JP7091820B2 - 制御システム、学習データ作成装置、学習装置および判定装置 - Google Patents
制御システム、学習データ作成装置、学習装置および判定装置 Download PDFInfo
- Publication number
- JP7091820B2 JP7091820B2 JP2018092840A JP2018092840A JP7091820B2 JP 7091820 B2 JP7091820 B2 JP 7091820B2 JP 2018092840 A JP2018092840 A JP 2018092840A JP 2018092840 A JP2018092840 A JP 2018092840A JP 7091820 B2 JP7091820 B2 JP 7091820B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- artificial intelligence
- output
- determination
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
- G06F18/2185—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor the supervisor being an automated module, e.g. intelligent oracle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Description
前記学習データは、前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータと、前記判定能力の仕様とに基づいて作成され、前記学習用の判定材料データは、(i)前記第1の人工知能または前記第2の人工知能の出力データと、(ii)前記第1の人工知能または前記第2の人工知能の出力データに基づいて制御された対象の動作または状態の観測結果を表す観測データと、(iii)前記第2の人工知能に出力データを生成させた入力データとのうちの少なくとも一部を含む。
まず、図1を用いて、本実施形態の一適用例について説明する。図1は、本実施形態に係る制御システムの適用例を模式的に示す。この制御システムは、例えば、生産ラインに設置される生産装置などの制御に適用され得る。この制御システムは、例えば上記生産装置などの対象をAI(以降、単に制御用AIと称する)の出力に基づいて制御し、かつ、当該制御用AIの出力の妥当性を別のAI(以降、単に判定用AI)によって判定し、判定結果を表示したり、判定結果に基づいて警報の出力および/または制御への介入を行ったりする。ここで、制御への介入は、例えば、制御用AIによる制御の中止、対象の動作の停止、などを含み得る。
制御部1301は、例えば、(ハードウェア)プロセッサおよびメモリであり得る。なお、ここで、プロセッサは、典型的にはCPU(Central Processing Unit)および/またはGPU(Graphics Processing Unit)であるが、これに限らず、マイコン、FPGA(Field Programmable Gate Array)、またはDSP(Digital Signal Processor)、などであり得る。
本実施形態の構成例は、第1の人工知能に対する第1の機械学習の学習結果が設定された第2の人工知能の出力の妥当性を判定するための第2の機械学習に用いられる学習データ(便宜的に第2の学習データと称する)を作成する第2の学習データ作成装置に関する。なお、第1の人工知能は、まったく機械学習を行っていない場合もあるし、第1の機械学習とは異なる学習を事前に行っている場合もある。第1の機械学習とは異なる学習を事前に行っている場合は、第1の機械学習は、第1の人工知能に対する、いわゆる強化学習であり得る。そして、第2の人工知能は、第1の機械学習(追加的かそうでないかは場合によって異なるが)の学習済み人工知能である。ここで、第2の人工知能は、第1の機械学習の学習結果が設定された第1の人工知能とは別の人工知能であってもよいし、第1の機械学習の完了後の第1の人工知能であってもよい。本実施形態に係る第2の学習データ作成装置は、判定能力学習データ作成装置に読み替えられてもよい。
次に、図3を用いて、本実施形態に係る第2の学習データ作成装置のハードウェア構成の一例について説明する。図3は、本実施形態に係る第2の学習データ作成装置のハードウェア構成の一例を模式的に例示する。
次に、図4を用いて、本実施形態に係る第2の学習データ作成装置の機能構成の一例を説明する。図4は、第2の学習データ作成装置100の機能構成の一例を模式的に示す。
第2の学習データ作成装置100の各機能に関しては後述する動作例で詳細に説明する。なお、本実施形態では、第2の学習データ作成装置100の各機能がいずれも汎用のCPUによって実現される例について説明している。しかしながら、以上の機能の一部又は全部が、1または複数の専用のプロセッサにより実現されてもよい。また、第2の学習データ作成装置100の機能構成に関して、実施形態に応じて、適宜、機能の省略、置換及び追加が行われてもよい。
次に、図5乃至図12、図14および図15を用いて、第2の学習データ作成装置100の動作例と、当該第2の学習データ作成装置100による第2の学習データの作成時に動作する周辺装置とを説明する。なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
第1の学習データ作成装置200は、第1の人工知能に与えられる入力データに相当する第1の学習データを作成する(ステップS401)。第1の学習装置220は、ステップS401において作成された第1の学習データを用いて、第1の人工知能に対象230の動作または状態を制御させることを含む第1の機械学習を行う(ステップS402)。
第1の学習データ作成装置500は、第1の人工知能に与えられる入力データに相当する第1の学習データを作成する(ステップS601)。第1の学習装置520は、ステップS601において作成された第1の学習データを用いて、第1の人工知能に対象530の動作または状態を制御させることを含む第1の機械学習を行う(ステップS602)。
第1の学習データ作成装置700は、第1の人工知能に与えられる入力データに相当する第1の学習データを作成する(ステップS801)。第1の学習装置720は、ステップS801において作成された第1の学習データを用いて、第1の人工知能に対する第1の機械学習を行う(ステップS802)。
以上、本開示の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本開示の例示に過ぎない。本開示の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。
本実施形態に係る(第2の)学習データ作成装置は、どのようなデータを(学習用の)判定材料データとして取得すべきか、および当該判定材料データに基づいてどのような(第2の)学習データを作成すべきか、を要求される判定能力の仕様に基づいて制御する。しかしながら、かかる制御は、学習データ作成装置の外側で行われてもよい。すなわち、互いに異なる作成処理を実行する複数の学習データ作成装置が用意されてもよい。或いは、かかる制御を前提としなくても、かかる学習データ作成装置は、特定の判定能力を獲得するための第2の機械学習に用いられる学習データを作成できる点で有用である。そこで、この変形例(以降、本変形例とも称する)に係る(第2の)第2の学習データ作成装置は、予め定められた(学習用の)判定材料データを取得し、予め定められたアルゴリズムに従って当該判定材料データに基づいて第2の学習データを作成する。
制御装置と判定装置とを具備し、
前記制御装置は、第1のメモリと、前記第1のメモリに接続された第1のプロセッサとを具備し、
前記第1のプロセッサは、対象を制御するための出力データを入力データに基づいて生成する制御用人工知能を実装するように構成され、
前記判定装置は、第2のメモリと、前記第2のメモリに接続された第2のプロセッサとを具備し、
前記第2のプロセッサは、
(a)前記制御用人工知能の出力の妥当性の判定に用いられる判定材料データを取得し、
(b)前記妥当性を前記判定材料データに基づいて判定する判定用人工知能を実装する、
ように構成され、
前記制御用人工知能は、前記対象を制御する制御能力を獲得する第1の機械学習の学習結果が設定されていて、
前記判定用人工知能は、前記妥当性を判定する判定能力を獲得する第2の機械学習の学習結果が設定されていて、
前記第2の機械学習は、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータに基づいて作成された学習用の判定材料データと、当該学習用の判定材料データに基づく前記妥当性の判定結果の正解値を示す教師データとの組み合わせを含む学習データを使用して行われ、
前記学習用の判定材料データは、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータの中から前記判定能力の仕様に基づいて定められる、
制御システム。
第1の機械学習の学習結果が設定された対象人工知能の出力の妥当性を判定する判定能力を獲得する第2の機械学習に使用される学習データを作成する学習データ作成装置であって、
メモリと、
前記メモリに接続されたプロセッサと
を具備し、
前記プロセッサは、
(a)前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータを取得し、
(b)前記第2の機械学習の対象となる判定用人工知能への入力データとなる学習用の判定材料データと、前記入力データに対応する当該判定用人工知能の出力データの正解値を示す教師データとの組み合わせを含む学習データを、前記取得部によって取得されたデータと前記判定能力の仕様とに基づいて作成する、
ように構成される、学習データ作成装置。
メモリと、
前記メモリに接続されたプロセッサと
を具備し、
前記プロセッサは、
(a)第1の機械学習の学習結果が設定された対象人工知能の出力の妥当性を判定する判定能力を獲得する第2の機械学習に使用される学習データを取得し、
(b)前記学習データを使用して判定用人工知能に前記第2の機械学習を行う、
ように構成され、
前記学習データは、前記判定用人工知能への入力データとなる学習用の判定材料データと、前記入力データに対応する当該判定用人工知能の出力データの正解値を示す教師データとの組み合わせを含み、
前記学習データは、前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータと、前記判定能力の仕様とに基づいて作成される、
学習装置。
メモリと、
前記メモリに接続されたプロセッサと
を具備し、
前記プロセッサは、
(a)第1の機械学習の学習結果が設定された対象人工知能の出力に関するデータを取得し、
(b)前記取得部によって取得されたデータに基づく入力データを受けて前記対象人工知能の出力の妥当性を判定する判定用人工知能を実装する、
ように構成され、
前記判定用人工知能は、前記妥当性を判定する判定能力を獲得する第2の機械学習の学習結果が設定されていて、
前記第2の機械学習は、前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータに基づいて作成された学習用の判定材料データと、当該学習用の判定材料データに基づく前記妥当性の判定結果の正解値を示す教師データとの組み合わせを含む学習データを使用して行われ、
前記学習用の判定材料データは、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータの中から前記判定能力に基づいて定められる、
判定装置。
101,271,1001,1201,1330,1431・・・取得部
102,1002,1432・・・作成部
103,1301,1433,1501・・・制御部
200,500,700,900・・・第1の学習データ作成装置
210,510,710,910・・・第1の学習データ記憶装置
220,520,720,920・・・第1の学習装置
230,530,1310,1410・・・対象
240,540・・・観測装置
250・・・観測データ記憶装置
260・・・第2の学習データ記憶装置
270・・・第2の学習装置
272,1450・・・学習部
280・・・学習依頼装置
550,750,950・・・出力データ記憶装置
930・・・対象シミュレータ
990・・・利用者端末
1200,1320・・・判定装置
1202,1340・・・判定部
1300・・・制御装置
1302,1400・・・制御用AI
1341,1460・・・判定用AI
1350・・・警報部
1360・・・介入部
1420・・・判定用人工知能生成装置
1440・・・学習データ記憶部
1470・・・学習結果記憶部
1502・・・記憶部
1503・・・通信I/F
1504・・・入力装置
1505・・・出力装置
1506・・・外部I/F
1507・・・ドライブ
1508・・・記憶媒体
Claims (12)
- 制御装置と判定装置とを具備し、
前記制御装置は、対象を制御するための出力データを入力データに基づいて生成する制御用人工知能を含む制御部を備え、
前記判定装置は、
前記制御用人工知能の出力の妥当性の判定に用いられる判定材料データを取得する取得部と、
前記妥当性を前記判定材料データに基づいて判定する判定用人工知能を含む判定部と、
前記制御用人工知能の出力が妥当でないと判定された場合に警報を発する警報部と、
を備え、
前記制御用人工知能は、前記対象を制御する制御能力を獲得する第1の機械学習の学習結果が設定されていて、
前記判定用人工知能は、前記妥当性を判定する判定能力を獲得する第2の機械学習の学習結果が設定されていて、
前記第2の機械学習は、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータに基づいて作成された学習用の判定材料データと、当該学習用の判定材料データに基づく前記妥当性の判定結果の正解値を示す教師データとの組み合わせを含む学習データを使用して行われ、
前記学習用の判定材料データは、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータの中から前記判定能力の仕様に基づいて定められる、
制御システム。 - 前記判定装置は、前記制御用人工知能の出力が妥当でないと判定された場合に前記制御装置による前記対象への制御に介入する介入部をさらに具備する、請求項1に記載の制御システム。
- 第1の機械学習の学習結果が設定された対象人工知能の出力の妥当性を判定する判定能力を獲得する第2の機械学習に使用される学習データを作成する学習データ作成装置であって、
前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータを取得する取得部と、
前記第2の機械学習の対象となる判定用人工知能への入力データとなる学習用の判定材料データと、前記入力データに対応する当該判定用人工知能の出力データの正解値を示す教師データとの組み合わせを含む学習データを、前記取得部によって取得されたデータと前記判定能力の仕様とに基づいて作成する作成部と
を具備し、
前記学習用の判定材料データは、(i)前記第1の人工知能または前記第2の人工知能の出力データと、(ii)前記第1の人工知能または前記第2の人工知能の出力データに基づいて制御された対象の動作または状態の観測結果を表す観測データと、(iii)前記第2の人工知能に出力データを生成させた入力データとのうちの少なくとも一部を含む、学習データ作成装置。 - 前記作成部は、前記第1の人工知能の出力データに基づいて制御された対象の動作または状態の観測結果を表す観測データに基づいて前記学習用の判定材料データを作成し、前記第1の人工知能の出力が妥当でないことを示す教師データを作成する、請求項3に記載の学習データ作成装置。
- 前記作成部は、前記第1の人工知能の出力データに基づいて前記学習用の判定材料データを作成し、前記第1の人工知能の出力が妥当でないことを示す教師データを作成する、請求項3に記載の学習データ作成装置。
- 前記作成部は、前記第2の人工知能の出力データに基づいて前記学習用の判定材料データを作成し、前記第2の人工知能の出力が妥当であることを示す教師データを作成する、請求項3または請求項5に記載の学習データ作成装置。
- 前記作成部は、前記第2の人工知能に誤った出力データを生成させた入力データに基づいて前記学習用の判定材料データを作成し、前記第2の人工知能の出力が妥当でないことを示す教師データを作成する、請求項3に記載の学習データ作成装置。
- 前記作成部は、前記第2の人工知能に正しい出力データを生成させた入力データに基づいて前記学習用の判定材料データを作成し、前記第2の人工知能の出力が妥当であることを示す教師データを作成する、請求項3または請求項7に記載の学習データ作成装置。
- 前記判定能力の仕様に基づいて、前記取得部によって取得されるデータと、前記作成部によって作成される学習データとを制御する制御部をさらに具備する、請求項3乃至請求項8のいずれか1項に記載の学習データ作成装置。
- 第1の機械学習の学習結果が設定された対象人工知能の出力の妥当性を判定する判定能力を獲得する第2の機械学習に使用される学習データを取得する取得部と、
前記学習データを使用して判定用人工知能に前記第2の機械学習を行う学習部と
を具備し、
前記学習データは、前記判定用人工知能への入力データとなる学習用の判定材料データと、前記入力データに対応する当該判定用人工知能の出力データの正解値を示す教師データとの組み合わせを含み、
前記学習データは、前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータと、前記判定能力の仕様とに基づいて作成され、
前記学習用の判定材料データは、(i)前記第1の人工知能または前記第2の人工知能の出力データと、(ii)前記第1の人工知能または前記第2の人工知能の出力データに基づいて制御された対象の動作または状態の観測結果を表す観測データと、(iii)前記第2の人工知能に出力データを生成させた入力データとのうちの少なくとも一部を含む、
学習装置。 - 第1の機械学習の学習結果が設定された対象人工知能の出力に関するデータを取得する取得部と、
前記取得部によって取得されたデータに基づく入力データを受けて前記対象人工知能の出力の妥当性を判定する判定用人工知能を含む判定部と、
前記対象人工知能の出力が妥当でないと判定された場合に警報を発する警報部と、
を具備し、
前記判定用人工知能は、前記妥当性を判定する判定能力を獲得する第2の機械学習の学習結果が設定されていて、
前記第2の機械学習は、前記第1の機械学習を実行中の第1の人工知能または前記第1の機械学習の学習結果を設定された第2の人工知能の出力に関するデータに基づいて作成された学習用の判定材料データと、当該学習用の判定材料データに基づく前記妥当性の判定結果の正解値を示す教師データとの組み合わせを含む学習データを使用して行われ、
前記学習用の判定材料データは、前記第1の機械学習を実行中の、または前記第1の機械学習の学習結果を設定された人工知能の出力に関するデータの中から前記判定能力に基づいて定められる、
判定装置。 - 前記対象人工知能は、対象を制御するための出力データを入力データに基づいて生成し、
前記判定装置は、前記対象人工知能の出力が妥当でないと判定された場合に前記対象人工知能の出力に基づく前記対象への制御に介入する介入部をさらに具備する、
請求項11に記載の判定装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018092840A JP7091820B2 (ja) | 2018-05-14 | 2018-05-14 | 制御システム、学習データ作成装置、学習装置および判定装置 |
CN201910289524.XA CN110488791A (zh) | 2018-05-14 | 2019-04-11 | 控制***、学习数据创建装置、学习装置以及判定装置 |
EP19169386.0A EP3570219A1 (en) | 2018-05-14 | 2019-04-16 | Control system, learning data creation apparatus, learning apparatus, and judgment apparatus |
US16/387,584 US20190346836A1 (en) | 2018-05-14 | 2019-04-18 | Control system, learning data creation apparatus, learning apparatus, and judgment apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018092840A JP7091820B2 (ja) | 2018-05-14 | 2018-05-14 | 制御システム、学習データ作成装置、学習装置および判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019200453A JP2019200453A (ja) | 2019-11-21 |
JP7091820B2 true JP7091820B2 (ja) | 2022-06-28 |
Family
ID=66323677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018092840A Active JP7091820B2 (ja) | 2018-05-14 | 2018-05-14 | 制御システム、学習データ作成装置、学習装置および判定装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190346836A1 (ja) |
EP (1) | EP3570219A1 (ja) |
JP (1) | JP7091820B2 (ja) |
CN (1) | CN110488791A (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11345030B2 (en) * | 2019-05-28 | 2022-05-31 | Intel Corporation | Methods and apparatus for complex assembly via autonomous robots using reinforcement learning action primitives |
JP7238610B2 (ja) * | 2019-06-04 | 2023-03-14 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
KR102285472B1 (ko) * | 2019-06-14 | 2021-08-03 | 엘지전자 주식회사 | 음향의 이퀄라이징 방법과, 이를 구현하는 로봇 및 ai 서버 |
US11593253B2 (en) * | 2019-11-22 | 2023-02-28 | Japan Manned Space Systems Corporation | Safety verification system for artificial intelligence system, safety verification method, and safety verification program |
JP7467133B2 (ja) * | 2020-01-24 | 2024-04-15 | 株式会社東芝 | 制御装置、制御方法、及びモータ制御装置 |
CN111538233A (zh) * | 2020-05-06 | 2020-08-14 | 上海雁文智能科技有限公司 | 一种基于能耗奖励的中央空调人工智能控制方法 |
KR102280489B1 (ko) * | 2020-11-19 | 2021-07-22 | 주식회사 두유비 | 대규모 사전학습 모델을 학습하여 지성을 기반으로 대화하는 대화 지능 획득 방법 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05225163A (ja) * | 1992-02-13 | 1993-09-03 | Hitachi Ltd | ニューラルネットシステムおよびニューラルネットの学習方法 |
JPH08505967A (ja) * | 1992-11-24 | 1996-06-25 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 欠落および/または不完全なデータを有するニューラルネットワークを作動するための方法および装置 |
JPH0991430A (ja) * | 1995-09-27 | 1997-04-04 | Hitachi Ltd | パターン認識装置 |
JP4356716B2 (ja) * | 2006-08-03 | 2009-11-04 | パナソニック電工株式会社 | 異常監視装置 |
JP6457421B2 (ja) * | 2016-04-04 | 2019-01-23 | ファナック株式会社 | シミュレーション結果を利用して学習を行う機械学習装置,機械システム,製造システムおよび機械学習方法 |
JP6453805B2 (ja) * | 2016-04-25 | 2019-01-16 | ファナック株式会社 | 製品の異常に関連する変数の判定値を設定する生産システム |
JP6434462B2 (ja) * | 2016-08-30 | 2018-12-05 | ファナック株式会社 | 溶接の状態を判定するスポット溶接装置 |
JP6557198B2 (ja) * | 2016-09-06 | 2019-08-07 | ファナック株式会社 | 数値制御装置 |
CN106874914B (zh) * | 2017-01-12 | 2019-05-14 | 华南理工大学 | 一种基于深度卷积神经网络的工业机械臂视觉控制方法 |
WO2018140415A1 (en) * | 2017-01-24 | 2018-08-02 | Tietronix Software, Inc. | System and method for three-dimensional augmented reality guidance for use of medical equipment |
CN106842948B (zh) * | 2017-03-01 | 2019-08-06 | 长春工业大学 | 基于bp网络的hdp分子蒸馏***的最优控制方法 |
CN107527053A (zh) * | 2017-08-31 | 2017-12-29 | 北京小米移动软件有限公司 | 目标检测方法及装置 |
-
2018
- 2018-05-14 JP JP2018092840A patent/JP7091820B2/ja active Active
-
2019
- 2019-04-11 CN CN201910289524.XA patent/CN110488791A/zh active Pending
- 2019-04-16 EP EP19169386.0A patent/EP3570219A1/en not_active Withdrawn
- 2019-04-18 US US16/387,584 patent/US20190346836A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
EP3570219A1 (en) | 2019-11-20 |
JP2019200453A (ja) | 2019-11-21 |
US20190346836A1 (en) | 2019-11-14 |
CN110488791A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7091820B2 (ja) | 制御システム、学習データ作成装置、学習装置および判定装置 | |
CN112119409B (zh) | 具有关系存储器的神经网络 | |
EP3776364B1 (en) | Deep reinforcement learning with fast updating recurrent neural networks and slow updating recurrent neural networks | |
KR20120047577A (ko) | 대화형 행동모델을 이용한 로봇 인터랙션 서비스 제공 장치 및 방법 | |
CN112135717B (zh) | 基于像素的模型预测控制的***和方法 | |
US11544930B2 (en) | Systems and methods for modeling and controlling physical dynamical systems using artificial intelligence | |
JP2019095430A (ja) | 車両エラー識別システム | |
CN115812180A (zh) | 使用奖励预测模型的机器人控制的离线学习 | |
CN109725597A (zh) | 测试装置以及机器学习装置 | |
KR102595615B1 (ko) | 기술적 엔티티를 위한 데이터 분석 장치를 통해 안전 필수 출력 값을 결정하기 위한 방법 | |
Bobyr et al. | Fuzzy algorithm of a mobile robot's motion | |
NL2018125B1 (en) | Assessment system and assessment method | |
JP6693451B2 (ja) | 判定装置、判定プログラムおよび学習方法 | |
CN112292239B (zh) | 用于计算机辅助地确定用于适宜操作技术***的调节参数的方法和设备 | |
JP2021082139A (ja) | 追加学習装置、方法、及びプログラム | |
JP2018024340A (ja) | 運転性向判定装置および運転性向判定システム | |
WO2018216490A1 (en) | Learning apparatus, learning control method, program therefor | |
US11938638B2 (en) | Simulation driven robotic control of real robot(s) | |
EP3900887A1 (en) | Robot collision detection using cascading variational autoencoder | |
Bosello | Integrating bdi and reinforcement learning: the case study of autonomous driving | |
WO2018216493A1 (en) | Learning apparatus, learning control method, and program therefor | |
CN114386160A (zh) | 生成用于XiL***的简化模型 | |
Nadin | Anticipatory computing: from a high-level theory to hybrid computing implementations | |
JP6978722B2 (ja) | 学習装置、学習制御方法、及びそのプログラム | |
EP4021601A1 (en) | Toy construction system for constructing and operating a remote controlled toy vehicle model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210305 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220425 |
|
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: 20220517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220530 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7091820 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |