置を測定する測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をするステップを、測定対象物の設置位置を測定する測定装置で実行する測定動作パラメータの調整の学習乃至意思決定をする方法であって、
    前記学習モデルを用いた学習乃至意思決定をするステップは、
    前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測するステップと、
    前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得するステップと、
    前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習する学習するステップと、
    を実行する測定動作パラメータの調整の学習乃至意思決定をする方法。
14. 前記学習モデルを用いた学習乃至意思決定をするステップは、
    観測した状態変数と、測定動作に掛かる時間及び測定動作の測定動作パラメータの調整を関連付けて学習した学習結果とに基づいて、測定動作の測定動作パラメータの調整を決定するステップを更に実行する、
    請求項１３に記載の測定動作パラメータの調整の学習乃至意思決定をする方法。

Images