研究課題/領域番号 |
22KJ2935
|
補助金の研究課題番号 |
22J12794 (2022)
|
研究種目 |
特別研究員奨励費
|
配分区分 | 基金 (2023) 補助金 (2022) |
応募区分 | 国内 |
審査区分 |
小区分60050:ソフトウェア関連
|
研究機関 | 早稲田大学 |
研究代表者 |
李 家隆 早稲田大学, 理工学術院, 助手
|
研究期間 (年度) |
2023-03-08 – 2024-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
1,700千円 (直接経費: 1,700千円)
2023年度: 800千円 (直接経費: 800千円)
2022年度: 900千円 (直接経費: 900千円)
|
キーワード | 自己適応システム / 要求工学 |
研究開始時の研究の概要 |
本研究では、安全性が強みである「動的要求駆動」と最適性が強みである「強化学習」を組み合わせることで、安全性と最適性の両方を備えるハイブリッド適応の実現を目的とする。この組み合わせを検討した従来研究では、「安全性要求は静的で固定である」と「開発時における学習」という前提を置いており、想定外の環境変化に対する適応能力が検討されなかった。本研究は、「環境変化に対する自己適応」を着眼点とし、「環境変化に応じた安全性要求の実行時変化」と「要求変化に追随する方策の更新」を実現することで、安全かつ最適な自己適応を実現するハイブリッド適応フレームワークを構築する。
|
研究実績の概要 |
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。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
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。
|
今後の研究の推進方策 |
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。
|