本发明专利技术提供一种机器学习装置，在能够向外部供给电力的车辆中，抑制在灾害时能够从车辆向外部供给的电力量因与机器学习模型的学习相关的处理而减少的情况。机器学习装置设置于能够向外部供给电力的车辆(3)，并具备实施与在车辆中使用的机器学习模型的学习相关的处理的学习部(51)。学习部在取得了灾害信息的情况下，与未取得灾害信息的情况相比，使与学习相关的处理中的电力消耗量降低。相关的处理中的电力消耗量降低。相关的处理中的电力消耗量降低。
【技术实现步骤摘要】
机器学习装置
[0001]本专利技术涉及机器学习装置。
技术介绍
[0002]近年来，随着AI(人工智能)技术的发展，正在研究在车辆中进行使用了如神经网络模型那样的机器学习模型的控制。例如，在专利文献1所记载的机器学习装置中，通过设置于车辆的电子控制单元来进行神经网络模型的学习，并从学习完毕的神经网络模型输出排气净化催化剂的温度的推定值。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2019
‑
183698号公报
技术实现思路
[0006]专利技术所要解决的课题
[0007]但是，在如插电式混合动力车辆(PHV)那样的电池容量大的车辆中，能够将蓄积于蓄电池的电力供给到车辆的外部。因此，在由于灾害而发生停电时，能够将该车辆作为电力的供给源有效地利用。
[0008]然而，当在车辆中进行与机器学习模型的学习相关的处理时，除了车辆的行驶所需的电力以外，还消耗学习所需的电力。其结果是，车辆中的电力消耗量增加，有可能无法确保灾害时所需的电力。
[0009]因此，鉴于上述课题，本专利技术的目的在于，在能够向外部供给电力的车辆中，抑制在灾害时能够从车辆向外部供给的电量因与机器学习模型的学习相关的处理而减少的情况。
[0010]用于解决课题的技术方案
[0011]本公开的要点如下。
[0012](1)一种机器学习装置，设置于能够向外部供给电力的车辆，其中，所述机器学习装置具备学习部，该学习部实施与在所述车辆中使用的机器学习模型的学习相关的处理，所述学习部在取得了灾害信息的情况下，与未取得该灾害信息的情况相比，使与所述学习相关的处理中的电力消耗量降低。
[0013](2)根据上述(1)所述的机器学习装置，其中，所述机器学习装置还具备位置信息取得部，该位置信息取得部取得所述车辆的位置信息，在基于所述灾害信息及所述位置信息预测到从所述车辆向外部的电力供给的情况下，与未预测到所述电力供给的情况相比，所述学习部使与所述学习相关的处理中的电力消耗量降低。
[0014](3)根据上述(2)所述的机器学习装置，其中，所述位置信息取得部取得所述车辆的目的地，在基于所述灾害信息及所述目的地而预测到从所述车辆向外部的电力供给的情况下，与未预测到所述电力供给的情况相比，所述学习部使所述电力消耗量降低。
[0015](4)根据上述(1)至(3)中任一个所述的机器学习装置，其中，所述学习部通过停止与所述学习相关的处理来降低所述电力消耗量。
[0016](5)根据上述(4)所述的机器学习装置，其中，所述机器学习装置还具备输出装置控制部，该输出装置控制部对设置于所述车辆的输出装置进行控制，所述输出装置控制部经由所述输出装置向所述车辆的驾驶员确认停止与所述学习相关的处理的许可，所述学习部在所述驾驶员不允许停止与所述学习相关的处理的情况下，不停止与所述学习相关的处理。
[0017](6)一种机器学习装置，具备：通信装置，能够与能够向外部供给电力的车辆进行通信；及控制装置，进行机器学习模型的学习，并经由所述通信装置将学习完毕的机器学习模型发送到所述车辆，所述控制装置在取得了灾害信息的情况下，停止所述学习完毕的机器学习模型向所述车辆的发送。
[0018]专利技术效果
[0019]根据本专利技术，在能够向外部供给电力的车辆中，能够抑制在灾害时能够从车辆向外部供给的电量因与机器学习模型的学习相关的处理而减少的情况。
附图说明
[0020]图1是本专利技术的第一实施方式的机器学习系统的概略性的结构图。
[0021]图2是概略性地表示设置有本专利技术的第一实施方式的机器学习装置的车辆的结构的图。
[0022]图3是第一实施方式中的ECU的功能框图。
[0023]图4表示具有简单的结构的神经网络模型的一例。
[0024]图5是表示本专利技术的第一实施方式中的灾害信息发送处理的控制例程的流程图。
[0025]图6是表示本专利技术的第一实施方式中的学习停止处理的控制例程的流程图。
[0026]图7是概略性地表示设置有本专利技术的第二实施方式的机器学习装置的车辆的结构的图。
[0027]图8是表示本专利技术的第二实施方式中的学习停止处理的控制例程的流程图。
[0028]图9是第三实施方式中的ECU的功能框图。
[0029]图10是表示本专利技术的第三实施方式中的车辆确定处理的控制例程的流程图。
[0030]图11是表示本专利技术的第三实施方式中的学习停止处理的控制例程的流程图。
[0031]图12是表示本专利技术的第四实施方式中的学习停止处理的控制例程的流程图。
[0032]图13是第五实施方式中的ECU的功能框图。
[0033]图14是表示本专利技术的第五实施方式中的学习停止处理的控制例程的流程图。
[0034]图15是表示本专利技术的第六实施方式中的车辆确定处理的控制例程的流程图。
[0035]图16是表示本专利技术的第七实施方式中的模型发送停止处理的控制例程的流程图。
具体实施方式
[0036]以下，参照附图对本专利技术的实施方式进行详细说明。另外，在以下的说明中，对同样的构成元件赋予相同的参照标号。
[0037]＜第一实施方式＞
[0038]首先，参照图1～图6对本专利技术的第一实施方式进行说明。图1是本专利技术的第一实施方式的机器学习系统1的概略性的结构图。机器学习系统1包括服务器2和车辆3。
[0039]如图1所示，服务器2设置于车辆3的外部，具备通信接口21、存储装置22、存储器23及处理器24。此外，服务器2也可以进一具备如键盘和鼠标那样的输入装置、如显示器那样的输出装置等。另外，服务器2也可以由多个计算机构成。
[0040]通信接口21能够与车辆3进行通信，使服务器2能够与车辆3进行通信。具体而言，通信接口21具有用于将服务器2与通信网络5连接的接口电路。服务器2经由通信接口21、通信网络5及无线基站6与车辆3进行通信。通信接口21是通信装置的一例。
[0041]存储装置22例如具有硬盘驱动器(HDD)、固态驱动器(SSD)或光学记录介质。存储装置22存储各种数据，例如存储与车辆3相关的信息、用于使处理器24执行各种处理的计算机程序等。
[0042]存储器23具有例如随机存取存储器(RAM)那样的半导体存储器。存储器23存储例如在由处理器24执行各种处理时使用的各种数据等。
[0043]通信接口21、存储装置22及存储器23经由信号线与处理器24连接。处理器24具有一个或多个CPU及其外围电路，执行各种处理。另外，处理器24也可以还具有如逻辑运算单元或数值运算单元那样的运算电路。处理器24是控制装置的一例。
[0044]图2是概略性地表示设置有本专利技术的第一实施方式的机器学习装置的车辆3的结构的图。车辆3是能够向车辆3的外部供给电力的车辆，例如是插电式混合动力车辆(PHV)、电本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器学习装置，设置于能够向外部供给电力的车辆，其中，所述机器学习装置具备学习部，该学习部实施与在所述车辆中使用的机器学习模型的学习相关的处理，所述学习部在取得了灾害信息的情况下，与未取得所述灾害信息的情况相比，使与所述学习相关的处理中的电力消耗量降低。2.根据权利要求1所述的机器学习装置，其中，所述机器学习装置还具备位置信息取得部，该位置信息取得部取得所述车辆的位置信息，在基于所述灾害信息及所述位置信息预测到从所述车辆向外部的电力供给的情况下，与未预测到所述电力供给的情况相比，所述学习部使与所述学习相关的处理中的电力消耗量降低。3.根据权利要求2所述的机器学习装置，其中，所述位置信息取得部取得所述车辆的目的地，在基于所述灾害信息及所述目的地而预测到从所述车辆向外部的电力供给的情况下，与未预测到所述电力供给的情况相比...
【专利技术属性】
技术研发人员：横山大树，浅原则己，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。