| Project/Area Number |
23K28369
|
|---|
| Project/Area Number (Other) |
23H03680 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90010:Design-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
南 裕樹 大阪大学, 大学院工学研究科, 准教授 (00548076)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
石川 将人 大阪大学, 大学院工学研究科, 教授 (20323826)
佐藤 一宏 東京大学, 大学院情報理工学系研究科, 准教授 (00751869)
田中 大介 新居浜工業高等専門学校, 機械工学科, 准教授 (70782613)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000)
Fiscal Year 2025: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2024: ¥7,410,000 (Direct Cost: ¥5,700,000、Indirect Cost: ¥1,710,000)
Fiscal Year 2023: ¥7,670,000 (Direct Cost: ¥5,900,000、Indirect Cost: ¥1,770,000)
|
|---|
| Keywords | AI制御システム / モデルベースト制御 / モデル圧縮 / 自動運転 |
|---|
| Outline of Research at the Start |
AI技術を活用し，モノの動きを表現する詳細モデル（AIモデル）を構築することで，モノの動きを調べたり再現したりできるようになる．しかし，動きをデザインする場合には，詳細モデルではなく，システム設計に必要な最小限の情報を反映した「設計モデル＝制御のコツ」が重要になる．本研究では，システム制御の視座で，AIモデルの解析や圧縮技術の開発に取り組み，制御のコツを押さえたAI制御システムデザイン論の構築を目指す．
|
| Outline of Annual Research Achievements |
制御系設計においては，設計に必要な最小限の情報を反映した「設計モデル＝制御のコツ」が重要になる。本研究では，AIモデルの解析や圧縮技術の開発に取り組み，制御のコツを押さえたAI制御システムデザイン論の構築を目指す。
この目的に対して，本年度得られた主な成果は以下のとおりである。
（１）AIモデルの圧縮：まず，ニューラルネットワークモデルの重み係数を量子化する問題において，重み係数の量子化で生じる量子化誤差を周辺の重み係数に拡散させるノイズシェーピング量子化手法を検討した。そして，学習データの特徴を考慮して量子化を行う手法を提案した。つぎに，状態空間層を有するAIモデルの軽量化に対して，状態空間層を平衡打ち切り手法で低次元化する方法を検討した。さらに，モデルではなくデータそのものを圧縮する取り組みとして，画像量子化がVisual SLAMのメモリ使用量と精度に与える影響を考察した。
（２）低次元AIモデルの構築のための制御器設計：制御目的を達成するAI制御システムを構築する際，新たに構築するAIモデルの規模を小さくする方法として，タスクを分割し，既存の制御器に一部のタスクを任せるというアプローチが考えられる。本研究では，自動運転車の合流制御問題において，カーブミラー画像に映る接近車の位置情報から接近車の道路上の位置を幾何学的な計算で求める方法を提案した。また，速度制御をアクティブスピードバンプとシンプルな制御器を利用して行う方法を提案した。さらに，生成AIで動画像を生成し，大規模なロボット群でその動画像を再現するための分散制御則の検討を行った。
（３）実験プラットフォームの構築：移動ロボットを購入し，実験環境を構築した。そして，成果（２）の自動運転車の合流制御に関する実験を行った．また，Visual SLAM のためのセンサ配置の検討を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
おおむね当初の計画通りに進められており，一定の成果が得られている。とくに，AIモデルの圧縮に関しては，モデルそのものの圧縮だけではなく，低次元AIモデルを得るための制御器の設計についても議論することができ，いくつかのアプローチが検討できた。そして，次年度以降につながる，新しい知見とアイデアが得られた。
|
| Strategy for Future Research Activity |
本年度に引き続き，AIモデルを制御システムに組み込むためのモデル圧縮技術や，低次元AIモデルの構築のための制御器設計に取り組む。とくに，モデル圧縮技術においては，AIモデル単体の特性に注目するのではなく，AIモデルをフィードバック制御系に組み込むことを前提とした軽量化に取り組む。さらに，本年度，十分検討できていなかったAIモデルで表現されたシステムに対する制御器設計についても研究を進めていく。
|
