三菱電機の「物理モデル組み込みAI」は、なかなか興味深い。自分なりに要点をまとめてみる。
まず、従来の推定AIと違うのは、「AIが全部を学ぶ方式から、物理で説明できない部分だけをAIが学ぶ方式」にした点。
■従来手法
ロボットのトルク・位置・速度などの波形を大量に集め、「統計的に正常パターンを学ぶ」方式。
課題は明確で、
・パターンが変わるたびに再学習
・未学習パターンに弱い
・データ要求量が膨大
ということで、スケールしづらいAI。
■三菱電機のアプローチ
逆動力学モデルなどの物理法則を使い、「この動作なら本来トルクはこうなる」という理想挙動を先に計算。AIは理想からの偏差だけを学ぶ。
物理法則は普遍な為、軌道・速度・外乱が変わっても破綻しない。なので従来の「波形そのものを覚えるモデル」よりも外挿性が高くなるのか。
ただ、懸念点もありそう。
例えば、
・機器の摩耗などの老朽化で、理想挙動自体がズレる。
・温度や摩擦、構造変形など、モデル化しづらい現象への弱さ。
・装置ごとにモデル構築が必要
1番懸念すべきなのは、モデルの精度に依存するのでモデルの誤差が出るとAIも引きずられる点になるのかな。
とはいえ、ロボットに対する予兆保全としては有効そう。
Quote
とき@engineer
@toki_engineer
【三菱電機の独自フィジカルAI、予防保全で学習データを9割削減し精度を3割向上】
なかなか興味深い記事でした。
monoist.itmedia.co.jp/mn/articles/25