| 研究課題/領域番号 |
20H02167
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21040:制御およびシステム工学関連
|
|---|
| 研究機関 | 千葉大学 |
|---|
研究代表者 |
残間 忠直 千葉大学, 大学院工学研究院, 准教授 (20324543)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
11,960千円 (直接経費: 9,200千円、間接経費: 2,760千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)
|
|---|
| キーワード | サイバーフィジカルシステム / ネットワーク化制御系 / ネットワーク化制御 / ネットワーク制御 / 最適制御 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
我が国では現在，情報・人間・機械が結合するネットワークを通じて多くの人々が豊かな社会を享受できる超スマート社会の技術的基盤の整備が進められている．
本研究で対象とする「情報・人間・機械が混在するネットワーク化制御系」の解析・設計は超スマート社会の中核を担う重要な学術的基盤技術である．
本研究では，これまでのネットワーク化制御系における最適化手法を基盤に，機械学習に代表される最新の手法によって不確定要因の推定と補償を融合し，情報・人間・機械が結合する超スマート社会の基盤技術を担うネットワーク化制御系の理論を体系化する．また，その手法の有効性を複数マシンの分散協調制御の実験によって明らかにする．
|
| 研究成果の概要 |
2020年に，ネットワーク化制御系においてデータ量子化，データ欠落，データ伝送スケジューリングに強化学習を用いる手法を提案し，その有効性を実験で確認した．2021年には，強化学習を用いたスケジューリングの他に，疎行列を用いた行列不等式に基づく手法を提案し，シミュレーションで有効性を示した．2022年には，機械学習や強化学習を用いてネットワークの欠落推定や遅延保障の手法をリアルタイムで実行可能にし，実験でその有効性を確認した．2023年には，ドローンによる移動体の追跡や追尾の手法を提案し，少ない観測データでの推定とリアルタイムでの最適制御を実現した．
|
| 研究成果の学術的意義や社会的意義 |
得られた研究成果は，ネットワーク化制御系における強化学習や機械学習の応用による新たな展開を示す．特に，データ伝送スケジューリングや移動体の追跡制御に関する提案は，実験によってその有効性が明らかにされる．これにより，ネットワークシステムにおいてリアルタイムでの学習と制御を統合することが可能となり，データ伝送の効率や移動体の追跡精度の向上が期待される．さらに，異なる時定数の制御対象においても効果的なスケジューリングが可能であることが示される．このように，これらの研究成果はネットワーク制御技術の発展に貢献し，実時間での最適化や制御の実現に向けた新たな可能性を示唆する．
|
