深層学習を用いた顧客の感性評価と顧客間の感性のばらつきを考慮したロバスト意匠設計

• 研究課題/領域番号: 23K11749
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分90010:デザイン学関連
• 研究機関: 豊田工業大学
• 研究代表者: 小林 正和 豊田工業大学, 工学部, 准教授 (40409652)
• 研究期間 (年度): 2023-04-01 – 2026-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2023年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
• キーワード: 感性設計 / 意匠設計 / 深層学習 / ロバスト設計 / 感性工学

研究開始時の研究の概要

顧客の感性に基づく製品設計において，その結果に影響を与え，なおかつ本質的に避けられない要因として，顧客の感性評価のばらつきと，顧客間の感性のばらつきがある．前者のばらつきは顧客感性の同定を困難にし，後者のばらつきは全ての顧客が満足する製品の設計を困難にする．そこで本研究では，深層学習を用いてこの二つのばらつきを減少させ，結果に与える影響を軽減する方法を考案することで，ばらつきに強いロバストな意匠設計法の実現を目指す．

研究実績の概要

顧客の感性に基づく製品設計において，その結果に影響を与え，なおかつ本質的に避けられない要因として二つのばらつきがある．一つは顧客の感性評価のばらつきである．特に，深層学習を用いた設計法では，大量の学習データ収集のために，顧客に大量の感性評価を行ってもらう必要があるが，大量の感性評価を一貫した基準で間違いなく行ってもらうことは難しい．もう一つは，顧客間の感性のばらつきである．感性は人それぞれであり，同じ製品であってもその製品から受ける印象や選好は人により異なる．そのため，全ての顧客が満足する製品を設計することは難しい．そこで本研究では，二つのばらつきを減少させ，結果に与える影響を軽減する方法を考案することで，ばらつきに強いロバストな意匠設計法の実現を目指す．
今年度は研究の第一段階として，上記の一つ目のばらつきに注目し，「評価のばらつきのない信頼性の高い感性評価データ」を顧客ごとに収集するために，「学習に必要な学習データの数を減らす」というアプローチから検討を行った．ネットワークの学習において，個々の学習データの学習への寄与度はまちまちであることが機械学習の研究で分かっており，その寄与度を推定する方法が提案されている．そこで，この方法を用いて，最初から大量の製品を感性評価してもらうのではなく，最初は少数の製品を感性評価してもらい，そのデータをもとに未評価の製品の学習への寄与度を推定し，寄与度の高い製品のみを感性評価してもらうことで，学習に必要なデータの数を減らす．実験では，あらかじめ大量の感性評価データを収集しておき，ランダムにデータを選択して学習させた場合と，学習への寄与度の高いデータを選択して学習させた場合を比較し，後者の方がより精度の高い学習が行われることを確認した．また，ファインチューニングのような一般的な手法も有効であることを実験により確認した．

現在までの達成度 (区分)

2: おおむね順調に進展している

理由

おおむね当初の計画通りに進展している．

今後の研究の推進方策

当初の計画通り，次年度は第二段階として，二つ目のばらつきに注目し，これを軽減するためのロバストな設計法の検討を行う．