強化学習の基礎とフィジカルAIの制御システムへの応用 <オンラインセミナー>

強化学習の基礎とフィジカルAIの制御システムへの応用 <オンラインセミナー>

・シミュレーション結果を実環境で適応する際に問題となる「Sim to Realギャップ」での問題解決に活かし、運転制御や動作計画の最適化・自動化に活かすための講座!

・強化学習の基礎から、フィジカルAI技術とその応用までを修得し、設備や輸送機、ロボットの省エネ・省人化、高効率化に活かそう!

オンラインセミナーの詳細はこちら:

・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。

講師の言葉

 フィジカルAIというとロボティクスとの関連を想像されることが多いと思います。しかし、「現実世界に存在する物体の移動や装置の操作などが必要なオペレーション(業務)を自動化・最適化する最新のAI技術」と捉えると、制御や計画が必要なオペレーション(業務)を、機械学習の導入により従来よりも大幅に高度化(省エネ・省人化、高効率化)する情報技術と言えます。

 現実の物が動く業務では、規格外製品の発生や装置の損傷など失敗のコストが大きい業務が多いものの、そのコストの大きさがゆえに失敗は希少であり、学習に必要な量のデータがない場合がほとんどです。そこで、シミュレーションを用いてそうした状況のデータを生み出して機械学習に使う方法の一つに強化学習があり、フィジカルAIの文脈でもよく取り上げられます。

 本講座では、制御や計画に関する業務のフィジカルAIの事例とともに、それらの技術の基礎から応用まで取り上げます。

セミナー詳細

開催日時
  • 2026年11月12日(木) 10:00 ~ 17:00
開催場所 オンラインセミナー
カテゴリー オンラインセミナー電気・機械・メカトロ・設備ソフト・データ・画像・デザイン
受講対象者 ・設備・プラント、計画業務、鉄道運行管理、輸送機、機械、ロボット、他関連企業の技術者の方
予備知識 ・高校~大学初年度の線形代数(行列の掛け算・足し算)、微積分
修得知識 ・従来自動化できなかった運転制御の最適化・自動化の方法がわかる
・強化学習の基礎(対象とするシステム、効用や価値の考え方など)から実用アルゴリズム、さらに産業応用まで理解できる
・フィジカルAIとして、コンピュータ上の世界(シミュレーション)で最適化した結果を、現実の世界で利用するには何が問題で(Sim to Realギャップ)、どうすれば解けるか理解できる
プログラム

1.機械学習の基礎

  (1).機械学習における「システム」と作り方

    a.ダイナミカルシステム

    b.積分計算による未来予測

    c.処理手順を考えて手動で作る

    d.入出力の事例から自動で作る

    e.パラメタの探索=最適化

    f.現代の機械学習のコア技術:勾配法

    g.勾配法のバリエーション

  (2).機械学習の3分類

 

2.強化学習の基礎

  (1).強化学習とは

  (2).意思決定の考え方

  (3).マルコフ決定過程

    a.マルコフ決定過程

    b.価値関数と方策関数

    c.アドバンテージ関数

    d.価値反復

    e.方策反復

    f.価値関数の近似

  (4).方策の探索

    a.オンライン探索(モデル予測制御)

    b.オフライン探索(強化学習)

  (5).方策勾配法

    a.方策勾配の推定

    b.方策勾配を用いた方策の最適化

    c.TRPOアルゴリズム

    d.PPOアルゴリズム

  (6).アクター・クリティック

    a.アクター・クリティック

    b.一般化アドバンテージ推定

  (7).ロス最小化としてのパラメタ更新

  (8).発展的なトピック

    a.微分可能モデルを用いた強化学習

    b.カリキュラム学習

 

3.制御と計画

  (1).自動制御に強化学習を使う

  (2).強化学習の学習環境(ダイナミックシミュレーション)

    a.知識利用型シミュレーション(モデリング)

    b.データ駆動型シミュレーション(NODE)

  (3).自動計画への応用

 

4.フィジカルAIの基礎

  (1).フィジカルAIとは

  (2).Sim to Realギャップ

  (3).シミュレータと初期状態

  (4).状態オブザーバー

 

5.NECにおけるフィジカルAIの産業応用

  (1).運転変更操作の自動化・効率化の事例

  (2).大規模エネルギープラントの制御

    ・ボイラーの挙動を、シミュレータを用いたAI学習

    ・レプリカモデル予測制御

    ・Sim2Realギャップの克服

  (3).鉄道の運行管理の事例(リアルタイムで複雑な物理移動を最適化する)

    ・「シミュレータ(仮想空間)」と「強化学習(AI)」の組み合わせ

キーワード ダイナミカルシステム マルコフ決定過程 フィジカルAI Sim2Realギャップ 状態オブザーバー 自動制御 強化学習
タグ ロボット機械制御
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日