| 研究課題/領域番号 |
22H03574
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
江崎 浩 東京大学, 大学院情報理工学系研究科, 教授 (60311643)
|
|---|
| 研究分担者 |
落合 秀也 東京大学, 大学院情報理工学系研究科, 准教授 (10615652)
砂原 秀樹 慶應義塾大学, メディアデザイン研究科(日吉), 教授 (20206577)
塚田 学 東京大学, 大学院情報理工学系研究科, 准教授 (90724352)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | インターネット映像音声 / Software Defined Media / Linked Open Data / デジタルツイン / AR/VR |
|---|
| 研究実績の概要 |
本研究では、BIMベースのシステム基盤に交通分野のダイナミックマップのコンセプトを適応させることで、様々なアプリケーションを実現する階層型ダイナミックマップに基づくデジタルツイン基盤を構築する。2022年には、以下のデジタルツイン、強化学習、分散シミュレーション、および位置推定の研究に取り組んだ。
まず、近年、データモデルの不均一性やサイロ化といった問題を解決するため、セマンティクスを活用したデータモデリングが注目されている。そこで本研究では、屋内空間向けのデジタルツインを表現するオントロジーを提案し、評価を行った。本成果は、人工知能学会のセマンティックウェブとオントロジー研究会で発表した。
次に、建物設備の制御問題を解決するために、強化学習を用いて最適なポリシーを見つけることを目指し、簡単な報酬関数で様々なポリシーを学習できるフレームワークを開発した。また、建物間のプライバシーを保ちながら学習の収束を加速させる連合学習の方法を示した。さらに、プライバシーやセキュリティの観点から、連合学習を利用して、多数の建物のモデルを共有し学習するための分散型建物シミュレータを提案した。このシミュレータはスケーラブルで柔軟であり、分散処理の複雑なコードを記述せずに複数のマシンにスケールする実験が可能である。本成果は、国際学会IEEE COINSで2件の発表を行った。
最後に、Wi-Fiの受信信号強度を利用して自己位置推定タスクに機械学習を適用し、Wireless Ad-Hoc Federated Learning (WAFL)を用いて広域な位置推定を行う機械学習モデルを構築した。
|
| 現在までの達成度 (区分) |
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
２０２２年度の計画に対して十分な成果が得られたため。
|
| 今後の研究の推進方策 |
次年度は、デジタルツイン基盤については、BIMとLinked Open Dataに加えて、リアルタイム情報を重畳する。また、2022年度に、開発したシミュレータを高度化する。
|
