JP7088313B2 - マルチデバイス連携制御装置、マルチデバイス連携制御方法およびマルチデバイス連携制御プログラム - Google Patents
マルチデバイス連携制御装置、マルチデバイス連携制御方法およびマルチデバイス連携制御プログラム Download PDFInfo
- Publication number
- JP7088313B2 JP7088313B2 JP2020559691A JP2020559691A JP7088313B2 JP 7088313 B2 JP7088313 B2 JP 7088313B2 JP 2020559691 A JP2020559691 A JP 2020559691A JP 2020559691 A JP2020559691 A JP 2020559691A JP 7088313 B2 JP7088313 B2 JP 7088313B2
- Authority
- JP
- Japan
- Prior art keywords
- actuator
- service
- sufficiency
- control amount
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
また、マルチデバイス連携制御装置は、試行後のサービス充足度が目標サービス充足度より小さい場合であっても、試行後のサービス充足度と目標サービス充足度との乖離度を用いた進化戦略アルゴリズムを適用して調整制御量を算出し、調整後のアクチュエータ制御量を算出することができる。よって、マルチデバイス連携制御装置は、物理空間に配置されたセンサデバイスだけでは網羅できない環境要因や、学習データが不十分なこと等により、試行後のサービス充足度が目標サービス充足度より小さい場合であっても、適切にアクチュエータ制御量を調整することができる。
図1は、本実施形態に係るマルチデバイス連携制御装置1を含むマルチデバイス連携制御システム1000の構成を示す図である。
マルチデバイス連携制御システム1000は、マルチデバイス連携制御装置1と、1つ以上のセンサデバイス2(図1においては、2台のセンサデバイス2)と、1つ以上のアクチュエータデバイス(図1においては2台のアクチュエータデバイス3)とを含んで構成される。マルチデバイス連携制御装置1と、各センサデバイス2および各アクチュエータデバイス3とは通信接続され情報の送受信を行う。また、各センサデバイス2および各アクチュエータデバイス3は、同一の物理空間上(例えば、同一室内、同一施設内、同一域内(公園内)など)に存在するデバイスである。
次に、本実施形態に係るマルチデバイス連携制御装置1について具体的に説明する。
マルチデバイス連携制御装置1は、制御部、入出力部および記憶部(いずれも図示省略)を備えるコンピュータにより実現される。
入出力部は、情報の送受信を行うための通信インタフェース、および、タッチパネルやキーボード等の入力装置や、モニタ等の出力装置との間で情報の送受信を行うための入出力インタフェースからなる。
また、アクチュエータ制御量算出部10は、算出したアクチュエータ制御量(制御目標量)でアクチュエータデバイス3を制御(試行)した後、試行後のサービス充足度を取得し、目標サービス充足度との乖離度(詳細は後記)に基づき、アクチュエータ制御量を調整する。そして、アクチュエータ制御量算出部10は、調整後のアクチュエータ制御量をアクチュエータ制御部13に出力することにより、アクチュエータデバイス3を制御(試行)して試行後のサービス充足度をさらに算出し、試行毎に調整を繰り返し行うことで、より適切なアクチュエータ制御量を算出する。詳細は、後記する図6を参照して説明する。
このアクチュエータ制御量算出部10は、目標制御量算出部100(学習装置)と、制御量調整部110とを含んで構成される。
目標制御量算出部100(学習装置)は、サービス充足度取得部101と、学習部102と、アクチュエータ制御量出力部103と、サービス充足度-アクチュエータ制御量対応情報150(図3参照)とを備える。
また、アクチュエータ制御量出力部103は、学習部102がサービス充足度を入力値として算出したアクチュエータ制御量(目標制御量)を、サービス充足度-アクチュエータ制御量対応情報150に、入力値に対応する出力値(アクチュエータ制御量)として格納する。そして、アクチュエータ制御量出力部103は、そのアクチュエータ制御量(目標制御量)を、アクチュエータ制御部13(図1)に出力する。
図3に示すように、サービス充足度-アクチュエータ制御量対応情報150には、センサデバイス2毎(図3においては、「センサ1」「センサ2」)に、サービス充足度算出部12が算出したサービス充足度の情報が格納される。図3の例では、No.1のレコードにおいて、センサ1のサービス充足度が「50」であり、センサ2のサービス充足度が「70」である。このサービス充足度を入力値として、学習部102が出力した結果が、各アクチュエータデバイス3毎(図3においては、「アクチュエータ1」「アクチュエータ2」)に、アクチュエータ制御量(目標制御量)として格納される。図3の例では、No.1のレコードにおいて、アクチュエータ1のアクチュエータ制御量(目標制御量)が「30」、アクチュエータ2のアクチュエータ制御量(目標制御量)が「10」として格納される。
具体例を挙げると、例えば、「センサ1」「センサ2」はともにカメラ(撮像装置)である。そして、図3のサービス充足度の「センサ1」の欄には、サービス目的として、例えば、店舗の監視映像の視聴における映像の鮮明さに対応するサービス充足度の値が格納される。「センサ2」の欄には、サービス目的として、例えば、顧客への快適な環境の提供に対応するサービス充足度の値が格納される。このサービス充足度に対応するアクチュエータ制御量を実現するデバイスとして、「アクチュエータ1」は例えばライト(照明装置)であり、「アクチュエータ2」は例えば空調装置である。ここで、各アクチュエータデバイス3(ここでは、「アクチュエータ1」および「アクチュエータ2」)に出力されるアクチュエータ制御量(目標制御量)は、各センサデバイス2(ここでは、「センサ1」「センサ2」)に基づく各(すべての)サービス充足度を加味して調整された値として、学習部102の機械学習アルゴリズムに基づき算出される。
「アクチュエータ1」「アクチュエータ2」についても、上記のように、異なる種類のアクチュエータデバイス3であってもよいし、同種類のアクチュエータデバイス3であってもよい。同種類のアクチュエータデバイス3(例えば、照明装置)の場合には、各アクチュエータデバイス3が、例えば同一物理空間内の異なる位置に配置される。
図3に示した、サービス充足度-アクチュエータ制御量対応情報150に対応して、図4に示すように、入力層には、各センサデバイス2(「センサ1」「センサ2」)のサービス充足度が入力される。そして、中間層を介して、出力層には、目標サービス充足度を満たすような、各アクチュエータデバイス3(「アクチュエータ1」「アクチュエータ2」)のアクチュエータ制御量(目標制御量)が出力される。なお、中間層は、図4に示すような1層に限定されず、多層としてディープラーニングにより学習させるようにしてもよい。
本実施形態に係るマルチデバイス連携制御装置1が対象とする物理空間のサービスにおいては、その物理空間に配置されたセンサデバイス2だけでは網羅できない環境要因が存在することが想定される。また、サービス開始初期では、サービス充足度-アクチュエータ制御量対応情報150に記憶される情報(学習データ)量も十分ではない。このような要因を踏まえると、アクチュエータ制御量算出部10が導出したアクチュエータ制御量(目標制御量)で各アクチュエータデバイス3を動作させた場合でも、サービス充足度が目標に達しないことが起こり得る。制御量調整部110は、アクチュエータ制御量算出部10(目標制御量算出部100)により導出したアクチュエータ制御量(目標制御量)に基づきアクチュエータデバイス3を動作(試行)させたときに得られる実際のサービス充足度(以下、「現在サービス充足度」と称する。)が目標サービス充足度と異なる場合に、アクチュエータ制御量の調整を行う。
図5は、本実施形態に係る制御量調整部110が実行するアクチュエータ制御量の調整処理の流れを示すフローチャートである。
なお、ここでは、最初に目標制御量算出部100の処理により、アクチュエータ制御量(目標制御量)が算出され、アクチュエータ制御部13の制御命令により各アクチュエータデバイス3が制御を実行(試行)し、その制御結果を各センサデバイス2がセンサ情報として取得する。そして、サービス充足度算出部12がその試行後の(現時点の)サービス充足度(現在サービス充足度)を算出したものとして説明する。
なお、乖離度が大きいときは、サービス充足度-アクチュエータ制御量対応情報150の情報量が著しく欠損しているか、環境に変化が起きた場合である。この制御量調整部110の機能により、乖離度が大きいほど過大な調整を行い、これまでの傾向と異なる行動を試行するため、学習が局所解に陥ることを防ぎ、リアルタイムに環境に追従することが可能となる。
なお、コストとして電力消費量を用いる場合には、各アクチュエータデバイス3の制御量に対応した電力消費量を示す情報が予めマルチデバイス連携制御装置1の記憶部(図示省略)に格納される。これにより、制御量に応じた電力消費量がコストとして計算される。以下においては、コストとして、アクチュエータデバイス3の制御量(アクチュエータ制御量)の総和を採用するものとして説明する。
次に、マルチデバイス連携制御装置1が実行する処理の流れについて説明する。
図6は、本実施形態に係るマルチデバイス連携制御装置1が実行する処理の流れを示すフローチャートである。
ここでは、予め同一の物理空間内に、各センサデバイス2および各アクチュエータデバイス3が配置されているものとする。また、マルチデバイス連携制御装置1には、各センサデバイス2に対応付けたサービス充足度の目標値である目標サービス充足度の情報、調整を終了するための乖離度の所定の閾値および制御量調整の試行回数の上限値(所定値)が記憶部(図示省略)に格納されているものとする。
続いて、サービス充足度算出部12は、取得したセンサ情報に基づき、各センサデバイス2に対応付けたサービス目的に応じたサービス充足度(現在サービス充足度)を算出する(ステップS10)。そして、サービス充足度算出部12は、算出したサービス充足度(現在サービス充足度)をアクチュエータ制御量算出部10(図1)に出力する。
続いて、目標制御量算出部100(学習装置)の学習部102(図2)が、目標サービス充足度を満たすようなアクチュエータ制御量(目標制御量)を、機械学習アルゴリズムを用いて算出する(ステップS11)。
そして、目標制御量算出部100(学習装置)のアクチュエータ制御量出力部103(図2)が、学習部102により算出されたアクチュエータ制御量(目標制御量)を、サービス充足度-アクチュエータ制御量対応情報150(図3)に記憶するとともに、アクチュエータ制御部13(図1)に出力する。
なお、この算出されたアクチュエータ制御量が、図5で示した現アクチュエータ制御量xi(アクチュエータ調整基準量)の初期値として記憶部(図示省略)に記憶される。
制御量調整部110は、この乖離度を、目標サービス充足度から現在サービス充足度を減算する手法により求めたり、目標サービス充足度に対する現在サービス充足度の比率を用いる手法により求めたりすることができる。
この処理は、アクチュエータ制御量の調整処理を無限に繰り返さないようにするためのものである。
制御量調整部110は、乖離度が所定の閾値以内であれば(ステップS16→Yes)、目標サービス充足度を満たすアクチュエータデバイス3の制御が実現できたものとして処理を終了する。また、制御量調整部110は、予め設定された制御量調整の試行回数の上限値に達した場合には(ステップS16→Yes)、処理を終了する。
一方、制御量調整部110は、乖離度が所定の閾値以内である、試行回数が上限値以上である、のどちらにも該当しない場合には(ステップS16→No)、次のステップS17へ進む。
2 センサデバイス
3 アクチュエータデバイス
10 アクチュエータ制御量算出部
12 サービス充足度算出部
13 アクチュエータ制御部
100 目標制御量算出部(学習装置)
101 サービス充足度取得部
102 学習部
103 アクチュエータ制御量出力部
110 制御量調整部
150 サービス充足度-アクチュエータ制御量対応情報
1000 マルチデバイス連携制御システム
Claims (4)
- 同一の物理空間上に配置された複数のアクチュエータデバイスを制御するマルチデバイス連携制御装置であって、
前記同一の物理空間上に配置された1つ以上のセンサデバイスから当該物理空間に関する所定の情報をセンサ情報として取得し、取得した前記センサ情報で示される値を、前記アクチュエータデバイスの制御により実現される所定のサービスについての目的の達成度合を示す指標であるサービス充足度に変換するサービス充足度算出部と、
前記サービス充足度を入力すると、前記所定のサービス毎の目標とするサービス充足度を示す目標サービス充足度を満たすような前記アクチュエータデバイス毎のアクチュエータ制御量を出力するように機械学習を行った学習装置に、前記変換して得られたサービス充足度を入力値として、前記学習装置の演算処理を実行することで、前記アクチュエータデバイス毎の前記アクチュエータ制御量を出力値として取得する目標制御量算出部と、
前記出力値として得られたアクチュエータ制御量を、前記アクチュエータデバイスそれぞれに応じた制御命令に変換し、当該アクチュエータデバイスそれぞれに送信することにより制御命令を実行させるアクチュエータ制御部と、
前記アクチュエータデバイス毎のアクチュエータ制御量を調整する制御量調整部と、を備え、
前記サービス充足度算出部は、前記アクチュエータデバイスが前記制御命令を実行した後、さらに前記1つ以上のセンサデバイスから前記センサ情報を取得し、当該センサ情報で示される値を、試行後のサービス充足度として算出し、
前記制御量調整部は、試行後のサービス充足度が前記目標サービス充足度より小さい場合に、現時点で得られた試行後のサービス充足度と前記目標サービス充足度との乖離の度合を示す指標である乖離度を用いた進化戦略アルゴリズムを適用し、前記乖離度の値を分散値とすることにより正規乱数を生成し、生成した正規乱数を調整制御量として算出し、算出した調整制御量と、現時点のアクチュエータ制御量を調整する基準となるアクチュエータ調整基準量とを用いて調整後のアクチュエータ制御量を算出するとともに、前記試行後のサービス充足度が試行直前のサービス充足度より大きい場合に、前記アクチュエータ調整基準量を前記現時点のアクチュエータ制御量により更新し、
前記アクチュエータ制御部は、当該調整後のアクチュエータ制御量を、前記アクチュエータデバイスそれぞれに応じた制御命令に変換し、当該アクチュエータデバイスそれぞれに送信することにより制御命令を実行させること
を特徴とするマルチデバイス連携制御装置。 - 前記制御量調整部は、試行後のサービス充足度が前記目標サービス充足度より大きい場合に、試行後の複数の前記アクチュエータデバイスの制御に関する所定の指標としてのコストを算出し、現時点で得られた試行後のサービス充足度と前記目標サービス充足度との乖離の度合を示す指標である乖離度を用いた進化戦略アルゴリズムを適用して調整制御量を算出し、算出した調整制御量と、現時点のアクチュエータ制御量を調整する基準となるアクチュエータ調整基準量とを用いて調整後のアクチュエータ制御量を算出するとともに、前記試行後のコストが試行直前のコストより小さい場合に、前記アクチュエータ調整基準量を前記現時点のアクチュエータ制御量により更新し、
前記アクチュエータ制御部は、当該調整後のアクチュエータ制御量を、前記アクチュエータデバイスそれぞれに応じた制御命令に変換し、当該アクチュエータデバイスそれぞれに送信することにより制御命令を実行させること
を特徴する請求項1に記載のマルチデバイス連携制御装置。 - 同一の物理空間上に配置された複数のアクチュエータデバイスを制御するマルチデバイス連携制御装置のマルチデバイス連携制御方法であって、
前記マルチデバイス連携制御装置は、
前記同一の物理空間上に配置された1つ以上のセンサデバイスから当該物理空間に関する所定の情報をセンサ情報として取得し、取得した前記センサ情報で示される値を、前記アクチュエータデバイスの制御により実現される所定のサービスについての目的の達成度合を示す指標であるサービス充足度に変換するステップと、
前記サービス充足度を入力すると、前記所定のサービス毎の目標とするサービス充足度を示す目標サービス充足度を満たすような前記アクチュエータデバイス毎のアクチュエータ制御量を出力するように機械学習を行った学習装置に、前記変換して得られたサービス充足度を入力値として、前記学習装置の演算処理を実行することで、前記アクチュエータデバイス毎の前記アクチュエータ制御量を出力値として取得するステップと、
前記出力値として得られたアクチュエータ制御量を、前記アクチュエータデバイスそれぞれに応じた制御命令に変換し、当該アクチュエータデバイスそれぞれに送信することにより制御命令を実行させるステップと、
前記アクチュエータデバイス毎のアクチュエータ制御量を調整するステップと、実行し、さらに、
前記アクチュエータデバイスが前記制御命令を実行した後、さらに前記1つ以上のセンサデバイスから前記センサ情報を取得し、当該センサ情報で示される値を、試行後のサービス充足度として算出するステップと、
試行後のサービス充足度が前記目標サービス充足度より小さい場合に、現時点で得られた試行後のサービス充足度と前記目標サービス充足度との乖離の度合を示す指標である乖離度を用いた進化戦略アルゴリズムを適用し、前記乖離度の値を分散値とすることにより正規乱数を生成し、生成した正規乱数を調整制御量として算出し、算出した調整制御量と、現時点のアクチュエータ制御量を調整する基準となるアクチュエータ調整基準量とを用いて調整後のアクチュエータ制御量を算出するとともに、前記試行後のサービス充足度が試行直前のサービス充足度より大きい場合に、前記アクチュエータ調整基準量を前記現時点のアクチュエータ制御量により更新するステップと、
当該調整後のアクチュエータ制御量を、前記アクチュエータデバイスそれぞれに応じた制御命令に変換し、当該アクチュエータデバイスそれぞれに送信することにより制御命令を実行させるステップと、
を実行することを特徴とするマルチデバイス連携制御方法。 - コンピュータを、請求項1または請求項2に記載のマルチデバイス連携制御装置として機能させるためのマルチデバイス連携制御プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018232152 | 2018-12-12 | ||
JP2018232152 | 2018-12-12 | ||
PCT/JP2019/019959 WO2020121551A1 (ja) | 2018-12-12 | 2019-05-20 | マルチデバイス連携制御装置、マルチデバイス連携制御方法およびマルチデバイス連携制御プログラム、並びに、学習装置、学習方法および学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020121551A1 JPWO2020121551A1 (ja) | 2021-09-02 |
JP7088313B2 true JP7088313B2 (ja) | 2022-06-21 |
Family
ID=71076378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020559691A Active JP7088313B2 (ja) | 2018-12-12 | 2019-05-20 | マルチデバイス連携制御装置、マルチデバイス連携制御方法およびマルチデバイス連携制御プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11874634B2 (ja) |
JP (1) | JP7088313B2 (ja) |
CN (1) | CN113168137A (ja) |
WO (1) | WO2020121551A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000250603A (ja) | 1999-03-02 | 2000-09-14 | Yamaha Motor Co Ltd | 総合特性最適化方法 |
JP2013543569A (ja) | 2010-08-20 | 2013-12-05 | ヴィジレント コーポレイション | Hvacシステムに対するエネルギー最適制御決定 |
WO2016203757A1 (ja) | 2015-06-18 | 2016-12-22 | 日本電気株式会社 | 制御装置、それを使用する情報処理装置、制御方法、並びにコンピュータ・プログラムが格納されているコンピュータ読み取り可能な記憶媒体 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0515598A (ja) * | 1991-07-16 | 1993-01-26 | Mitsubishi Electric Corp | パーソナル快適性制御システム |
JP2000330610A (ja) * | 1999-05-19 | 2000-11-30 | Matsushita Electric Ind Co Ltd | 学習制御装置および学習制御方法 |
US6549815B1 (en) | 1999-03-02 | 2003-04-15 | Yamaha Hatsudoki Kabushiki Kaisha | Method and apparatus for optimizing overall characteristics of device, using heuristic method |
US7620613B1 (en) * | 2006-07-28 | 2009-11-17 | Hewlett-Packard Development Company, L.P. | Thermal management of data centers |
CN100501608C (zh) * | 2007-06-28 | 2009-06-17 | 北京工业大学 | 后验控制与多传感器融合方法及中央空调节能控制装置 |
CN101458534A (zh) * | 2007-12-14 | 2009-06-17 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种控制半导体设备反应室温度的装置和方法 |
CN105717960B (zh) | 2014-12-04 | 2018-01-19 | 台达电子工业股份有限公司 | 环境舒适度控制***及其控制方法 |
US20180284745A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for self-organization of collected data using 3rd party data from a data marketplace in an industrial internet of things environment |
JP6744208B2 (ja) * | 2016-12-27 | 2020-08-19 | 株式会社日立製作所 | 制御装置及び制御方法 |
CN110291539A (zh) * | 2017-02-24 | 2019-09-27 | 欧姆龙株式会社 | 用于生成学习数据的处理方法、***、程序和存储介质、以及生成学习数据的方法和*** |
US11460992B2 (en) * | 2017-06-15 | 2022-10-04 | Lutron Technology Company Llc | Communicating with and controlling load control systems |
US11428432B2 (en) * | 2018-11-20 | 2022-08-30 | Distech Controls Inc. | Computing device and method for inferring an airflow of a VAV appliance operating in an area of a building |
EP3877117A1 (en) * | 2018-12-13 | 2021-09-15 | Siemens Aktiengesellschaft | Automated system including reachability analysis |
EP3920000A4 (en) * | 2019-01-30 | 2022-01-26 | NEC Corporation | CONTROL DEVICE, ORDER METHOD AND RECORDING MEDIA |
-
2019
- 2019-05-20 US US17/312,450 patent/US11874634B2/en active Active
- 2019-05-20 WO PCT/JP2019/019959 patent/WO2020121551A1/ja active Application Filing
- 2019-05-20 JP JP2020559691A patent/JP7088313B2/ja active Active
- 2019-05-20 CN CN201980081529.1A patent/CN113168137A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000250603A (ja) | 1999-03-02 | 2000-09-14 | Yamaha Motor Co Ltd | 総合特性最適化方法 |
JP2013543569A (ja) | 2010-08-20 | 2013-12-05 | ヴィジレント コーポレイション | Hvacシステムに対するエネルギー最適制御決定 |
WO2016203757A1 (ja) | 2015-06-18 | 2016-12-22 | 日本電気株式会社 | 制御装置、それを使用する情報処理装置、制御方法、並びにコンピュータ・プログラムが格納されているコンピュータ読み取り可能な記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020121551A1 (ja) | 2021-09-02 |
CN113168137A (zh) | 2021-07-23 |
US11874634B2 (en) | 2024-01-16 |
WO2020121551A1 (ja) | 2020-06-18 |
US20220050426A1 (en) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210288832A1 (en) | Automatically learning and controlling connected devices | |
CN108919669B (zh) | 一种智能家居动态决策方法、装置和服务终端 | |
US10360304B1 (en) | Natural language processing interface-enabled building conditions control system | |
JP7367233B2 (ja) | 軌道中心モデルに基づく強化学習のロバスト最適化を行うためのシステムおよび方法 | |
JP6648352B2 (ja) | 汎用学習済モデルの生成方法 | |
CN109698857A (zh) | 用于自适应工业物联网(iiot)的***和方法 | |
CN106647645A (zh) | 一种家居控制调节的方法及*** | |
CN108459565A (zh) | 一种扁平化智能楼宇控制*** | |
JP7003480B2 (ja) | 自動学習ユニバーサルゲートウェイ | |
US10876751B2 (en) | Intelligent finite-state machine remote control system for air-conditioning equipment | |
Yu et al. | An intelligent building that listens to your needs | |
JP7088313B2 (ja) | マルチデバイス連携制御装置、マルチデバイス連携制御方法およびマルチデバイス連携制御プログラム | |
WO2020168444A1 (zh) | 睡眠预测方法、装置、存储介质及电子设备 | |
Tegelund et al. | A task-oriented service personalization scheme for smart environments using reinforcement learning | |
US20220196275A1 (en) | Air conditioner, air conditioning system and control method thereof | |
CN113282356B (zh) | 一种实时执行本地分布式分析的方法、***及存储介质 | |
KR100866207B1 (ko) | 홈 네트워크 서비스 제어를 위한 멀티 에이전트 프레임 웍제공 시스템 및 방법 | |
EP3851922A1 (en) | A method for providing an evaluation and control model for controlling target building automation devices of a target building automation system | |
Ferrández-Pastor et al. | Reinforcement Learning Model in Automated Greenhouse Control | |
KR102613336B1 (ko) | 스마트 하우징 플랫폼 및 스마트 홈 서비스 방법 | |
Olier et al. | Grounded representations through deep variational inference and dynamic programming | |
Truong et al. | Proactive remote healthcare based on multimedia and home automation services | |
Yang et al. | An iterative optimization approach to design of control Lyapunov function | |
Suryaprakash et al. | IOT based home automation system through adaptive decision making fuzzy algorithm | |
US20240129679A1 (en) | Fitting agent with user model initialization for a hearing device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220406 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220523 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7088313 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |