| 研究課題/領域番号 |
17H03266
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
守倉 正博 京都大学, 情報学研究科, 教授 (20467400)
|
|---|
| 研究分担者 |
山本 高至 京都大学, 情報学研究科, 准教授 (30423015)
西尾 理志 京都大学, 情報学研究科, 助教 (80711522)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | ミリ波通信 / 機械学習 / 強化学習 / 教師あり学習 / 通信制御 / コンピュータビジョン |
|---|
| 研究実績の概要 |
本研究の目的は、異分野技術の統合的な活用により、ミリ波通信の課題である見通し通信路遮蔽を解決し、途切れないミリ波通信を実現することである。令和元年度は、ミリ波通信品質予測手法の高度化を行った。ミリ波通信品質予測手法は、RGB-Dカメラを用いて通信環境の三次元空間情報を取得し、その情報をもとにミリ波通信の受信電力を数百ミリ秒先まで予測する技術である。これまで、時系列画像と深層学習により数百ミリ秒先まで受信電力を予測する技術を確立し、加えて、転移学習により実施環境での学習時間および必要なデータ量を大幅に削減する技術を確立した。令和元年度は、それらをさらに高度化した。具体的には、予測精度向上のため、転移学習に用いるシミュレーションデータをサンプリングする手法、および、画像と受信電力の両方を特徴量として用いるマルチモーダル予測技術を確立した。サンプリング手法では、学習に用いるシミュレーションデータにおいて、見通し通信時と見通し外通信時のデータについて、量の多い方を複製、もう一方を削減しデータ量のバランスをとることで、学習後のモデルの予測精度を改善する。マルチモーダル学習では、画像に加えて受信電力の時系列データを追加することで、見通し通時の信号の微小な変化等に関する情報が付加される。これらの技術により、転移学習後のモデルの予測性能の向上、および、見通し通信時の予測値の精度向上を実現した。プロアクティブ通信制御においては、深層強化学習により複数のカメラ映像をもとに最適な送信局を決定する戦略を獲得する方式を実現した。
|
| 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
受信電力予測技術においては、複数の送受信局が存在する場合の課題となる学習コストの問題に対し、予測精度を低下させることなく高速に学習する手法を確立している。また、プロアクティブ制御においても当初計画通りに、複数のカメラが存在する場合を想定した制御技術を確立している。これらの研究成果において、ジャーナル論文誌 4件, 国際会議3件に採録されており、当初計画以上といえる。
|
| 今後の研究の推進方策 |
最終年度は、これまでは実験データを用いてオフラインで性能評価してきた受信電力予測とプロアクティブ制御について、実機実装し実証評価することで、実利用時の性能を明らかにする。
|
