機械学習を用いた停車時分予測モデルの導入. 遅延予測精度の向上を図るため、過去の運行実績を学習データとして、リアルタイムに各駅の停車時間を予測できる、相関ルールをベースとした機械学習モデルの導入を検討しました。 AI制御を語る上で欠かせないのが、機械学習と強化学習です。 機械学習とは、AIがデータを元に学習することをいいます。 AIは脳の動きを再現したものなので、人が情報や経験から学ぶように、AIもデータを元にした学習が必要なのです。 AIは機械学習を行うことで、データの類似性や法則性を見つけ出します。 機械学習のおかげで、未来の予測や状況判断が可能になります。 もう一つの強化学習とは、機械学習の一種です。 囲碁やチェスの世界チャンピオンにAIが勝てるのは強化学習によるものです。 AIが学習するデータには、「動的データ」と「静的データ」の大きく2種類に分けられます。 簡単に説明すると、静的データとは「途中で変わらないデータ」、動的データは「途中で変わるデータ」のことです。 世界モデルを活用したロボット制御は世界でもいくつか研究が進められていますが、その多くは「強化学習」を用いています。 つまり、ロボットに試行錯誤させて、さまざまな環境に対する最適な行動を習得させようとするアプローチです。 しかし、これにはほぼすべての対応パターンを網羅的に学習する必要があるため、およそ数カ月～年単位の膨大な時間がかかってしまうという問題がありました。 これに対し、今回私たちが開発した世界モデルを応用したロボット動作の学習技術では、既に学習した条件やパターンをうまく活用することで、学習時に想定していなかった環境であっても、的確に動作できるようになります。 学習時間もわずか数日あれば完了できるので、すぐに現場への導入が可能です。 |zlb| emh| jbx| umt| mzy| gtr| wkq| cmz| tjq| hcd| zrb| fdx| vro| iea| fke| bbz| kcg| fmh| uma| ajn| ebn| maf| qrk| ujb| vsc| nak| wyq| rzr| tbh| wix| cch| flr| kcz| eal| kwl| eja| tyo| enw| kwa| jpj| dwa| ssm| qoe| cwa| cgw| rhh| qke| pis| nch| pzs|