既存制御の操作量を活用した強化学習手法のエッジデバイスへの実装検討

カテゴリ: 部門大会

論文No: TC13-2

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Investigation of Reinforcement Learning Implementation on Edge Device by Utilizing the Operation of Existing Controller

著者名: 高野 俊也（東芝インフラシステムズ）,秦 洋（東芝インフラシステムズ）

著者名(英語): Toshiya Takano (Toshiba Infrastructure Systems & Solution Corporation),Yang Qin (Toshiba Infrastructure Systems & Solution Corporation)

キーワード: 強化学習|マイコン|実装|エッジデバイス|Reinforcement Learning|Microprocessor|Implementation|Edge Device

要約(日本語): 近年、自動運転技術 やロボット制御 などモデルが複雑で、高度な制御が要求される分野のブレークスルー技術として、人工知能技術のひとつである強化学習(Reinforcment Learning)が注目されている。従来、人間系で構築していた制御モデルに対して、強化学習により、モデルフリー化かつパラメータ調整フリー化を実現する手法を提案し、モータ速度制御を対象とした実機検証において有効性を確認した。さらに、制御モデルが存在する制御対象に対して、既存制御の操作量を強化学習の報酬に活用した協調学習手法を提案し、学習効率が改善することを示した。本稿は、マイコンなどのエッジデバイスでの強化学習の展開を想定し実装方法を検討する。