| 研究課題/領域番号 |
21K14184
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
橋本 和宗 大阪大学, 大学院工学研究科, 講師 (60883361)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 信頼されるAI |
|---|
| 研究実績の概要 |
本年度では、主に以下の研究成果が得らえた。
①ガウス過程回帰による自己駆動制御器の設計: 未知システムに対する自己駆動型制御器の設計手法を新たに提案した 。特に、制御対象のダイナミクスに通信間隔の情報を組み込むことで、従来よりもより短時間で最適な制御と通信方策の学習を可能とした。得られた成果は国際誌Advanced robotics に採録済みである。
②隊列走行における制御：隊列走行に対するコントローラの学習手法を提案した。特に、機械学習モデルの一つである再帰型ニューラルネットワークを用いることで、有人先頭車の急アクセルや急ブレーキの影響を後方車両に伝搬させないコントローラの学習が可能となった。得られた研究成果は、国内会議：電子情報通信学会高信頼制御通信研究会および国際会議：IEEE Australian and New Zealand Control Conferenceにて発表済みである。
③感染症の事象駆動型抑制方策の設計: 感染症の拡大を表す数理モデル(SIRSモデル)を用いて、感染症拡大を抑制するための事象駆動型方策の設計手法を提案した 。 特に、状態の離散化を行うシンボリックモデルを用いることで、感染率を常に所望の値以下に抑えることを保証する事象駆動制御器の設計が可能となった。得られた成果は、国際誌 Nonlinear Analysis : Hybrid Systems に採録された。
|
| 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
2023年度では、2022年度で得られたアルゴリズムを更に改良し、従来手法よりも効率的に制御器が学習できるアルゴリズムが提案できた。さらに、本研究の発展的・派生的な研究成果として、隊列走行といったマルチエージェント（群）に対するコントローラ設計手法や、感染症の抑制方策の設計手法も提案できた。
以上のことから、研究進捗は当初の計画以上に進展していると言える。
|
| 今後の研究の推進方策 |
2024年度（最終年度）では、2023年度で得られたアルゴリズムの理論的解析（安定性・安全性等）を行う予定である。
|
| 次年度使用額が生じた理由 |
当該年度では予定していた国内会議に参加しなかったため、予定よりも執行額が少なくなってしまった。この未使用額は2024年度に、国内旅費や書籍等の物品購入のために使用する予定である。
|
