WO2020217762A1 - 通信装置、通信方法、及び通信プログラム - Google Patents
通信装置、通信方法、及び通信プログラム Download PDFInfo
- Publication number
- WO2020217762A1 WO2020217762A1 PCT/JP2020/010513 JP2020010513W WO2020217762A1 WO 2020217762 A1 WO2020217762 A1 WO 2020217762A1 JP 2020010513 W JP2020010513 W JP 2020010513W WO 2020217762 A1 WO2020217762 A1 WO 2020217762A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- communication
- learning
- communication device
- control unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Definitions
- This disclosure relates to communication devices, communication methods, and communication programs.
- AI Artificial Intelligence
- machine learning such as a neural network is used as a technique for realizing artificial intelligence.
- one electronic device instructs another electronic device to perform a predetermined control, and it is difficult for a plurality of electronic devices to cooperate with each other to perform a predetermined control. That is, in the past, each electronic device was merely controlled by machine learning independently, and an instruction was only sent to another electronic device based on the inference result of machine learning. This is partly because even if each of the plurality of electronic devices holds information related to machine learning, a communication format for mutual use of such information among the electronic devices is not prepared.
- one form of communication device includes a control unit.
- the control unit transmits communication information in which learning information related to machine learning used for controlling the own device or another device and identification information for identifying the content of the learning information are associated with the other device. Or receive.
- a plurality of components having substantially the same functional configuration may be distinguished by adding different numbers after the same reference numerals. However, if it is not necessary to distinguish each of the plurality of components having substantially the same functional configuration, only the same reference numerals are given.
- Embodiment 1-1 An example of communication processing according to the embodiment 1-2. Configuration of Communication Device According to Embodiment 1-3. Communication processing procedure according to the embodiment 2. Modification example 3. Summary
- FIG. 1 is a diagram showing an example of communication processing according to the embodiment.
- the communication process according to the embodiment is executed by the communication devices 1a to 1c shown in FIG.
- the communication devices 1a to 1c are, for example, electronic devices installed in the home H, and are configured to be able to communicate with each other via a predetermined network.
- the communication connection between the plurality of communication devices 1a to 1c may be wireless or wired.
- FIG. 1 shows a case where the three communication devices 1a to 1c are connected to each other, the number of the communication devices 1 connected to each other may be two or four or more. There may be.
- the communication devices 1a to 1c are installed in homes such as voice recognition devices such as smart speakers, televisions, home appliances such as air conditioners, refrigerators and robot vacuum cleaners, security cameras, indoor cameras and door lock devices. Electronic devices, etc.
- the communication devices 1a to 1c may be terminal devices such as smartphones, tablet terminals, notebook PCs (Personal Computers), desktop PCs, mobile phones, and PDAs (Personal Digital Assistants).
- the communication devices 1a to 1c may be various sensors having a communication function (communication unit).
- the sensor may be a sensor such as a sphygmomanometer, a weight scale, a temperature sensor, a humidity sensor, an infrared sensor (detecting a person or the like).
- At least one of the plurality of communication devices 1a to 1c can be controlled by machine learning. That is, at least one of the plurality of communication devices 1a to 1c is an electronic device equipped with artificial intelligence.
- the learning method in machine learning may be based on any algorithm. For example, various learning algorithms such as deep learning, a support vector machine, clustering, and enhanced learning, which are machine learning methods using a multi-layer neural network, can be used.
- the communication devices 1a to 1c when they are not distinguished, they may be described as the communication device 1. Further, when viewed from one communication device 1, it may describe itself as its own device and the other communication device 1 as another device.
- the conventional communication device is instructing other communication devices to perform predetermined control.
- the cooperation between the smart speaker and the robot vacuum cleaner will be described.
- the user inputs voice to the smart speaker, which is a communication device
- the smart speaker analyzes the voice input, detects the user's instruction, and instructs the robot vacuum cleaner to start cleaning.
- the robot vacuum cleaner that receives such an instruction analyzes the surrounding situation and cleans the room while avoiding obstacles.
- each communication device has only independently performed control by machine learning, and has only instructed other communication devices to start control or the like. That is, conventionally, it has been difficult to realize a predetermined control in a coordinated manner by mutually utilizing the inference results of machine learning and the like between other communication devices.
- the communication device 1 exchanges communication information in which information related to machine learning (hereinafter referred to as learning information) and identification information for identifying the content of the learning information are associated with other devices. Send or receive.
- learning information information related to machine learning
- identification information for identifying the content of the learning information are associated with other devices. Send or receive.
- the learning information is, for example, machine learning learning model information, sensor information that is input data to the learning model, model output information obtained by inputting sensor information into the learning model, and the like.
- the learning information may be other than the above information, and may include any information related to machine learning.
- the identification information is information that identifies the machine learning function (contents of the learning model) in each communication device 1, and is, for example, information that identifies the contents of the model output of the learning model or input data to the learning model. Information that identifies the contents of.
- the identification information of each communication device 1 is shared by each of the plurality of communication devices 1, and this point will be described later.
- the communication information is further associated with device information that identifies each communication device 1, purpose information that indicates the purpose of transmitting or receiving the communication information, and the like. It will be described later in FIG.
- the communication device 1c that has received the communication information from the communication device 1a identifies the content of the learning information based on the identification information in the communication information and uses it for controlling the own device. For example, the communication device 1c can input the received learning information into its own learning model and control the device based on the obtained model output information.
- the communication device 1a is a home camera installed at the entrance (referred to as a home camera 1a for convenience), and the communication device 1c is a door lock device (for convenience, a door lock device) that controls the lock of the entrance door. It is described as 1c).
- the home camera 1a acquires video data that captures the area around the installation position. Subsequently, the home camera 1a generates communication information in which the learning information, which is the acquired video data, and the identification information for identifying that the content of the learning information is the video data are linked. Subsequently, the home camera 1a transmits the generated communication information to the door lock device 1c.
- the door lock device 1c identifies that the content of the learning information is video data based on the identification information in the received communication information. Subsequently, the door lock device 1c inputs video data which is learning information into the learning model, and obtains a determination result (inference result) as to whether or not a person has gone out as a model output. Subsequently, the door lock device 1c locks the front door when it is determined that a person has gone out based on the model output.
- the other communication device 1 identifies the learning information by transmitting the communication information associated with the identification information that identifies the content of the learning information to the other communication device 1. Therefore, it is possible to control the own device (other communication device 1) by using the learning information. On the contrary, by receiving the communication information associated with the identification information from the other communication device 1, the learning information of the other communication device 1 can be identified by the own device, so that the learning information can be used for control. ..
- the learning information can be mutually used between the plurality of communication devices 1.
- the control in which the plurality of communication devices 1 are linked it is possible to contribute to the improvement of the accuracy of the control by the plurality of communication devices 1 and the construction of new control (including services and applications).
- the communication device 1c receives communication information from each of the communication device 1a and the communication device 1b, and controls the device in the communication device 1c based on the received plurality of communication information.
- the details of this point will be described later.
- the communication device 1c controls to transmit the sensor information detected by the communication device 1c to other communication devices 1a and 1b to perform learning processing and inference processing on behalf of the communication device 1c. This may be done, but this point will be described later.
- FIG. 2 is a block diagram showing a configuration example of the communication device 1 according to the embodiment.
- the communication device 1 includes a communication unit 10, a control unit 20, and a storage unit 30.
- the communication device 1 has an input unit (for example, a keyboard, a mouse, etc.) that receives various operations from a user or the like possessing the communication device 1, and a display unit (for example, a liquid crystal display, etc.) for displaying various information. You may.
- the communication unit 10 is realized by, for example, a NIC (Network Interface Card) or the like. Then, the communication unit 10 is connected to a predetermined network by wire or wirelessly, and transmits / receives information to / from another communication device 1. In addition, the communication unit 10 may send and receive information to and from a user terminal (not shown) used by a predetermined user.
- a NIC Network Interface Card
- the storage unit 30 is realized by, for example, a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory (Flash Memory), or a storage device such as a hard disk or an optical disk. As shown in FIG. 2, the storage unit 30 according to the embodiment stores the shared information 31, the target information 32, and the learning model information 33.
- a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory (Flash Memory)
- flash memory Flash Memory
- FIG. 2 the storage unit 30 according to the embodiment stores the shared information 31, the target information 32, and the learning model information 33.
- FIG. 3 is a diagram showing an example of the shared information 31.
- the shared information 31 is information shared by each communication device 1, and is information for grasping the function of the other communication device 1 when linking with the other communication device 1.
- the shared information 31 includes items such as "device ID”, “function ID”, “function”, “extended function ID”, and "extended function”.
- the device ID is information that identifies each communication device 1, that is, device information that identifies the source of the learning information.
- the function ID is identification information that identifies the machine learning function of each communication device 1, that is, identification information that identifies the content of the learning information.
- the function ID is, for example, identification information that identifies a learning model of machine learning.
- the function is name information indicating a machine learning function possessed by each communication device 1, that is, name information indicating the content of the learning information.
- the function is, for example, name information indicating the contents of the learning model.
- the extension function ID is identification information that identifies the extension function that subdivides the above-mentioned function.
- the extended function is name information indicating an extended function in which the function is subdivided, that is, name information indicating the content of information in which the learning information is subdivided.
- the communication device 1 identified by the device ID “0” has the function “image classification” identified by the function ID “0”, and further, “image classification”. Is subdivided into an extension function “animal classification” identified by the extension machine ID “0” and an extension function “vehicle classification” identified by the extension function ID "1".
- the communication device 1 identified by the device ID "0" has a learning model for performing "animal classification” as a learning model for performing "image classification” and a learning model for performing "vehicle classification”. There is.
- the acquisition unit 21 of the communication device 1 can acquire the shared information 31 of the other device when communication is established between the own device and the other device.
- the purpose information 32 is information shared by each communication device 1, and is information that identifies the purpose of communication such as learning information included in the communication information and shared information 31. Specifically, as shown in FIG. 4, the purpose information 32 has items such as "purpose ID" and "communication purpose”.
- the purpose ID is identification information (purpose information) that identifies the purpose of communication.
- the purpose of communication is information indicating the content of the purpose of communicating various kinds of information.
- the communication purpose identified by the purpose ID “0” is “sharing of the device ID database”, which indicates that communication is performed for the purpose of sharing the shared information 31.
- the communication purpose identified by the purpose ID “2” is “communication of learning information”, which indicates that communication is performed for the purpose of transmitting or receiving learning information. ..
- the communication device 1 uses the information received by the other device for an erroneous purpose by associating the target information 32 with the transmitted information (learning information or shared information 31). You can prevent it from happening.
- control unit 20 for example, a program (for example, a communication program according to the present disclosure) stored in the communication device 1 by a CPU (Central Processing Unit), an MPU (Micro Processing Unit), or the like uses a RAM or the like as a work area. It is realized by being executed. Further, the control unit 20 is a controller, and is realized by, for example, an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array).
- ASIC Application Specific Integrated Circuit
- FPGA Field Programmable Gate Array
- control unit 20 includes an acquisition unit 21, a detection unit 22, a learning unit 23, a generation unit 24, a request unit 25, and a device control unit 26, which will be described below. Realize or execute the functions and actions of communication processing.
- the internal configuration of the control unit 20 is not limited to the configuration shown in FIG. 2, and may be any other configuration as long as it performs communication processing described later.
- the acquisition unit 21 acquires various information. For example, the acquisition unit 21 acquires the shared information 31 from another device. For example, the acquisition unit 21 acquires the shared information 31 of the other device when the other device is connected to the network for the first time. Further, the acquisition unit 21 may periodically request and acquire the shared information 31 from another device. The acquisition unit 21 stores the acquired shared information 31 in the storage unit 30.
- the detection unit 22 detects sensor information which is information obtained by various sensors possessed by the own device.
- the sensor information is obtained by, for example, an image information obtained by an image sensor such as a camera, a biological information obtained by a biological sensor such as a thermometer, a sphygmomanometer, or a pulse rate monitor, or a sensor that receives a GPS (Global Positioning System) signal. Location information, etc.
- the detection unit 22 outputs the detected sensor information to the learning unit 23, the generation unit 24, and the device control unit 26.
- the learning unit 23 performs learning processing using the sensor information detected by the detection unit 22 and the information acquired from another device.
- the learning process is a process of generating a learning model in machine learning. Specifically, the learning unit 23 generates a learning model for performing the control processing in the device control unit 26 by performing the learning process.
- the learning unit 23 uses the sensor information detected by the detection unit 22 as learning data to generate a learning model by a predetermined algorithm. For example, the learning unit 23 generates image data obtained from a camera as learning data, and for example, a classification model for classifying a person or a non-human animal as a learning model.
- the learning unit 23 may identify the content of the learning information included in the communication information received from another device and generate a learning model using the learning information as learning data.
- the learning unit 23 stores the information of the learning model generated by the learning process in the storage unit 30 as the learning model information 33.
- the learning unit 23 may perform an update process for updating the learning model stored in the storage unit 30 by using the sensor information detected by the detection unit 22 and the learning information received from another device.
- the generation unit 24 generates communication information in which the learning information and the identification information that identifies the content of the learning information are linked.
- the communication information generated by the generation unit 24 will be described with reference to FIGS. 5 and 6.
- FIG. 5 and 6 are diagrams showing an example of a communication format in communication information.
- FIG. 5 shows a communication format when there is no extended function ID
- FIG. 6 shows a communication format when there is no extended function ID.
- the case where there is no extended function ID is the case where there is no extended function in the shared information 31
- the case where there is an extended function ID is the case where there is an extended function in the shared information 31.
- the generation unit 24 When there is no extended function ID, the generation unit 24 generates communication information associated with information such as a target ID, a device ID, a function ID, a data size, and data according to the communication format shown in FIG.
- the purpose ID is associated with the purpose ID selected according to the communication purpose in the purpose information 32.
- the device ID is associated with the device ID corresponding to the own device. That is, the device ID is device information that identifies the source of the learning information.
- the function ID the function ID corresponding to the content of the learning information (data shown in FIG. 5) is selected and associated.
- the data size is size information indicating the data size of the learning information.
- the data is learning information, for example, sensor information detected by the detection unit 22, information on the learning model generated by the learning unit 23, model output information obtained by inputting sensor information into the learning model, and the like. is there.
- the plurality of data in one packet may be data having different function IDs, or may be data having the same function ID but different detection times of data (sensor information). That is, the plurality of data need not be exactly the same data.
- the number of data contained in one packet may be two or more, or may be one.
- the number of data corresponding to the data size may be included in one packet.
- the larger the data size the smaller the number of data contained in one packet may be so that the amount of data per packet does not vary.
- the generation unit 24 If there is an extension function ID, the generation unit 24 generates communication information associated with information such as a target ID, a device ID, a function ID, an extension function ID, a data size, and data according to the communication format shown in FIG. To do.
- the extension function ID is associated with the extension function ID selected according to the content of the information in which the learning information is subdivided.
- generation unit 24 may optionally add an extension header at the end to the communication formats shown in FIGS. 5 and 6. This point will be described with reference to FIG.
- FIG. 7 is a diagram showing a communication format when an extension header is added.
- the generation unit 24 is associated with the target ID, device ID, function ID, extended function ID, data size, data, extended header ID, extended header size, and extended header data. Generate communication information.
- the extension header ID is identification information that identifies the extension header.
- the extended header size is size information indicating the data size of the extended header.
- the extended header data is data (learning information) having specified contents identified by the extended header ID.
- the extended header data is, for example, image data of the specified image size when the size of the image used for classifying the image is specified. Further, the extended header data is, for example, voice data having a specified frequency and sampling cycle when a voice frequency or sampling cycle used for voice recognition is specified. That is, the generation unit 24 generates communication information including learning information converted into a data format suitable for processing by machine learning.
- the generation unit 24 outputs the generated communication information to the communication unit 10, and the communication unit 10 transmits the communication information to another device.
- the generation unit 24 can appropriately select and perform unicast, multicast, and broadcast communication methods for the packet transmission method. That is, the generation unit 24 may transmit communication information to a specific communication device 1 (unicast), may be a plurality of specific communication devices 1 (multicast), or is connected to a network. It may be transmitted to all the communication devices 1 (broadcast).
- a specific communication device 1 unicast
- multicast multicast
- the communication protocol for example, SSDP (Simple Service Discovery Protocol) or the like can be used.
- the requesting unit 25 requests various information from other devices.
- the requesting unit 25 refers to, for example, the shared information 31 stored in the storage unit 30 to another device having a function of learning information (sensor information or learning model information) for performing learning processing by the learning unit 23. Request learning information for it. Further, the requesting unit 25 can also request learning information (sensor information) which is input data to the learning model generated by the learning unit 23 from another device.
- the request information is associated with the "request for acquisition of learning information" identified by the purpose ID "1" of the purpose information 32 and the content of the requested learning information.
- a packet is generated and transmitted to another device via the communication unit 10.
- the request unit 25 can appropriately select and perform unicast, multicast, and broadcast communication methods for the packet transmission method. That is, the request unit 25 may transmit request information to a specific communication device 1 (unicast), may be a plurality of specific communication devices 1 (multicast), or is connected to a network. It may be transmitted to all the communication devices 1 (broadcast).
- the device control unit 26 controls its own device. Specifically, the device control unit 26 controls the own device based on the model output obtained by inputting the sensor information into the learning model of the learning model information 33 stored in the storage unit 30.
- the sensor information input to the learning model may be the sensor information detected by the detection unit 22 or the sensor information received from another device.
- the device control unit 26 receives the learning model from another device and transmits the sensor information detected by the detection unit 22 to the received learning model.
- the device may be controlled by inputting and obtaining a model output.
- the device control unit 26 may receive model output of the learning model from another device to control the device.
- the generation unit 24 generates communication information in which the learning information, which is the sensor information detected by the detection unit 22 of the own device, and the identification information are linked.
- the communication information at this time is referred to as the purpose information 32 and is associated with the purpose ID "3". That is, the communication information for which the purpose of communication is a proxy request for learning processing (see FIG. 4) is transmitted to another device.
- the device control unit 26 may control its own device based on a plurality of learning information received from a plurality of other devices. Specifically, the device control unit 26 receives learning information of the same type (for example, image data) from different other devices to control the device, or receives different types of learning information from different devices to control the device. You can control it.
- learning information of the same type for example, image data
- FIGS. 8 to 13 show communication processes executed by each of the first communication device 1 and the second communication device 1, and in FIG. 12, each of the first communication device 1 to the third communication device 1 is described.
- the communication process to be executed will be described.
- FIG. 8 is a sequence diagram showing a procedure for sharing shared information among a plurality of communication devices 1.
- the first communication device 1 confirms the function of its own device (step S101). That is, the first communication device 1 extracts the "function" and the "extended function" associated with its own device ID from the shared information 31 stored in its own storage unit 30.
- the first communication device 1 generates notification information including the extracted information indicating the function of the own device (step S102).
- the notification information does not include the data related to the function itself, but includes metadata of the data related to the function. That is, the notification information may include information that allows the second communication device 1 to grasp the function of the first communication device 1.
- the first communication device 1 transmits the generated notification information to the second communication device 1 (step S103).
- the second communication device 1 stores the received notification information as shared information 31 in its own storage unit 30 (step S104).
- FIGS. 9 and 10 are sequence diagrams showing a procedure of a process in which the communication device 1 transmits communication information.
- FIG. 9 shows the case where the transmitted learning information is sensor information which is input data of the learning model
- FIG. 10 shows the case where the learning information is the inference result obtained by inputting the sensor information into the learning model. Show the case.
- the "learning process” shown below refers to a process of generating a learning model based on learning information
- a “inference process” refers to a process of inputting learning information into a learning model to obtain a model output.
- the first communication device 1 detects sensor information from various sensors (step S201).
- the first communication device 1 makes a communication connection with the second communication device 1 (step S201).
- the communication connection process between the first communication device 1 and the second communication device 1 may be performed before step S201.
- the first communication device 1 generates communication information in which the learning information, which is the detected sensor information, and the identification information (function ID) that identifies the content of the sensor information are linked (step S203).
- step S204 the first communication device 1 transmits the generated communication information to the second communication device 1 (step S204). Subsequently, the first communication device 1 disconnects the communication with the second communication device 1 (step S205). When the first communication device 1 continuously transmits communication information to the second communication device 1 in real time, step S205 may be omitted.
- the second communication device 1 identifies the learning information based on the identification information in the received communication information, and executes the learning process or the inference process based on the learning information (step S206).
- the second communication device 1 outputs the processing result (step S207). Specifically, in the case of learning processing, the second communication device 1 outputs the information of the learning model generated (or updated) by the sensor information as the processing result, and in the case of inference processing, the sensor information is used as the learning model. The information of the inference result obtained by inputting is output as the processing result.
- the second communication device 1 controls its own device based on the output processing result (step S208). Specifically, when the information of the learning model is output, the second communication device 1 stores the information of the learning model as the learning model information 33 in the storage unit 30, and when the information of the inference result is output, it takes. Execute device control according to the inference result.
- the first communication device 1 detects the sensor information (step S301).
- the first communication device 1 executes a learning process or an inference process using the detected sensor information (step S302).
- the first communication device 1 outputs the processing result (step S303). Specifically, in the case of learning processing, the first communication device 1 outputs the information of the learning model generated (or updated) by the sensor information as the processing result, and in the case of inference processing, the sensor information is used as the learning model. The information of the inference result obtained by inputting is output as the processing result.
- the first communication device 1 makes a communication connection with the second communication device 1 (step S304). Subsequently, the first communication device 1 generates communication information in which the learning information, which is the output processing result, and the identification information that identifies the content of the learning information are associated with each other (step S305).
- step S306 the first communication device 1 generates communication information in the second communication device 1 (step S306) and disconnects the communication (step S307).
- step S307 may be omitted when the first communication device 1 continuously transmits communication information to the second communication device 1 in real time.
- the second communication device 1 identifies the learning information based on the identification information in the received communication information, and executes the learning process or the inference process based on the learning information (step S308).
- the second communication device 1 outputs the processing result (step S309). Specifically, in the case of the learning process, the second communication device 1 outputs the information of the learning model generated (or updated) using the inference result which is the learning information as the processing result, and in the case of the inference processing, the second communication device 1 outputs the information of the learning model.
- the inference result, which is the learning information is input to the learning model, and the inference result information obtained is output as the processing result.
- the second communication device 1 controls the device of its own device based on the output processing result (step S310). Specifically, when the information of the learning model is output, the second communication device 1 stores the information of the learning model as the learning model information 33 in the storage unit 30, and when the information of the inference result is output, it takes. Execute device control according to the inference result.
- FIG. 11 is a sequence diagram showing a procedure of processing in which the second communication device 1 substitutes the learning process or the inference process of the first communication device 1.
- the first communication device 1 detects the sensor information (step S401). Subsequently, the first communication device 1 makes a communication connection with the second communication device 1 (step S402).
- the first communication device 1 generates communication information in which the learning information, which is the detected sensor information, and the identification information that identifies the content of the learning information are associated with each other (step S403), and goes to the second communication device 1. Transmit (step S404).
- the second communication device 1 identifies the learning information based on the identification information in the received communication information, and executes the learning process or the inference process based on the learning information (step S405).
- the second communication device 1 outputs the processing result (step S406). Specifically, in the case of learning processing, the second communication device 1 outputs the information of the learning model generated (or updated) by the sensor information as the processing result, and in the case of inference processing, the sensor information is used as the learning model. The information of the inference result obtained by inputting is output as the processing result.
- the second communication device 1 transmits the output processing result to the first communication device 1 (step S407).
- the first communication device 1 executes device control of its own device based on the received processing result (step S408).
- step S409 the first communication device 1 disconnects the communication with the second communication device 1 (step S409). If the first communication device 1 continuously transmits / receives information to / from the second communication device 1 in real time, step S409 may be omitted.
- FIG. 12 is a sequence diagram showing a procedure of a process in which the third communication device 1 collects communication information from the first communication device 1 and the second communication device 1 to control the device.
- the first communication device 1 and the second communication device 1 detect sensor information (steps S501-1, S501-2).
- the first communication device 1 and the second communication device 1 execute the learning process or the inference process using the detected sensor information (steps S502-1 and S502-2).
- the first communication device 1 and the second communication device 1 output the processing result (steps S503-1, S503-2). Specifically, in the case of the learning process, the first communication device 1 and the second communication device 1 output the information of the learning model generated (or updated) by the sensor information as the processing result, and in the case of the inference processing, The sensor information is input to the learning model and the inference result information obtained is output as the processing result.
- the first communication device 1 makes a communication connection with the third communication device 1 (step S504).
- the second communication device 1 makes a communication connection with the third communication device 1 (step S505).
- the processing order may be changed.
- the first communication device 1 generates communication information (step S506) and transmits it to the third communication device 1 (step S507).
- the second communication device 1 generates communication information (step S508) and transmits it to the third communication device 1 (step S509).
- the first communication device 1 disconnects the communication with the third communication device 1 (step S510), and subsequently, the second communication device 1 disconnects the communication with the third communication device 1. (Step S511).
- steps S510 and S511 may be omitted.
- the third communication device 1 identifies the learning information based on the identification information in the received communication information, and executes the learning process or the inference process based on the learning information (step S512).
- the third communication device 1 outputs the processing result (step S513). Specifically, in the case of learning processing, the third communication device 1 outputs the information of the learning model generated (or updated) by the sensor information as the processing result, and in the case of inference processing, the sensor information is used as the learning model. The information of the inference result obtained by inputting is output as the processing result.
- the third communication device 1 controls the device of its own device based on the output processing result (step S514).
- FIG. 13 is a sequence diagram showing a procedure of processing in which the first communication device 1 requests learning information from the second communication device 1.
- the first communication device 1 confirms the data of the function required for controlling the own device (step S601). Specifically, the first communication device 1 extracts learning information that is insufficient for controlling its own device.
- the first communication device 1 makes a communication connection with the second communication device 1 (step S602).
- the first communication device 1 generates request information requesting the function (learning information) extracted in step S601 (step S603) and transmits it to the second communication device 1 (step S604).
- the second communication device 1 extracts the requested learning information based on the request information (step S605). Subsequently, the second communication device 1 generates communication information in which the extracted learning information is associated with the identification information that identifies the content of the learning information (step S606), and transmits the communication information to the first communication device 1 (step S606). Step S607).
- step S608 the first communication device 1 disconnects the communication with the second communication device 1 (step S608).
- step S608 may be omitted when the first communication device 1 continuously transmits and receives information to and from the second communication device 1 in real time.
- the first communication device 1 identifies the learning information based on the identification information in the received communication information, and executes the learning process or the inference process based on the learning information (step S609).
- the first communication device 1 outputs the processing result (step S610). Specifically, in the case of learning processing, the first communication device 1 outputs the information of the learning model generated (or updated) by the learning information as the processing result, and in the case of inference processing, the learning information is used as the learning model. The information of the inference result obtained by inputting is output as the processing result.
- the first communication device 1 controls the device of its own device based on the processing result (step S611).
- the communication program may be stored in a disk device provided in a server device on a network such as the Internet so that it can be downloaded to a computer or the like.
- the above-mentioned functions may be realized by the collaboration between the OS (Operating System) and the application software.
- the part other than the OS may be stored in a medium and distributed, or the part other than the OS may be stored in the server device so that it can be downloaded to a computer or the like.
- each component of each device shown in the figure is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically dispersed / physically distributed in arbitrary units according to various loads and usage conditions. It can be integrated and configured.
- the communication device 1 includes a control unit 20.
- the control unit 20 transmits or receives communication information associated with learning information related to machine learning used for controlling the own device or another device and identification information for identifying the content of the learning information with the other device. To do.
- the other communication device 1 can identify the learning information based on the identification information, so that the own device (other communication device 1) can be controlled by using the learning information.
- the learning information of the other communication device 1 can be identified by the own device, so that the learning information can be used for control. .. That is, the learning information can be mutually used between the plurality of communication devices 1.
- the communication information according to the embodiment is associated with the device information that identifies the source of the learning information.
- the communication device 1 can identify the device type, performance, etc. of the communication device 1 that is the source of the learning information, so that the content of the received learning information can be grasped more accurately, and the device of the own device can be grasped. Control can be performed with higher accuracy.
- the communication information according to the embodiment is associated with the purpose information for identifying the communication purpose of the learning information.
- the communication information according to the embodiment is associated with the size information indicating the data size of the learning information.
- the data size of the learning information can be grasped before the communication device 1 on the receiving side performs the learning process or the inference process, so that the processing load can be accurately distributed from other processes.
- control unit 20 transmits or receives a request for learning information with another device.
- the requesting communication device 1 can request and supplement the learning information lacking in the control of the own device, so that the device control of the own device can be performed with high accuracy. Further, by transmitting the learning information only when there is a request, it is possible to reduce the congestion of the network connecting the communication devices 1.
- control unit 20 transmits or receives communication information including learning information converted into a data format suitable for processing by machine learning.
- control unit 20 can align the image data of the learning data, for example, when performing the learning process, and thus the learning process.
- the accuracy of can be improved.
- control unit 20 includes a device control unit 26.
- the device control unit 26 identifies the content of the learning information in the communication information based on the identification information in the communication information received from the other device, and controls the own device based on the content of the identified learning information.
- the device control unit 26 controls the own device based on a plurality of communication information received from the plurality of other devices.
- control unit 20 transmits communication information to another device, and receives a learning result based on the communication information from the other device.
- the device control unit 26 controls the own device based on the received learning result.
- the own device does not have to have the function of performing the learning process or the inference process, so that the product cost of the own device can be reduced. Moreover, it is possible to prevent the processing load from increasing.
- the present technology can also have the following configurations.
- a control unit that transmits or receives communication information associated with learning information related to machine learning used for controlling the own device or another device and identification information that identifies the content of the learning information with the other device.
- the communication information is The communication device according to (1) above, to which device information that identifies a source of the learning information is associated.
- the communication information is The communication device according to (1) or (2) above, to which the purpose information for identifying the communication purpose of the learning information is associated.
- the communication information is The communication device according to any one of (1) to (3) above, to which size information indicating the data size of the learning information is associated.
- the control unit The communication device according to any one of (1) to (4) above, which transmits or receives a request for learning information with the other device.
- the control unit The communication device according to any one of (1) to (5) above, which transmits or receives the communication information including the learning information converted into a data format suitable for processing by the machine learning.
- the control unit A device control unit that identifies the content of the learning information in the communication information based on the identification information in the communication information received from the other device and controls the own device based on the identified content of the learning information.
- the communication device according to any one of (1) to (6) above.
- the device control unit The communication device according to (7), which controls the own device based on a plurality of communication information received from the plurality of other devices.
- the control unit The communication information is transmitted to the other device, and the learning result based on the communication information is received from the other device.
- the device control unit The communication device according to (7) or (8) above, which controls the own device based on the received learning result.
- Communication methods including.
- (11) A control procedure for transmitting or receiving communication information associated with learning information related to machine learning used for controlling the own device or another device and identification information for identifying the content of the learning information with the other device.
- a communication program that causes a computer to execute.
- Communication device 10 Communication unit 20 Control unit 21 Acquisition unit 22 Detection unit 23 Learning unit 24 Generation unit 25 Request unit 26 Equipment control unit 30 Storage unit
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
通信装置(1)は、制御部(20)を備える。制御部(20)は、自装置または他装置の制御に用いられる機械学習に関する学習情報と、学習情報の内容を識別する識別情報とが紐付けられた通信情報を、他装置との間で送信または受信する。
Description
本開示は、通信装置、通信方法、及び通信プログラムに関する。
近年、スマートスピーカや家電機器等の家庭用機器において人工知能(AI:Artificial Intelligence)が搭載されつつある。そして、人工知能を実現する技術としてニューラルネットワーク等の機械学習が用いられる。
また、例えば、複数の電子機器がネットワーク接続された状況において、一の電子機器で受け付けたユーザの音声に基づいて、他の電子機器を制御する技術が提案されている(例えば、特許文献1参照)。
しかしながら、従来技術は、一の電子機器から他の電子機器に対して所定の制御を行うよう指示するものであって、複数の電子機器同士が連携して所定の制御を行うことが難しかった。つまり、従来は、個々の電子機器が独立して機械学習による制御を行っているに過ぎず、機械学習の推論結果に基づいて他の電子機器に指示を送るのみであった。これは、複数の電子機器それぞれが機械学習に関する情報を保持していたとしても、かかる情報を電子機器間で相互に利用するための通信フォーマットが整備されていないことが一因としてある。
そこで、本開示では、機械学習に関する情報を複数の機器間で相互に利用することができる通信装置、通信方法、及び通信プログラムを提案する。
上記の課題を解決するために、本開示に係る一形態の通信装置は、制御部を備える。前記制御部は、自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する。
以下に、本開示の実施形態について図面に基づいて詳細に説明する。なお、以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。
また、本明細書及び図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合もある。ただし、実質的に同一の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。
また、以下に示す項目順序に従って本開示を説明する。
1.実施形態
1-1.実施形態に係る通信処理の一例
1-2.実施形態に係る通信装置の構成
1-3.実施形態に係る通信処理の手順
2.変形例
3.まとめ
1.実施形態
1-1.実施形態に係る通信処理の一例
1-2.実施形態に係る通信装置の構成
1-3.実施形態に係る通信処理の手順
2.変形例
3.まとめ
(1.実施形態)
<1-1.実施形態に係る通信処理の一例>
図1は、実施形態に係る通信処理の一例を示す図である。実施形態に係る通信処理は、図1に示す通信装置1a~1cによって実行される。通信装置1a~1cは、例えば、家庭Hに設置される電子機器であり、所定のネットワークを介して相互に通信可能に構成される。なお、複数の通信装置1a~1c間の通信接続は、無線であっても有線であってもよい。また、図1では、3つの通信装置1a~1cが相互に接続される場合を示しているが、相互に接続される通信装置1の数は、2つであってもよく、4つ以上であってもよい。
<1-1.実施形態に係る通信処理の一例>
図1は、実施形態に係る通信処理の一例を示す図である。実施形態に係る通信処理は、図1に示す通信装置1a~1cによって実行される。通信装置1a~1cは、例えば、家庭Hに設置される電子機器であり、所定のネットワークを介して相互に通信可能に構成される。なお、複数の通信装置1a~1c間の通信接続は、無線であっても有線であってもよい。また、図1では、3つの通信装置1a~1cが相互に接続される場合を示しているが、相互に接続される通信装置1の数は、2つであってもよく、4つ以上であってもよい。
例えば、通信装置1a~1cは、スマートスピーカ等の音声認識装置、テレビや、エアコン、冷蔵庫、ロボット掃除機等の家電機器、セキュリティカメラや、室内カメラ、ドアロック機器等の家庭内に設置される電子機器等である。なお、通信装置1a~1cは、スマートフォン、タブレット型端末、ノート型PC(Personal Computer)、デスクトップPC、携帯電話機、PDA(Personal Digital Assistant)等の端末装置であってもよい。
あるいは、通信装置1a~1cは、通信機能(通信部)を有する各種センサであってもよい。例えば、センサは、血圧計や、体重計、温度センサ、湿度センサ、赤外線センサ(人等を検知)等のセンサであってもよい。
また、複数の通信装置1a~1cの少なくとも1つは、機械学習による制御を行うことができる。つまり、複数の通信装置1a~1cの少なくとも1つは、人口知能が搭載された電子機器である。なお、機械学習における学習手法は、いかなるアルゴリズムに基づくものであってもよい。例えば、多層のニューラルネットワーク(Deep Neural Network)による機械学習手法である深層学習(ディープラーニング)、サポートベクターマシン(support vector machine)、クラスタリング、強化学習等の各種学習アルゴリズムを用いることができる。
なお、以下では、通信装置1a~1cを区別しない場合には、通信装置1と記載する場合がある。また、一の通信装置1から見て、自身を自装置と記載し、他の通信装置1を他装置と記載する場合がある。
ここで、従来の通信装置は、他の通信装置に対して所定の制御をするように指示するものであった。具体例として、スマートスピーカとロボット掃除機との連携について説明する。まず、ユーザが通信装置であるスマートスピーカに音声入力し、スマートスピーカが音声入力を解析してユーザの指示を検出し、ロボット掃除機に対して掃除開始を指示する。そして、かかる指示を受けたロボット掃除機は、周囲の状況を解析して障害物を避けつつ部屋を掃除する。換言すれば、従来は、個々の通信装置が独立して機械学習による制御を行っているに過ぎず、他の通信装置に対して制御開始等を指示するのみであった。つまり、従来は、機械学習の推論結果等を他の通信装置間で相互に利用して協調的に所定の制御を実現することが難しかった。
これは、機械学習に関する情報を複数の通信装置間で相互に利用するための通信フォーマットが整備されていないことが一因としてある。このため、仮に、他の通信装置へ機械学習に関する情報を送信したとしても、他の通信装置は、その情報がどのような内容であるかを把握する術がないため、かかる情報を制御に利用することが難しい。
そこで、実施形態に係る通信装置1は、機械学習に関する情報(以下、学習情報と記載する)と、学習情報の内容を識別する識別情報とが紐付けられた通信情報を、他装置の間で送信または受信する。
ここで、学習情報とは、例えば、機械学習の学習モデルの情報や、学習モデルへの入力データとなるセンサ情報、学習モデルにセンサ情報を入力して得られたモデル出力の情報等である。なお、学習情報は、上記の情報以外であってもよく、機械学習に関わるあらゆる情報を含むことができる。
また、識別情報とは、各通信装置1における機械学習の機能(学習モデルの内容)を識別する情報であり、例えば、学習モデルのモデル出力の内容を識別する情報や、学習モデルへの入力データの内容を識別する情報である。なお、各通信装置1の識別情報は、複数の通信装置1それぞれで共有されるが、かかる点については後述する。
また、通信情報は、識別情報以外にも、通信装置1それぞれを識別する機器情報や、通信情報を送信または受信する目的を示す目的情報等がさらに紐付けられるが、かかる点の詳細については、図5で後述する。
そして、通信装置1aから通信情報を受信した通信装置1cは、通信情報における識別情報に基づいて、学習情報の内容を識別し、自装置の制御に用いる。例えば、通信装置1cは、受信した学習情報を自身の学習モデルに入力し、得られたモデル出力の情報に基づいて機器制御を行うことができる。
ここで、実施形態に係る通信処理について、具体例を挙げて説明する。具体例では、通信装置1aが、玄関に設置されたホームカメラ(便宜上、ホームカメラ1aと記載する)であり、通信装置1cが、玄関ドアのロックを制御するドアロック機器(便宜上、ドアロック機器1cと記載する)であることとする。
まず、ホームカメラ1aは、設置位置周辺を撮像した映像データを取得する。つづいて、ホームカメラ1aは、取得した映像データである学習情報と、学習情報の内容が映像データであることを識別する識別情報とを紐付けた通信情報を生成する。つづいて、ホームカメラ1aは、生成した通信情報をドアロック機器1cへ送信する。
そして、ドアロック機器1cは、受信した通信情報における識別情報に基づいて、学習情報の内容が映像データであることを識別する。つづいて、ドアロック機器1cは、学習情報である映像データを学習モデルに入力し、人が外出したか否かの判定結果(推論結果)をモデル出力として得る。つづいて、ドアロック機器1cは、モデル出力に基づいて、人が外出したと判定した場合、玄関ドアをロックする。
このように、実施形態に係る通信方法では、学習情報の内容を識別する識別情報が紐付けられた通信情報を他の通信装置1へ送信することで、他の通信装置1が学習情報を識別できるため、学習情報を利用して自装置(他の通信装置1)の制御を行うことができる。逆に、他の通信装置1から識別情報が紐付いた通信情報を受信することで、自装置でも他の通信装置1の学習情報を識別できるため、学習情報を利用して制御を行うことができる。
従って、実施形態に係る通信方法によれば、学習情報を複数の通信装置1間で相互に利用することができる。このように、複数の通信装置1が連携した制御を行うことで、複数の通信装置1による制御の精度向上や、新たな制御(サービスやアプリケーションを含む)の構築に資することができる。
なお、実施形態に係る通信方法では、例えば、通信装置1cは、通信装置1aおよび通信装置1bそれぞれから通信情報を受信し、受信した複数の通信情報に基づいて通信装置1cにおける機器制御を行うことができるが、かかる点の詳細については後述する。
また、実施形態に係る通信方法では、例えば、通信装置1cは、通信装置1cで検出したセンサ情報を他の通信装置1a,1bに送信して、学習処理や推論処理を代行してもらう制御を行ってもよいが、かかる点については後述する。
<1-2.実施形態に係る通信装置の構成>
次に、図2を用いて、実施形態に係る通信装置1の構成について説明する。図2は、実施形態に係る通信装置1の構成例を示すブロック図である。
次に、図2を用いて、実施形態に係る通信装置1の構成について説明する。図2は、実施形態に係る通信装置1の構成例を示すブロック図である。
図2に示すように、実施形態に係る通信装置1は、通信部10と、制御部20と、記憶部30とを備える。なお、通信装置1は、通信装置1を所持するユーザ等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部10は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部10は、所定のネットワークと有線または無線で接続され、他の通信装置1との間で情報の送受信を行う。また、通信部10は、所定のユーザが利用するユーザ端末(図示省略)との間で情報の送受信を行ってもよい。
記憶部30は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部30は、図2に示すように、共有情報31と、目的情報32と、学習モデル情報33とを記憶する。
図3は、共有情報31の一例を示す図である。共有情報31は、各通信装置1で共有される情報であり、他の通信装置1と連携する際に、他の通信装置1の機能を把握するための情報である。具体的には、図3に示すように、共有情報31は、「機器ID」、「機能ID」、「機能」、「拡張機能ID」および「拡張機能」といった項目を含む。
機器IDは、各通信装置1を識別する情報であり、すなわち、学習情報の送信元を識別する機器情報である。機能IDは、各通信装置1が有する機械学習の機能を識別する識別情報、すなわち、学習情報の内容を識別する識別情報である。機能IDは、例えば、機械学習の学習モデルを識別する識別情報である。機能は、各通信装置1が有する機械学習の機能を示す名称情報、すなわち、学習情報の内容を示す名称情報である。機能は、例えば、学習モデルの内容を示す名称情報である。拡張機能IDは、上記した機能を細分化した拡張機能を識別する識別情報である。拡張機能は、機能を細分化した拡張機能を示す名称情報、すなわち、学習情報を細分化した情報の内容を示す名称情報である。
図3に示す例では、機器ID「0」で識別される通信装置1は、機能ID「0」で識別される機能「画像のクラス分類」を有しており、さらに、「画像のクラス分類」は、拡張機ID「0」で識別される拡張機能「動物分類」と、拡張機能ID「1」で識別される拡張機能「乗り物分類」とに細分化される。
すなわち、機器ID「0」で識別される通信装置1は、「画像のクラス分類」を行う学習モデルとして「動物分類」を行う学習モデルと、「乗り物分類」を行う学習モデルとを有している。
なお、詳細は後述するが、通信装置1の取得部21は、自装置および他装置の間で通信が確立された場合に、他装置の共有情報31を取得することができる。
次に、図4を用いて、目的情報32について説明する。図4は、目的情報32の一例を示す図である。目的情報32は、各通信装置1で共有される情報であり、通信情報に含まれる学習情報や、共有情報31等の通信を行う目的を識別する情報である。具体的には、図4に示すように、目的情報32は、「目的ID」および「通信目的」といった項目を有する。
目的IDは、通信目的を識別する識別情報(目的情報)である。通信目的は、各種情報を通信する目的の内容を示す情報である。
図4に示す例では、目的ID「0」で識別される通信目的は、「機器IDデータベースの共有」であり、これは、共有情報31を共有することを目的として通信することを示す。また、図4に示す例では、目的ID「2」で識別される通信目的は、「学習情報の通信」であり、これは、学習情報を送信または受信することを目的として通信することを示す。
つまり、通信装置1は、他装置へ情報を送信する際に、送信する情報(学習情報や共有情報31)に目的情報32を紐付けることで、他装置が受信した情報を誤った目的に使用してしまうことを防ぐことができる。
図2に戻って、制御部20について説明する。制御部20は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、通信装置1内部に記憶されたプログラム(例えば、本開示に係る通信プログラム等)がRAM等を作業領域として実行されることにより実現される。また、制御部20は、コントローラ(Controller)であり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
図2に示すように、制御部20は、取得部21と、検出部22と、学習部23と、生成部24と、要求部25と、機器制御部26とを有し、以下に説明する通信処理の機能や作用を実現または実行する。なお、制御部20の内部構成は、図2に示した構成に限られず、後述する通信処理を行う構成であれば他の構成であってもよい。
取得部21は、各種情報を取得する。例えば、取得部21は、他装置から共有情報31を取得する。例えば、取得部21は、他装置がネットワークに初めて接続された場合に、他装置の共有情報31を取得する。また、取得部21は、他装置に対して定期的に共有情報31を要求して取得するようにしてもよい。取得部21は、取得した共有情報31を記憶部30に記憶する。
検出部22は、自装置が有する各種センサによって得られる情報であるセンサ情報を検出する。センサ情報は、例えば、カメラ等の画像センサによって得られる画像情報や、体温計、血圧計、脈拍計等の生体センサによって得られる生体情報、GPS(Global Positioning System)の信号を受信するセンサによって得られる位置情報等である。検出部22は、検出したセンサ情報を学習部23や生成部24、機器制御部26へ出力する。
学習部23は、検出部22で検出されたセンサ情報や、他装置から取得した情報を用いて学習処理を行う。学習処理とは、機械学習における学習モデルを生成する処理である。具体的には、学習部23は、学習処理を行うことで、機器制御部26における制御処理を行うための学習モデルを生成する。
具体的には、学習部23は、検出部22で検出されたセンサ情報を学習データとして、所定のアルゴリズムによる学習モデルを生成する。例えば、学習部23は、カメラから得られた画像データを学習データとして、例えば、人か人以外の動物かを分類する分類モデルを学習モデルとして生成する。
また、学習部23は、他装置から受信した通信情報に含まれる学習情報の内容を識別し、学習情報を学習データとして、学習モデルを生成してもよい。学習部23は、学習処理により生成した学習モデルの情報を学習モデル情報33として記憶部30に記憶する。
また、学習部23は、検出部22で検出されたセンサ情報や、他装置から受信した学習情報を用いて、記憶部30に記憶された学習モデルを更新する更新処理を行ってもよい。
生成部24は、学習情報と、学習情報の内容を識別する識別情報とを紐付けた通信情報を生成する。ここで、図5および図6を用いて、生成部24が生成する通信情報について説明する。
図5および図6は、通信情報における通信フォーマットの一例を示す図である。図5では、拡張機能IDが無い場合の通信フォーマットを示し、図6では、拡張機能IDがある場合の通信フォーマットを示す。なお、拡張機能IDが無い場合とは、共有情報31における拡張機能が無い場合であり、拡張機能IDがある場合とは、共有情報31における拡張機能がある場合である。
生成部24は、拡張機能IDが無い場合、図5に示す通信フォーマットに従って、目的ID、機器ID、機能ID、データサイズ、データ等の情報を紐付けた通信情報を生成する。
目的IDは、目的情報32における通信目的に応じた目的IDが選択されて紐付けられる。機器IDは、自装置に対応する機器IDが紐付けられる。つまり、機器IDは、学習情報の送信元を識別する機器情報である。機能IDは、学習情報(図5に示すデータ)の内容に応じた機能IDが選択されて紐付けられる。データサイズは、学習情報のデータサイズを示すサイズ情報である。データは、学習情報であり、例えば、検出部22によって検出されたセンサ情報や、学習部23によって生成された学習モデルの情報、学習モデルにセンサ情報を入力して得られるモデル出力の情報等である。
また、図5に示す通信フォーマットでは、複数のデータを1パケットとする通信情報を生成することができる。1パケットにおける複数のデータは、異なる機能IDのデータであってもよく、あるいは、同じ機能IDで、データ(センサ情報)の検出時間が異なるデータであってもよい。つまり、複数のデータが全く同じデータでなければよい。
なお、1パケットに含まれるデータの数は、2つ以上であってもよく、1つであってもよい。例えば、データサイズに応じた数のデータを1パケットに含めるようにしてもよい。具体的には、データサイズが大きい程、1パケットに含まれるデータの数を少なくするようにして、1パケットあたりのデータ量がばらつかないようにしてもよい。
また、生成部24は、拡張機能IDがある場合、図6に示す通信フォーマットに従って、目的ID、機器ID、機能ID、拡張機能ID、データサイズ、データ等の情報を紐付けた通信情報を生成する。
拡張機能IDは、学習情報が細分化された情報の内容に応じた拡張機能IDが選択されて紐付けられる。
なお、生成部24は、図5および図6に示す通信フォーマットに末尾に、オプションとして拡張ヘッダを追加してもよい。かかる点について、図7を用いて説明する。
図7は、拡張ヘッダを追加した場合の通信フォーマットを示す図である。生成部24は、図7に示す通信フォーマットに従った場合、目的ID、機器ID、機能ID、拡張機能ID、データサイズ、データ、拡張ヘッダID、拡張ヘッダサイズおよび拡張ヘッダデータが紐付けられた通信情報を生成する。
拡張ヘッダIDは、拡張ヘッダを識別する識別情報である。拡張ヘッダサイズは、拡張ヘッダのデータサイズを示すサイズ情報である。拡張ヘッダデータは、拡張ヘッダIDで識別される指定内容のデータ(学習情報)である。拡張ヘッダデータは、例えば、画像のクラス分類に用いる画像のサイズが指定された場合、指定された画像サイズの画像データである。また、拡張ヘッダデータは、例えば、音声識別に用いる音声の周波数やサンプリング周期が指定された場合、指定された周波数およびサンプリング周期の音声データである。つまり、生成部24は、機械学習による処理に適合するデータ形式に変換された学習情報を含む通信情報を生成する。
生成部24は、生成した通信情報を通信部10へ出力し、通信部10は、通信情報を他装置へ送信する。
なお、生成部24は、パケット送信方法について、ユニキャスト、マルチキャストおよびブロードキャストの通信方式を適切に選択して行うことができる。つまり、生成部24は、通信情報を特定の一の通信装置1へ送信してもよく(ユニキャスト)、特定の複数の通信装置1にしてもよく(マルチキャスト)、あるいは、ネットワークに接続されているすべての通信装置1(ブロードキャスト)へ送信してもよい。なお、通信プロトコルとして、例えば、SSDP(Simple Service Discovery Protocol)等を用いることができる。
要求部25は、他装置に対して各種情報を要求する。要求部25は、例えば、記憶部30に記憶された共有情報31を参照して、学習部23による学習処理を行うための学習情報(センサ情報や学習モデルの情報)の機能を有する他装置に対して学習情報を要求する。また、要求部25は、学習部23が生成した学習モデルへの入力データとなる学習情報(センサ情報)を他装置へ要求することもできる。なお、要求部25が他装置へ要求する場合には、目的情報32の目的ID「1」で識別される「学習情報の取得要求」と、要求する学習情報の内容とを紐付けた要求情報であるパケットを生成し、通信部10を介して他装置へ送信する。
なお、要求部25は、パケット送信方法について、ユニキャスト、マルチキャストおよびブロードキャストの通信方式を適切に選択して行うことができる。つまり、要求部25は、要求情報を特定の一の通信装置1へ送信してもよく(ユニキャスト)、特定の複数の通信装置1にしてもよく(マルチキャスト)、あるいは、ネットワークに接続されているすべての通信装置1(ブロードキャスト)へ送信してもよい。
機器制御部26は、自装置の制御を行う。具体的には、機器制御部26は、記憶部30に記憶された学習モデル情報33の学習モデルにセンサ情報を入力して得られたモデル出力に基づいて、自装置の制御を行う。なお、学習モデルに入力するセンサ情報は、検出部22によって検出されたセンサ情報であってもよく、他装置から受信したセンサ情報であってもよい。
また、機器制御部26は、例えば、自装置が学習モデルを生成する機能を有していない場合、他装置から学習モデルを受信し、受信した学習モデルに検出部22で検出されたセンサ情報を入力してモデル出力を得て機器制御を行ってもよい。
あるいは、機器制御部26は、他装置から学習モデルのモデル出力を受信して機器制御を行ってもよい。具体的には、まず、生成部24は、自装置の検出部22で検出されたセンサ情報である学習情報と、識別情報とを紐付けた通信情報を生成する。このときの通信情報には、目的情報32といして、目的ID「3」を紐付ける。つまり、通信目的を、学習処理の代行要求(図4参照)とする通信情報を他装置へ送信する。
また、機器制御部26は、複数の他装置から受信した複数の学習情報に基づいて、自装置の制御を行ってもよい。具体的には、機器制御部26は、同じ種別(例えば、画像データ)の学習情報を異なる他装置から受信して機器制御を行ったり、異なる種別の学習情報を異なる他装置から受信して機器制御を行ったりできる。
<1-3.実施形態に係る通信処理の手順>
次に、図8~図13を用いて、実施形態に係る通信装置1が実行する通信処理の処理手順について説明する。なお、図8~図11および図13では、第1通信装置1および第2通信装置1それぞれが実行する通信処理について説明し、図12では、第1通信装置1~第3通信装置1それぞれが実行する通信処理について説明する。
次に、図8~図13を用いて、実施形態に係る通信装置1が実行する通信処理の処理手順について説明する。なお、図8~図11および図13では、第1通信装置1および第2通信装置1それぞれが実行する通信処理について説明し、図12では、第1通信装置1~第3通信装置1それぞれが実行する通信処理について説明する。
図8は、複数の通信装置1の間で共有情報を共有する処理の手順を示すシーケンス図である。図8に示すように、第1通信装置1は、自装置の機能を確認する(ステップS101)。つまり、第1通信装置1は、自身の記憶部30に記憶された共有情報31のうち、自身の機器IDに紐づいた「機能」および「拡張機能」を抽出する。
つづいて、第1通信装置1は、抽出した自装置の機能を示す情報を含む通知情報を生成する(ステップS102)。なお、通知情報は、機能に関するデータそのものが含まれるのではなく、機能に関するデータのメタデータが含まれる。つまり、通知情報には、第2通信装置1が、第1通信装置1が有する機能を把握可能な情報が含まればよい。
つづいて、第1通信装置1は、生成した通知情報を第2通信装置1へ送信する(ステップS103)。
つづいて、第2通信装置1は、受信した通知情報を共有情報31として自身の記憶部30に記憶する(ステップS104)。
次に、図9および図10を用いて、通信装置1が通信情報を送信する処理の手順について説明する。図9および図10は、通信装置1が通信情報を送信する処理の手順を示すシーケンス図である。なお、図9では、送信される学習情報が、学習モデルの入力データであるセンサ情報の場合を示し、図10では、学習情報が、学習モデルにセンサ情報を入力して得られた推論結果の場合を示す。
また、以下に示す「学習処理」は、学習情報を基に学習モデルを生成する処理を指し、「推論処理」は、学習情報を学習モデルに入力してモデル出力を得る処理を指す。
図9に示すように、第1通信装置1は、各種センサよりセンサ情報を検出する(ステップS201)。
つづいて、第1通信装置1は、第2通信装置1との間で通信接続を行う(ステップS201)。なお、第1通信装置1および第2通信装置1の間の通信接続処理は、ステップS201以前に行われてもよい。
つづいて、第1通信装置1は、検出したセンサ情報である学習情報と、センサ情報の内容を識別する識別情報(機能ID)とを紐付けた通信情報を生成する(ステップS203)。
つづいて、第1通信装置1は、生成した通信情報を第2通信装置1へ送信する(ステップS204)。つづいて、第1通信装置1は、第2通信装置1との通信を切断する(ステップS205)。なお、第1通信装置1は、通信情報をリアルタイムで継続的に第2通信装置1へ送信する場合には、ステップS205は省略してもよい。
つづいて、第2通信装置1は、受信した通信情報における識別情報に基づいて、学習情報を識別し、かかる学習情報に基づいて、学習処理または推論処理を実行する(ステップS206)。
つづいて、第2通信装置1は、処理結果を出力する(ステップS207)。具体的には、第2通信装置1は、学習処理の場合、センサ情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、センサ情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
そして、第2通信装置1は、出力した処理結果に基づいて、自装置を制御する(ステップS208)。具体的には、第2通信装置1は、学習モデルの情報が出力された場合、学習モデルの情報を学習モデル情報33として記憶部30に記憶し、推論結果の情報が出力された場合、かかる推論結果に応じた機器制御を実行する。
次に、図10を用いて、第1通信装置1の送信する学習情報が、推論結果である場合について説明する。図10に示すように、第1通信装置1は、センサ情報を検出する(ステップS301)。
つづいて、第1通信装置1は、検出したセンサ情報を用いて学習処理または推論処理を実行する(ステップS302)。
つづいて、第1通信装置1は、処理結果を出力する(ステップS303)。具体的には、第1通信装置1は、学習処理の場合、センサ情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、センサ情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第1通信装置1は、第2通信装置1との間で通信接続を行う(ステップS304)。つづいて、第1通信装置1は、出力された処理結果である学習情報と、学習情報の内容を識別する識別情報とを紐付けた通信情報を生成する(ステップS305)。
つづいて、第1通信装置1は、第2通信装置1へ通信情報を生成し(ステップS306)、通信を切断する(ステップS307)。なお、第1通信装置1は、通信情報をリアルタイムで継続的に第2通信装置1へ送信する場合には、ステップS307は省略してもよい。
つづいて、第2通信装置1は、受信した通信情報における識別情報に基づいて、学習情報を識別し、かかる学習情報に基づいて、学習処理または推論処理を実行する(ステップS308)。
つづいて、第2通信装置1は、処理結果を出力する(ステップS309)。具体的には、第2通信装置1は、学習処理の場合、学習情報である推論結果を用いて生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、学習情報である推論結果を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第2通信装置1は、出力した処理結果に基づいて、自装置の機器制御を行う(ステップS310)。具体的には、第2通信装置1は、学習モデルの情報が出力された場合、学習モデルの情報を学習モデル情報33として記憶部30に記憶し、推論結果の情報が出力された場合、かかる推論結果に応じた機器制御を実行する。
次に、図11を用いて、第1通信装置1の学習処理または推論処理を第2通信装置1が代行する処理の手順について説明する。図11は、第1通信装置1の学習処理または推論処理を第2通信装置1が代行する処理の手順を示すシーケンス図である。
図11に示すように、第1通信装置1は、センサ情報を検出する(ステップS401)。つづいて、第1通信装置1は、第2通信装置1との間で通信接続を行う(ステップS402)。
つづいて、第1通信装置1は、検出したセンサ情報である学習情報と、学習情報の内容を識別する識別情報とを紐付けた通信情報を生成し(ステップS403)、第2通信装置1へ送信する(ステップS404)。
つづいて、第2通信装置1は、受信した通信情報における識別情報に基づいて、学習情報を識別し、かかる学習情報に基づいて、学習処理または推論処理を実行する(ステップS405)。
つづいて、第2通信装置1は、処理結果を出力する(ステップS406)。具体的には、第2通信装置1は、学習処理の場合、センサ情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、センサ情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第2通信装置1は、出力した処理結果を第1通信装置1へ送信する(ステップS407)。第1通信装置1は、受信した処理結果に基づいて、自装置の機器制御を実行する(ステップS408)。
つづいて、第1通信装置1は、第2通信装置1との間の通信を切断する(ステップS409)。なお、第1通信装置1は、リアルタイムで継続的に第2通信装置1との間で情報の送受信を行う場合には、ステップS409は省略してもよい。
次に、図12を用いて、第3通信装置1が第1通信装置1および第2通信装置1から通信情報を収集して機器制御を行う処理の手順について説明する。図12は、第3通信装置1が第1通信装置1および第2通信装置1から通信情報を収集して機器制御を行う処理の手順を示すシーケンス図である。
図12に示すように、第1通信装置1および第2通信装置1は、センサ情報を検出する(ステップS501-1,S501-2)。
つづいて、第1通信装置1および第2通信装置1は、検出したセンサ情報用いて学習処理または推論処理を実行する(ステップS502-1,S502-2)。
つづいて、第1通信装置1および第2通信装置1は、処理結果を出力する(ステップS503-1,S503-2)。具体的には、第1通信装置1および第2通信装置1は、学習処理の場合、センサ情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、センサ情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第1通信装置1は、第3通信装置1との間で通信接続を行う(ステップS504)。つづいて、第2通信装置1は、第3通信装置1との間で通信接続を行う(ステップS505)。なお、ステップS504およびステップS505は、処理順が入れ替わってもよい。
つづいて、第1通信装置1は、通信情報を生成し(ステップS506)、第3通信装置1へ送信する(ステップS507)。つづいて、第2通信装置1は、通信情報を生成し(ステップS508)、第3通信装置1へ送信する(ステップS509)。
つづいて、第1通信装置1は、第3通信装置1との間の通信を切断し(ステップS510)、つづいて、第2通信装置1は、第3通信装置1との間の通信を切断する(ステップS511)。なお、第1通信装置1および第2通信装置1は、通信情報をリアルタイムで継続的に第2通信装置1へ送信する場合には、ステップS510,S511は省略してもよい。
つづいて、第3通信装置1は、受信した通信情報における識別情報に基づいて、学習情報を識別し、かかる学習情報に基づいて、学習処理または推論処理を実行する(ステップS512)。
つづいて、第3通信装置1は、処理結果を出力する(ステップS513)。具体的には、第3通信装置1は、学習処理の場合、センサ情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、センサ情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第3通信装置1は、出力された処理結果に基づいて、自装置の機器制御を行う(ステップS514)。
次に、図13を用いて、第1通信装置1が第2通信装置1に対して学習情報を要求する処理の手順について説明する。図13は、第1通信装置1が第2通信装置1に対して学習情報を要求する処理の手順を示すシーケンス図である。
図13に示すように、第1通信装置1は、自装置の制御に必要な機能のデータを確認する(ステップS601)。具体的には、第1通信装置1は、自装置の制御を行うために不足している学習情報を抽出する。
つづいて、第1通信装置1は、第2通信装置1との間で通信接続を行う(ステップS602)。
つづいて、第1通信装置1は、ステップS601で抽出した機能(学習情報)を要求する要求情報を生成し(ステップS603)、第2通信装置1へ送信する(ステップS604)。
つづいて、第2通信装置1は、要求情報に基づき要求された学習情報を抽出する(ステップS605)。つづいて、第2通信装置1は、抽出した学習情報と、かかる学習情報の内容を識別する識別情報とを紐付けた通信情報を生成し(ステップS606)、第1通信装置1へ送信する(ステップS607)。
つづいて、第1通信装置1は、第2通信装置1との間の通信を切断する(ステップS608)。なお、第1通信装置1は、リアルタイムで継続的に第2通信装置1との間で情報の送受信を行う場合には、ステップS608は省略してもよい。
つづいて、第1通信装置1は、受信した通信情報における識別情報に基づいて、学習情報を識別し、かかる学習情報に基づいて、学習処理または推論処理を実行する(ステップS609)。
つづいて、第1通信装置1は、処理結果を出力する(ステップS610)。具体的には、第1通信装置1は、学習処理の場合、学習情報により生成(もしくは、更新)された学習モデルの情報を処理結果として出力し、推論処理の場合、学習情報を学習モデルに入力して得られた推論結果の情報を処理結果として出力する。
つづいて、第1通信装置1は、処理結果に基づいて、自装置の機器制御を行う(ステップS611)。
(2.変形例)
また、上記通信プログラムをインターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、OS(Operating System)とアプリケーションソフトとの協働により実現してもよい。この場合には、OS以外の部分を媒体に格納して配布してもよいし、OS以外の部分をサーバ装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。
また、上記通信プログラムをインターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、OS(Operating System)とアプリケーションソフトとの協働により実現してもよい。この場合には、OS以外の部分を媒体に格納して配布してもよいし、OS以外の部分をサーバ装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。
また、上述の実施形態は、処理内容を矛盾させない領域で適宜組み合わせることが可能である。また、上述の実施形態のフローチャート及びシーケンス図に示された各ステップは、適宜順序を変更することが可能である。
<3.まとめ>
以上説明したように、本開示の一実施形態によれば、本実施形態に係る通信装置1は、制御部20を備える。制御部20は、自装置または他装置の制御に用いられる機械学習に関する学習情報と、学習情報の内容を識別する識別情報とが紐付けられた通信情報を、他装置との間で送信または受信する。
以上説明したように、本開示の一実施形態によれば、本実施形態に係る通信装置1は、制御部20を備える。制御部20は、自装置または他装置の制御に用いられる機械学習に関する学習情報と、学習情報の内容を識別する識別情報とが紐付けられた通信情報を、他装置との間で送信または受信する。
これにより、識別情報に基づいて、他の通信装置1が学習情報を識別できるため、学習情報を利用して自装置(他の通信装置1)の制御を行うことができる。逆に、他の通信装置1から識別情報が紐付いた通信情報を受信することで、自装置でも他の通信装置1の学習情報を識別できるため、学習情報を利用して制御を行うことができる。すなわち、学習情報を複数の通信装置1間で相互に利用することができる。
また、実施形態に係る通信情報は、学習情報の送信元を識別する機器情報が紐付けられる。
これにより、通信装置1が学習情報の送信元となる通信装置1の機器種別や性能等を識別可能となるため、受信した学習情報の内容をより正確に把握することができ、自装置の機器制御をより高精度に行うことができる。
また、実施形態に係る通信情報は、学習情報の通信目的を識別する目的情報が紐付けられる。
これにより、受信側の通信装置1において、受信した学習情報をどのように使用すべきかを判断する処理が不要となるため、受信側の通信装置1の処理負荷を軽減できる。また、目的情報によって、受信側の通信装置1において、学習情報の使用方法が明確になるため、学習情報が誤った使用方法で使用されることを防ぐことができる。
また、実施形態に係る通信情報は、学習情報のデータサイズを示すサイズ情報が紐付けられる。
これにより、受信側の通信装置1が学習処理や推論処理を行う前に学習情報のデータサイズを把握できるため、他処理との処理負荷の振り分けを正確に行うことができる。
また、実施形態に係る制御部20は、他装置との間で学習情報の要求を送信または受信する。
これにより、要求する側の通信装置1は、自装置の制御に不足した学習情報を要求して補足できるため、自装置の機器制御を高精度に行うことができる。また、要求があった場合に限って学習情報を送信することで、通信装置1間を接続するネットワークが混雑することを低減できる。
また、実施形態に係る制御部20は、機械学習による処理に適合するデータ形式に変換された学習情報を含む通信情報を送信または受信する。
つまり、制御部20は、拡張ヘッダで指定されたデータ形式に変換された学習情報を受信することで、例えば、学習処理を行う際に、学習データの画像データを揃えることができるため、学習処理の精度を向上させることができる。
また、実施形態に係る制御部20は、機器制御部26を備える。機器制御部26は、他装置から受信した通信情報における識別情報に基づいて当該通信情報における学習情報の内容を識別し、識別した学習情報の内容に基づいて、自装置の制御を行う。
これにより、他装置の学習情報を加味して自装置の機器制御を行うことができるため、制御処理の処理精度を向上させることができる。
また、実施形態に係る機器制御部26は、複数の他装置から受信した複数の通信情報に基づいて、自装置の制御を行う。
これにより、複数の学習情報を加味して自装置の機器制御を行うことができるため、制御処理の処理精度を向上させることができる。
また、実施形態に係る制御部20は、通信情報を他装置へ送信し、該通信情報に基づく学習結果を該他装置から受信する。機器制御部26は、受信した学習結果に基づいて自装置の制御を行う。
これにより、学習処理または推論処理を他の通信装置1に代行してもらうことで、自装置において学習処理または推論処理を行う機能を持たなくてよいため、自装置の製品コストを下げることができ、かつ、処理負荷が嵩むことを防止できる。
以上、本開示の各実施形態について説明したが、本開示の技術的範囲は、上述の各実施形態そのままに限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。また、異なる実施形態及び変形例にわたる構成要素を適宜組み合わせてもよい。
また、本明細書に記載された各実施形態における効果はあくまで例示であって限定されるものでは無く、他の効果があってもよい。
なお、本技術は以下のような構成も取ることができる。
(1)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御部
を備える通信装置。
(2)
前記通信情報は、
前記学習情報の送信元を識別する機器情報が紐付けられる
前記(1)に記載の通信装置。
(3)
前記通信情報は、
前記学習情報の通信目的を識別する目的情報が紐付けられる
前記(1)または(2)に記載の通信装置。
(4)
前記通信情報は、
前記学習情報のデータサイズを示すサイズ情報が紐付けられる
前記(1)~(3)のいずかに記載の通信装置。
(5)
前記制御部は、
前記他装置との間で前記学習情報の要求を送信または受信する
前記(1)~(4)のいずれかに記載の通信装置。
(6)
前記制御部は、
前記機械学習による処理に適合するデータ形式に変換された前記学習情報を含む前記通信情報を送信または受信する
前記(1)~(5)のいずれかに記載の通信装置。
(7)
前記制御部は、
前記他装置から受信した前記通信情報における前記識別情報に基づいて当該通信情報における前記学習情報の内容を識別し、識別した前記学習情報の内容に基づいて前記自装置の制御を行う機器制御部を備える
前記(1)~(6)のいずれかに記載の通信装置。
(8)
前記機器制御部は、
前記複数の他装置から受信した複数の通信情報に基づいて、前記自装置の制御を行う
前記(7)に記載の通信装置。
(9)
前記制御部は、
前記通信情報を前記他装置へ送信し、該通信情報に基づく学習結果を該他装置から受信し、
前記機器制御部は、
受信した学習結果に基づいて前記自装置の制御を行う
前記(7)または(8)に記載の通信装置。
(10)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御工程
を含む通信方法。
(11)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御手順
をコンピュータに実行させる通信プログラム。
(1)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御部
を備える通信装置。
(2)
前記通信情報は、
前記学習情報の送信元を識別する機器情報が紐付けられる
前記(1)に記載の通信装置。
(3)
前記通信情報は、
前記学習情報の通信目的を識別する目的情報が紐付けられる
前記(1)または(2)に記載の通信装置。
(4)
前記通信情報は、
前記学習情報のデータサイズを示すサイズ情報が紐付けられる
前記(1)~(3)のいずかに記載の通信装置。
(5)
前記制御部は、
前記他装置との間で前記学習情報の要求を送信または受信する
前記(1)~(4)のいずれかに記載の通信装置。
(6)
前記制御部は、
前記機械学習による処理に適合するデータ形式に変換された前記学習情報を含む前記通信情報を送信または受信する
前記(1)~(5)のいずれかに記載の通信装置。
(7)
前記制御部は、
前記他装置から受信した前記通信情報における前記識別情報に基づいて当該通信情報における前記学習情報の内容を識別し、識別した前記学習情報の内容に基づいて前記自装置の制御を行う機器制御部を備える
前記(1)~(6)のいずれかに記載の通信装置。
(8)
前記機器制御部は、
前記複数の他装置から受信した複数の通信情報に基づいて、前記自装置の制御を行う
前記(7)に記載の通信装置。
(9)
前記制御部は、
前記通信情報を前記他装置へ送信し、該通信情報に基づく学習結果を該他装置から受信し、
前記機器制御部は、
受信した学習結果に基づいて前記自装置の制御を行う
前記(7)または(8)に記載の通信装置。
(10)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御工程
を含む通信方法。
(11)
自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御手順
をコンピュータに実行させる通信プログラム。
1 通信装置
10 通信部
20 制御部
21 取得部
22 検出部
23 学習部
24 生成部
25 要求部
26 機器制御部
30 記憶部
10 通信部
20 制御部
21 取得部
22 検出部
23 学習部
24 生成部
25 要求部
26 機器制御部
30 記憶部
Claims (11)
- 自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御部
を備える通信装置。 - 前記通信情報は、
前記学習情報の送信元を識別する機器情報が紐付けられる
請求項1に記載の通信装置。 - 前記通信情報は、
前記学習情報の通信目的を識別する目的情報が紐付けられる
請求項1に記載の通信装置。 - 前記通信情報は、
前記学習情報のデータサイズを示すサイズ情報が紐付けられる
請求項1に記載の通信装置。 - 前記制御部は、
前記他装置との間で前記学習情報の要求を送信または受信する
請求項1に記載の通信装置。 - 前記制御部は、
前記機械学習による処理に適合するデータ形式に変換された前記学習情報を含む前記通信情報を送信または受信する
請求項1に記載の通信装置。 - 前記制御部は、
前記他装置から受信した前記通信情報における前記識別情報に基づいて当該通信情報における前記学習情報の内容を識別し、識別した前記学習情報の内容に基づいて前記自装置の制御を行う機器制御部を備える
請求項1に記載の通信装置。 - 前記機器制御部は、
複数の前記他装置から受信した複数の前記通信情報に基づいて、前記自装置の制御を行う
請求項7に記載の通信装置。 - 前記制御部は、
前記通信情報を前記他装置へ送信し、該通信情報に基づく学習結果を該他装置から受信し、
前記機器制御部は、
受信した学習結果に基づいて前記自装置の制御を行う
請求項7に記載の通信装置。 - 自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御工程
を含む通信方法。 - 自装置または他装置の制御に用いられる機械学習に関する学習情報と、前記学習情報の内容を識別する識別情報とが紐付けられた通信情報を、前記他装置との間で送信または受信する制御手順
をコンピュータに実行させる通信プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-084765 | 2019-04-25 | ||
JP2019084765 | 2019-04-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020217762A1 true WO2020217762A1 (ja) | 2020-10-29 |
Family
ID=72942523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/010513 WO2020217762A1 (ja) | 2019-04-25 | 2020-03-11 | 通信装置、通信方法、及び通信プログラム |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2020217762A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016524226A (ja) * | 2013-05-24 | 2016-08-12 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 学習デバイスの学習能力の修正 |
WO2018173121A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社Preferred Networks | サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム |
WO2018211602A1 (ja) * | 2017-05-16 | 2018-11-22 | 株式会社ソニー・インタラクティブエンタテインメント | 学習装置、推定装置、学習方法及びプログラム |
JP2019061577A (ja) * | 2017-09-27 | 2019-04-18 | パナソニックIpマネジメント株式会社 | 異常判定方法及びプログラム |
-
2020
- 2020-03-11 WO PCT/JP2020/010513 patent/WO2020217762A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016524226A (ja) * | 2013-05-24 | 2016-08-12 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 学習デバイスの学習能力の修正 |
WO2018173121A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社Preferred Networks | サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム |
WO2018211602A1 (ja) * | 2017-05-16 | 2018-11-22 | 株式会社ソニー・インタラクティブエンタテインメント | 学習装置、推定装置、学習方法及びプログラム |
JP2019061577A (ja) * | 2017-09-27 | 2019-04-18 | パナソニックIpマネジメント株式会社 | 異常判定方法及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6458755B2 (ja) | データフロー制御装置およびデータフロー制御方法 | |
US9325827B2 (en) | Method and apparatus for providing services via a modular smart illumination device | |
KR101637813B1 (ko) | 와이파이 또는 블루투스 신호 강도를 이용하여 주 디스플레이와 같은 방에 있는 후보 동반 디스플레이 디바이스의 근접 검출 | |
US10257256B2 (en) | IOT interaction system | |
CN106687932A (zh) | 跨设备应用发现和控制 | |
JP5976210B2 (ja) | 監視システム、設備管理装置、監視方法及びプログラム | |
CN108717271A (zh) | 人机交互控制方法、装置、系统及可读存储介质 | |
WO2015137740A1 (ko) | 로봇을 이용한 홈 네트워크 시스템 및 그 제어방법 | |
JP2016063520A (ja) | 家電制御装置、家電制御システム及び家電制御方法 | |
CN105049922A (zh) | 用upnp对与主显示器在相同房间的候选同伴设备的接近检测 | |
CN104918106B (zh) | 邻近检测与主显示器处于相同房间内的候选伴侣显示设备 | |
US9710753B1 (en) | Collaboration of audio sensors for geo-location of events in an artificial intelligence (AI) environment | |
JP6372508B2 (ja) | データフロー制御装置およびデータフロー制御方法 | |
WO2020217762A1 (ja) | 通信装置、通信方法、及び通信プログラム | |
KR20190015456A (ko) | 미디어 중심 사물 인터넷 기반의 미디어 사물 및 이의 동작 방법 | |
CN107529146B (zh) | 结合音频的多传感室内定位方法、装置、系统及存储介质 | |
US20150005909A1 (en) | Communication Device, Communication Method, and Management Device | |
JP2020065162A (ja) | 情報処理方法およびプログラム | |
CN111076768B (zh) | 整体感测方法及系统 | |
CN114793205A (zh) | 异常链路检测方法、装置、设备及存储介质 | |
JP2018011270A (ja) | 機器制御装置、機器制御システム、機器制御方法、及びプログラム | |
JP6530353B2 (ja) | ライブデータ検索システムおよびライブデータ検索方法 | |
KR20170071356A (ko) | 전자장치, 사물인터넷 환경을 위한 시스템 및 그들의 제어방법 | |
JP6376159B2 (ja) | データフロー制御装置およびデータフロー制御方法 | |
CN212660190U (zh) | 物联监控终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20794416 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20794416 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: JP |