信息处理装置、信息处理方法、以及非暂时性存储介质制造方法及图纸

本发明专利技术提供一种能够适当地实施在机器学习中使用的移动体的选择的信息处理装置、信息处理方法、以及非暂时性存储介质。该信息处理装置(3)所具备的控制部(31)执行如下控制，即：取得移动体信息，所述移动体信息包含表示在机器学习中能够使用的多个移动体(10)的各自的位置的信息；基于移动体信息，从而选择在机器学习中使用的两个以上的移动体(10)。学习中使用的两个以上的移动体(10)。学习中使用的两个以上的移动体(10)。

【技术实现步骤摘要】
信息处理装置、信息处理方法、以及非暂时性存储介质


[0001]本公开涉及一种信息处理装置、信息处理方法、以及非暂时性存储介质。

技术介绍

[0002]存在有一种在异构计算环境中使用异构计算节点来进行分散型机器学习的系统(例如，专利文献1)。
[0003]在先技术文献
[0004]专利文献
[0005]专利文献1：美国专利申请公开第2019/0138934号说明书

技术实现思路

[0006]专利技术所要解决的课题
[0007]本公开的目的在于，提供一种能够适当地选择机器学习用的移动体的技术。
[0008]用于解决课题的方法
[0009]本公开的一个方式为，一种信息处理装置，其具备控制部，所述控制部执行如下控制，即：取得移动体信息，所述移动体信息包含表示在机器学习中能够使用的多个移动体的各自的位置的信息；基于所述移动体信息，从而选择在机器学习中使用的一个以上的移动体。
[0010]本公开的其他方式之一为，一种信息处理方法，在该方法中，信息处理装置执行如下处理，即：取得移动体信息，所述移动体信息包含表示在机器学习中能够使用的多个移动体的各自的位置的信息；基于所述移动体信息，从而选择在机器学习中使用的一个以上的移动体。
[0011]本公开的其他方式之一为，一种非暂时性存储介质，其上存储了使计算机执行如下步骤的程序，所述步骤为：取得移动体信息的步骤，其中，所述移动体信息包含表示在机器学习中能够使用的多个移动体的各自的位置的信息；基于所述移动体信息，从而选择在机器学习中使用的一个以上的移动体的步骤。
[0012]本公开的其他方式能够包括包含了上述的信息处理装置的信息处理系统、记录了上述的程序的非暂时性存储介质等。
[0013]专利技术效果
[0014]根据本公开，能够适当地选择在机器学习中使用的移动体。
附图说明
[0015]图1为表示信息处理系统的第一结构例的图。
[0016]图2A为表示被搭载在移动体(车辆)上的节点的结构例的图。
[0017]图2B为表示服务器的结构例的图。
[0018]图3为节点关联信息的说明图。
[0019]图4为表示节点选择处理的示例的流程图。
[0020]图5为表示信息处理系统的第二结构例的图。
[0021]图6为表示第二结构例中的节点选择处理的示例的流程图。
[0022]图7为信息处理系统的第三结构例的图。
[0023]图8为5G网的说明图。
[0024]图9为对车辆信息的取得进行说明的所涉及的顺序图。
[0025]图10为表示车辆信息的取得的具体例的顺序图。
[0026]图11为表示UE移动性统计信息的表。
[0027]图12为移动方向信息的生成所涉及的说明图。
[0028]图13为表示移动方向信息的生成所涉及的处理的流程图。
具体实施方式
[0029]以下，关于本公开的实施方式，将在参照附图的同时进行说明。另外，在以下的实施方式的全部附图中，对相同或者对应的部分标记相同的符号。此外，本公开并没有被以下所说明的实施方式所限定。在以下的实施方式中的结构要素中，也包含本领域技术人员能够置换且容易置换的要素、或者实质上相同的要素。
[0030]图1为表示信息处理系统的第一结构例的图。在图1中，信息处理系统包括网络1、多个节点(终端)2、和服务器3，所述服务器3能够通过网络1而与节点2进行通信，并使用节点2来进行机器学习。
[0031]网络1为，例如互联网等公共通信网，并向节点2提供通信线路。在网络1上，也可以连接有无线通信网。无线通信网符合或者遵循节点2能够利用的无线通信标准。虽然无线通信标准例如为4G(LTE(Long Term Evolution))、5G、无线LAN(Local Area Network：包含Wi
‑
Fi)、以及BLE等，但也可以为除此以外的标准。
[0032]节点2分别被搭载在作为移动体的一个示例的车辆10上。移动体也可以为车辆以外的物体。在图1中，作为车辆10的一个示例而示出了车辆10A、10B以及10C，作为节点2的一个示例而图示了被搭载在车辆10A上的节点2A、被搭载在车辆10B上的节点2B、被搭载在车辆10C上的节点2C。
[0033]在图1中，例示了车辆10所行驶的道路11以及12，道路11和道路12在交叉路口13处交叉。道路11以及12均为双车道的道路。车辆10A正在道路11(11A以及11B)上从图1纸面的左侧朝向右侧进行行驶。车辆10B正在道路11上从图1纸面的右侧朝向左侧进行行驶。车辆10C正在道路12(12A以及12B)上从图1纸面的上侧朝向下侧进行行驶。
[0034]作为机器学习的一个示例，服务器3作为进行联邦学习(Federated learning：FL)的FL中心服务器而进行动作。通过联邦学习，从而学习交叉路口13附近的道路11以及12的景色、例如处于周围的标识以及建筑物等的结构物、或者人流等的变化。为了该学习，向正在道路11或12上行驶的车辆10的节点2提供学习模型(神经元网络等)。节点2通过使用了由车载摄像机所拍摄到的车窗风景数据的机器学习，从而学习两者的差别(景色的变化)，并向服务器3发送学习的结果(景色变化了的部分)和学习模型的更新量(神经元网络的被更新的参数等)。服务器3实施从两个以上的节点2接收到的学习的结果的合并等，并对交叉路口13附近的道路11以及12的周边状况的变化进行记录。此外，服务器3使用学习的结果来进
行新的学习模型的创建等。
[0035]在上述的联邦学习中，优选为，与在道路11上行驶的两台以上的车辆10相比，使用在道路11上行驶的车辆10和在道路12上行驶的车辆10来进行机器学习。这是因为，由于所行驶的道路不同，因而可针对不同的信息(景色)而获得机器学习的结果。
[0036]当在道路11或者道路12上存在有向相同方向行驶的两台以上的车辆10(节点2)的情况下，在这两台以上的车辆10中被拍摄到的车窗风景在车辆之间不存在差异(显著相似)。因此，通过这两台以上的车辆10的机器学习而得到的学习的结果也会成为相似的冗余的信息。因此，在服务器3中，为了实施避免了冗余的机器学习的有效的联邦学习，作为在联邦学习中使用的节点2，从而选择行进方向(移动方向)不同的一个以上的节点2，并以实施联邦学习的方式而进行有效的(优选的)联邦学习。
[0037]另外，虽然在实施方式中，作为机器学习的一个示例而例示了进行联邦学习的信息处理系统，但信息处理系统也可以为如下系统，即，服务器3从两台以上的车辆10中取得学习用的拍摄数据(样品)并汇总，从而进行机器学习的系统。
[0038]图2A为表示节点2的结构例的图。节点2既可以为被安置在车辆10上的终端，也可以为车辆10的驾驶员所携带的便携终端。便携终端为，例如个人计算机(PC)、智能手机或者平板电脑终端等。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理装置，其具备控制部，所述控制部执行如下控制，即：取得移动体信息，所述移动体信息包含表示在机器学习中能够使用的多个移动体的各自的位置的信息；基于所述移动体信息，从而选择在机器学习中使用的一个以上的移动体。2.如权利要求1所述的信息处理装置，其中，所述控制部基于还包含表示所述多个移动体的各自的行进方向的信息的所述移动体信息，从而选择在机器学习中使用的移动体。3.如权利要求1或2所述的信息处理装置，其中，所述控制部基于所述移动体信息和当前的时刻，从而选择在机器学习中使用的移动体。4.如权利要求1至3中的任意一项所述的信息处理装置，其中，所述控制部取得从网络接收到的所述移动体信息。5.如权利要求1至3中的任意一项所述的信息处理装置，其中，所述控制部从蜂窝网取得所述移动体信息。6.如权利要求1至3中的任意一项所述的信息处理装置，其中，所述控制部从核心网取得所述移动体信息。7.如权利要求6所述的信息处理装置，其中，所述控制部从所述核心网中的网络数据分析功能、接入和移动性管理功能或者定位管理功能经由网络开放功能而取得所述移动体信息。8.如权利要求1至7中的任意一项所述的信息处理装置，其中，所述控制部选择在联邦学习中使用的移动体。9.一种信息处理方法，在该方法中，信息处理装置执行如下处理，即：取得移动体信息，所述移动体信息包含表示在机器学习中能够使用的多个移动体的各自的位置的信息；基于所述移动体信息，从而选择在机器学习中使用的一个以上的移动体。10.如权利要求9所述的信息处理方法，其中，所述信息处理装置基于还包含表示所述多个移动体的各自的行进方向的信息的所述移动体信息，从而选择在机器学习中使用的移动体。11.如权利要求9或10所述的信息处理方法，其中，所...

【专利技术属性】
技术研发人员：钟雷，马婧，邵校，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：