2022 Fiscal Year Annual Research Report
動的要求駆動と強化学習のハイブリッド実行時適応フレームワークの構築
| Project/Area Number |
22J12794
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
李 家隆 早稲田大学, 理工学術院, 助手
|
|---|
| Project Period (FY) |
2022-04-22 – 2024-03-31
|
| Keywords | 自己適応システム / 要求工学 |
|---|
| Outline of Annual Research Achievements |
本研究で「安全性要求保証の自動変更」と「要求の変化に追随する最適性の自動再学習」のハイブリッド適応の実現を確立を目的とする。
2022年度では、項目(2) と項目(3) にそれぞれ取り込み、手法を提案し、初期の評価実験を行った。
項目(2)動的要求駆動において、保証すべき安全性要求の決定手法の確立と拡張：これまで、環境変化に対する要求の緩和や変更の実行時分析に取りかかってきた。これらの成果をさらに拡張し、安全性要求保証可否の分析の計算時間削減のため、要求の抽象度を用いた要求構造化手法を提案し、自動運搬ロボットの例題をシミュレーター上で評価を行った。
項目(3)要求変化と環境変化に対応する強化学習の知識転移手法の確立：要求が変化した際の再学習の時間削減のため、強化学習における知識を要求ごとに細分化し、部分的な要求変化による細分化された知識を選択的に再利用する手法を提案し、掃除ロボットの例題をシミュレーター上で評価を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
項目(2)については、当初、一つの手法を提案する予定だが、二つの異なる手法を提案できた。
項目(3)については、当初、2023年度に実施予定だが、計画以上に進んでいるため、2022年度に初期提案と初期評価がすでに終えている。
|
| Strategy for Future Research Activity |
本研究の目的である「安全性要求保証の自動変更」と「要求の変化に追随する最適性の自動再学習」のハイブリッド適応を実現するため、2023年度に以下の項目を行う予定である。
項目(3)要求変化と環境変化に対応する強化学習の知識転移手法の確立：2022年度の研究成果をベースに、さらに手法、及び評価実験の展開・拡張を行う予定である。具体的には、中国の共同研究先の研究チームへ渡航し、2022年度で提案したアルゴリズムの発展について議論する予定である。また、本研究手法を評価するため、ブラジルの共同研究先の実例題を用いて評価実験を行う予定である。
|
