群行動ダイナミクスと分散協調制御hiroaki/... ·...
TRANSCRIPT
![Page 1: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/1.jpg)
群行動ダイナミクスと分散協調制御
京都大学情報学研究科
川嶋宏彰
![Page 2: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/2.jpg)
研究分野
• 時系列パターンのモデル化と認識
– ハイブリッドシステムの利用 (離散事象系+力学系)
• 応用:人の行動分析・コミュニケーションのモデル化
– 表情,視線,発話や対話など
2
表情の機械学習・自動アノテーションと詳細な表情認識
意図的笑い
自発的笑い[Nishiyama+ 2005]
[川嶋+ 2005]
[平山+ 2007]
![Page 3: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/3.jpg)
研究分野
• 時系列パターンのモデル化と認識
– ハイブリッドシステムの利用 (離散事象系+力学系)
• 応用:人の行動分析・コミュニケーションのモデル化
– 表情,視線,発話や対話など
3
ヒューマンコミュニケーションの数理モデル(内的状態の相互推定モデル)
Hybrid system
1
Hybrid system
2
Mode1
Mode3
Mode2
Mode4
Mode1
Mode3
Mode2
Mental states Mental states
関連分野:マルチエージェントモデル(ロボット,AIアバター,生物群)
![Page 4: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/4.jpg)
ジョージア工科大学 (2010.6.8~2012.6.7)
• Georgia Institute of Technology (Georgia Tech, GT)
– 客員研究員(JSPS 海外特別研究員)
• Georgia Robotics and Intelligent Systems (GRITS)
– Magnus Egerstedt 教授
• 研究分野: 制御理論+ロボティクス
– ハイブリッドシステム
– 相互結合系の制御
– 群ロボット
4
![Page 5: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/5.jpg)
群行動の制御
![Page 6: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/6.jpg)
マルチエージェントの協調制御(群行動モデル)
群行動は相互作用ネットワークでモデル化できる
各「エージェント」の動きは周囲のエージェントの状態によって決まる
グラフ 𝐺 = (𝑉, 𝐸)頂点 𝑉,エッジ 𝐸
![Page 7: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/7.jpg)
リーダー・フォロワー型ネットワーク
ネットワーク外部からの入力
![Page 8: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/8.jpg)
リーダー・フォロワー型ネットワーク
Inject inputs to the network
リーダー(ドライビングノード)を通じて外部入力を伝搬
Q. どこがツボ?誰がリーダーになるべき?Q. 影響力をどのように測るか?
ネットワークの可制御性 [Rahmani+ 2009]
ネットワークの可操作性 [Kawashima+ 2014]
https://www.youtube.com/watch?v=B4j1ghWYlTE : Courtesy of Egerstedt and Macdonald
![Page 9: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/9.jpg)
r
ロボットアームの可操作性[Yoshikawa 1985]
リーダーフォロワー型ネットワークの可操作性
運動学的関係
エンドエフェクタの速度は関節角速度から直接的に計算可能
リーダー速度
フォロワー速度
関節角速度
エンドエフェクタの速度
フォロワー速度はリーダー速度から近似的に計算可能
ሶ𝑟𝑇𝑊𝑟 ሶ𝑟
ሶ𝜃𝑇𝑊𝜃ሶ𝜃
𝑚 =ሶ𝑥𝑓𝑇𝑄𝑓 ሶ𝑥𝑓
ሶ𝑥ℓ𝑇𝑄ℓ ሶ𝑥ℓ
𝑟 = 𝑓 𝜃 , ሶ𝑟 = ቚ𝜕𝑓
𝜕𝜃 𝜃ሶ𝜃
𝑟 : エンドエフェクタの位置𝜃 : 関節角𝑊𝑟 ,𝑊𝜃 ≻ 0 : 重み行列
ሶ𝑥𝑓(𝑡) = −𝜕ℰ 𝑥𝑓, 𝑥ℓ
𝜕𝑥𝑓
𝑇ሶ𝑥ℓ 𝑡 = 𝑢 𝑡 : 外部入力
エージェントダイナミクスSource: [Yoshikawa 1985]
![Page 10: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/10.jpg)
例:オンラインリーダー選択 [Kawashima+ ACC2012]
ただし
可操作性 の時間変化(N=3 の場合)
最も影響力を発揮できるノードをリーダーとする
![Page 11: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/11.jpg)
魚群の誘導・制御
• 実際の生物群(魚群等)を誘導するには?
– 小規模の群であれば詳細な群泳モデルが必要
?
x2x1 : 疑似個体
(ドライビングノード)
x4
x3
𝑑𝑥1𝑑𝑡
= 𝑓(𝑥1)
𝑑𝑥2𝑑𝑡
= 𝑓(𝑥1, 𝑥2, 𝑥4)
𝑑𝑥3𝑑𝑡
= 𝑓(𝑥1, 𝑥2, 𝑥3, 𝑥4)
𝑑𝑥4𝑑𝑡
= 𝑓(𝑥1, 𝑥2, 𝑥4)
魚の行動モデルとして何が適切?
http://www.belfasttelegraph.co.uk/breakingnews/offbeat/secret-of-
herding-sheep-discovered-30541127.html
𝑢
![Page 12: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/12.jpg)
魚の群行動モデル
• 個体(微分方程式)の相互結合系でモデル化
12
実際の魚の振る舞いを予測するには不足
各個体の振る舞いは周囲の個体で決まる
Swarm Torus
アプローチ
– 個体レベル・ネットワークレベルのダイナミクスをデータから学習
Dynamic parallel Highly parallel
Source: [Couzin+ 2002]
Source: [Reynolds1987]
Separation Alignment Cohesion
![Page 13: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/13.jpg)
データに基づくモデル化
• 様々な振る舞いを含む(各個体の)大規模な軌跡データをどのように獲得するか?
→データ収集と評価の双方に視覚刺激を用いる
1. 視覚は魚類の主要なモダリティ(例:オプトモーターレスポンス)
2. システム同定的アプローチの導入
3. 長期的実験が可能(実機ロボットに比べ高い耐故障性)
カメラ
水槽ディスプレイ
実個体検出&追跡疑似個体映像生成
リアルタイムフィードバックループ
モデル更新
制御器
モデルベース予測制御
[Ishikane+ 2013]
![Page 14: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/14.jpg)
視覚刺激を用いたインタラクション分析
• 誘引刺激
– 疑似個体映像
– 「映像vs実個体」を解析
• 反発刺激
– 群がり→群泳の誘発
– 「実個体vs実個体」を解析
14
側方視点 上方視点
![Page 15: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/15.jpg)
予備実験 (1)
魚映像は実個体を本当に誘引するか?
• 状況設定
– 水槽: 35cm(W) x 30(H) x 20(D)• 奥行き: 20 cm → 5cm(セパレータ)
– 側方視点カメラ: 15fps
– 魚種: ラミーノーズテトラ
15
t
x映像
t
x実個体
ディスプレイ 水槽
カメラ
2次元追跡
![Page 16: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/16.jpg)
実際の魚は疑似個体映像に反応するか?
• 疑似個体映像(𝑥軸で往復運動)
周波数同期
映像刺激の周波数
刺激提示区間
刺激提示開始
time
座標位置
𝑥-軸映像刺激
[兼近+ CVIM2014]
![Page 17: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/17.jpg)
実際の魚は疑似個体映像に反応するか?
• 映像刺激を提示していないときでも周期運動をしているのでは?
提示時提示時
提示時
実個体と映像疑似個体との相関
(位相同期を確認)
系列 1 系列 2 系列 3
位相はどうか? 刺激提示区間
![Page 18: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/18.jpg)
予備実験 (2)
魚群の相互作用ネットワークは推定可能か?
• グループレベルの状態遷移を誘導
– 「群がり」から「群泳」への遷移
• 状況設定
– 水槽: 30 (W) x 30 (D) x 10 cm (H)
– 上方視点カメラ: 60fps / 実個体数: 10
• 楕円モデルによる各個体の位置追跡
入力 二値化
背景差分 EM
混合モデル
[Kawashima+ MIRU2014]
![Page 19: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/19.jpg)
「群がり」から「群泳」の状態遷移を誘導
• 各個体を追跡・分析
視覚刺激 →
(モニタ)
追跡結果(各個体の 𝑥, 𝑦座標)
フレーム: 8100-8200 8200-8300 8300-8400
提示矩形最大
群の極性
刺激
平均速度
![Page 20: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/20.jpg)
ሶ𝒙𝑖(𝑡 + 𝜏) =
𝑗=1,𝑗≠𝑖
𝑁
𝑤𝑖𝑗
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡
個体間相互作用のモデル化
「コンセンサスモデル」がしばしば用いられる[Raynolds 1987, Couzin 2002]
• Repulsion(反発)
– 近傍個体から遠ざかる
• Orientation(配向)
– 近傍個体に方向を合わせる
• Attraction(誘引)
– 近傍個体に向かって動く
20魚 𝑗の影響度
近傍個体は「ゾーン」で決まる
魚 𝑖 の位置魚 𝑗の位置
魚 𝑖 の速度ベクトル
![Page 21: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/21.jpg)
相互作用ネットワークの推定
• 個体の行動モデル
ሶ𝒙𝑖(𝑡 + 𝜏) =
𝑗=1,𝑗≠𝑖
𝑁
𝑤𝑖𝑗
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡
目標位置
自律項協調項
魚 𝑗の影響度 魚 𝑖 自身の目標への志向度
• 制約付き短時間リッジ回帰
– 𝑤𝑖𝑗(𝑗 ≠ 𝑖), 𝑤𝑖𝑖, 𝒄𝑖 を時間窓内で固定と仮定して推定
– 制約:
– 𝑤𝑖𝑗(𝑗 ≠ 𝑖), 𝑤𝑖𝑖 ≥ 0 (「誘引」のみ)
–ሶ𝒙𝑖𝑇(𝒙𝑗−𝒙𝑖)
ሶ𝒙𝑖𝑇 (𝒙𝑗−𝒙𝑖)
≥ cos𝛼 (視野)
– ሶ𝒙𝑖𝑇 𝒄𝑖 − 𝒙𝑖 ≥ 0,𝒄𝑚𝑖𝑛 ≤ 𝒄𝑖 ≤ 𝒄𝑚𝑎𝑥 (ターゲットは前方&水槽内)
ሶ𝒙𝑖𝛼
𝒙𝑗 − 𝒙𝑖
+𝑤𝑖𝑖(𝒄𝑖 − 𝒙𝑖(𝑡))
(自律項を加えたバージョン)
![Page 22: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/22.jpg)
相互作用ネットワークの推定
• 群泳行動はいかに発現するか?
– 推定された重み(影響度,志向度) {𝑤𝑖𝑗}により個体比較
22
ሶ𝒙𝑖(𝑡 + 𝜏) =
𝑗=1,𝑗≠𝑖
𝑁
𝑤𝑖𝑗
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡
𝒙𝑗 𝑡 − 𝒙𝑖 𝑡+𝑤𝑖𝑖(𝒄𝑖 − 𝒙𝑖(𝑡))
目標位置
自律項協調項
他の個体から個体 (𝑖 = 1) への影響度を可視化
![Page 23: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/23.jpg)
各個体の役割?
• 協調 vs. 自律
23
ሶ𝒙𝑖 =
𝑗=1,𝑗≠𝑖
𝑁
𝑤𝑖𝑗
𝒙𝑗 − 𝒙𝑖
𝒙𝑗 − 𝒙𝑖+ 𝑤𝑖𝑖(𝒄𝑖 − 𝒙𝑖)
自律項協調項
時間区間(フレーム) 個体 #1 個体 #9 個体 #5
𝑃𝑎 (8100 − 8200) ゆっくり移動 ゆっくり移動 自律 (𝑤𝑖𝑖) >> 協調 (𝑤𝑖𝑗)
𝑃𝑐 (8300 − 8400) 他個体を追従 他個体を誘導 他個体を強く誘導
γ = lnσ𝑡∈P𝑤𝑖𝑖 𝑡
σ𝑡∈P σ𝑗=1,𝑗≠𝑖𝑁 𝑤𝑖𝑗 (𝑡)
𝑃: 時間区間
γ(調整済み)
![Page 24: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/24.jpg)
魚群制御を目指して
• 視覚刺激提示と反応を用いた群泳モデル推定
– 視覚刺激デザイン + 2次元個体追跡• 誘引性,反発性刺激
– 相互作用ネットワークの推定
• 今後の課題
– 視覚刺激のフィードバック制御(1) 強化学習および (2) モデル予測制御(wのダイナミクス)
– 魚ロボット + 3次元個体追跡→魚群誘導・制御
24
リアルタイムフィードバック
Thanks to 兼近さん (B4, M2) 2013.4-2016.3
![Page 25: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/25.jpg)
3D個体追跡
• 2次元追跡+群れの動ける範囲を限定→ 3次元位置・方向追跡 (6自由度) [Zhong+ 2015] (M2)
25
![Page 26: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/26.jpg)
分散エネルギーマネジメント
![Page 27: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/27.jpg)
50 4951Frequency
Demand
Hyd
ro
Oil
需給バランス
• 同時同量(需給バランス)– 全体の発電出力(供給電力)=全体の需要電力 (W)
• 安定供給には変動への対応が必要– 発電側の調整力・予備力確保
電気自動車の充電も需要側の大きな変動成分(数kW x 数時間)
総供給電力= 総需要電力
太陽光,風力などは天候によって変動
RainyCloudy
Sunny
27
![Page 28: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/28.jpg)
需要家 Energy Management Agent
• 需要家(家庭,オフィス,工場・・): 意思決定単位
• 消費だけでなく供給も→ Prosumer: Producer + Consumer
• 電力センサと管理システム(ゲートウェイ)
– 機器のモニタリング・制御,外部との通信→自律エージェント
「京エコハウス」web page(http://www.kyo-ecohouse.jp)より
SB
MCB
MCB
MCB
MCB
Gri
d (
uti
lity)
Pri
vate
Adapter-type Smart Outlet
Smart Outlet (sensor/controller)
Smart Appliances
Smart Meter (Grid)
Distributionboard
PV generator Battery
Home Server
28
![Page 29: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/29.jpg)
需要家サイドでの連携
• 末端(需要家側)ほど需要・供給とも drastic な変化– 外出,帰宅,旅行, etc.
– 系統側からの予測は困難
29
電力会社側から見れば,需要側の全体としての変動が小さくなる→稼働率向上・過剰な設備投資を抑制
需要家サイドでの連携– [供給 > 需要] から [供給 < 需要] の家庭へ送電
– 空いている蓄電資源を利用
![Page 30: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/30.jpg)
コミュニティ内EMS群の協調制御
• トップダウン型DR • 地域・コミュニティでの連携
各種渉外(市場調達,一括受電)
コーディネータ
計測
制御・要請
DR手順自動実行
オペレータ
電気事業者・卸市場
交渉・調整 (M2M)
需要家主体のデマンドサイドマネジメント
オフィスビル集合住宅
価値観の共有(平準化, グリーンなど)
コミュニティ
EMSによる
内部機器制御
制御・要請
朝なら 2kW 発電可能
消費を朝に時間シフト可能
30
共存
![Page 31: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/31.jpg)
各需要家での機器制御
• 供給:蓄電池・EVからの放電,自家発電等
• 需要:通常使用からの時間シフト,電力削減(ネガワット)
• 時間シフト可能かつ消費電力が大きな機器– エアコン,洗濯・乾燥機,食洗機,炊飯器,ポット,蓄電池・EV
シフト可能(ポット)
シフト可能 (precooling)(エアコン立ち上がり)
各需要家における快適さ/制御許容範囲をどう表現するか?
31
![Page 32: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/32.jpg)
1: 機器の需要パターンのモデル化
32
• 目的関数 𝑓𝑖 𝑥𝑖– 需要家𝑖がプロファイル 𝑥𝑖 を実現する困難さ
電力計測データ
センサデータ電
力需要
[W]
T時刻1
実現は容易
→ 𝑓𝑖 𝑥𝑖 =0.01実現は不可能
→ 𝑓𝑖 𝑥𝑖 =∞
実現は難しい
→ 𝑓𝑖 𝑥𝑖 =1000
データから目的関数 𝑓𝑖 𝑥𝑖 を学習できないか?
音声認識と類似 (HSMM利用可能 [黒瀬+ 2013])
モード(状態)遷移型の確率モデル
待機中
充電中
完了
𝑃21
𝑃23
モード遷移(例)待機中・充電中・完了
![Page 33: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/33.jpg)
各需要家の目的とコミュニティレベルの目的
• 各需要家の快適さをできるだけ保ちつつコミュニティ全体では平準化したい:
HEMS
HEMS
HEMS
HEMS
𝑓1(𝑥1)
𝑓2(𝑥2)𝑓3(𝑥3)
𝑓𝑁(𝑥𝑁)
?
→できるだけ小さくしたい𝑥𝑖 ∈ ℝ𝑇:需要家𝑖の1日の需給プロファイル
time1 T
Po
wer
[W]
𝑓𝑖(𝑥𝑖)
𝑔(𝑖𝑥𝑖 )
time1 T
Po
wer
[W]
σ𝑖 𝑥𝑖:全需要家の総需給プロファイル
σ𝑖需要家𝑖の目的関数
+コミュニティの目的関数
𝑥𝑗:需要家𝑗の1日の需給プロファイル
time1 T
Po
wer
[W]
σ(時間スロットごとに総和)
𝑔(
𝑖
𝑥𝑖)
個と集団の目的をすり合わせるには?
内部情報(機器,制御方式)や目的関数を開示せずに可能 ?
不満度(通常使用からのずれなど)
例:ピークへのペナルティ
33
![Page 34: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/34.jpg)
HEMS
Mode1
Mode3
Mode2
Mode4
HEMS
Mode1
Mode2
Mode3
2: 交渉型の分散最適化
• 各需要家の快適さをできるだけ保ちつつコミュニティ全体では平準化:
minimize𝑥1,…,𝑥𝑁
σ𝑖 𝑓𝑖 𝑥𝑖 + 𝑔(σ𝑖 𝑥𝑖)
• 自律エージェントによる分散協調制御– 需要家内部の情報(機器や制御,目的関数)を外に出さずに連携– コーディネータを介した需給計画ベースの「交渉」によって計画を自動策定
平準化のためのコミュニティ目的関数
各需要家𝑖がプロファイル𝑥𝑖を実現する困難さ(不満度)
34
コーディネータ
HEMS HEMS
𝑓1(𝑥1)𝑓2(𝑥2) 𝑓3(𝑥3) 𝑓𝑁(𝑥𝑁)
𝑥𝑁𝑥3𝑥2
𝑥1
コーディネータ側:
ブロードキャスト 𝑏
𝑏 𝑏 𝑏𝑏
朝使用したい
P
T
需要家側:
要求プロファイル𝑥𝑖
朝使用したい朝使用したい 朝使用したい
朝を避けられないか?
昼でも大丈夫夜でも大丈夫
これを何度か繰り返す
各需要家は各反復で内部機器のモード制御を最適計画(DP)
[Kawashima+ SmartGridComm2013]
(分散モードスケジューリング)
![Page 35: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/35.jpg)
コミュニティーベースのエネルギーマネジメント
• 分散アーキテクチャ– 各需要家は内部の機器を制御する自律エージェントを持つ
• 各エージェントはコーディネータと需給プロファイルを交渉1. 前日の計画策定(一日の予測を利用)2. 当日のオンライン協調(ずれを吸収)
EMS
EMS
Power grid
Factory
Office, condominium
IPP
EMS
ITC
-1000W
EMS
Requestpower
Community
Control inside the household
+2000W
-2000W
Extra power
Coordinator
System
35
![Page 36: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/36.jpg)
シミュレーション(前日スケジュール)
• PHEVの充電– 1kW x 3時間を1日のどこかで充電
グループ1 グループ2
𝑔σ𝑖𝑥𝑖
反復回数
• 柔軟性の異なる2グループ
– グループ1(20戸)
• 柔軟に開始時刻を変更可
– グループ2(20戸)
• 柔軟性が非常に小さい
• 結果
– 十回程度の反復でほぼ収束
– 各需要家の柔軟性に応じて平準化が進む
Mode1(待機中)
Mode 2(充電中)
Mode 3(充電完了)
Po
wer
Time
充電開始時刻の柔軟さを表す分布
![Page 37: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/37.jpg)
シミュレーション(当日オンライン制御)
• 一定の割合の家庭が使用タイミングを当日変更
• オンライン制御
– コーディネータを介して調整可能な家庭を,当日オンラインで探す
55% 70% 85%が変更
前日スケジュール
最適化無し
一部の家庭がタイミング変更
[Verschae+ 2014]
![Page 38: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/38.jpg)
分散エネルギーマネジメント
• 電力需給バランスを保つための方略
– コミュニティベース(需要家主体)のデマンドマネジメント
→異なる目的を持った主体間の調整・最適化– 需要家側: 生活の質を保つ
– コミュニティとして: 需給バランスの一端を担う
38
分散最適化:すべての目的関数をある主体が知る(集める)必要がない→各主体が分散された状態
全体最適化=各主体の最適化 + 主体間のコミュニケーション
→柔軟な協調方式が設計可能階層性[Verschae+ 2016],蓄電池・インセンティブ[鈴木+ 2015]
![Page 39: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/39.jpg)
群ネットワーク制御と分散協調制御
• 群行動の制御
– リーダーフォロワー型ネットワーク(ロボット,魚群)
• 分散協調システムの最適化
– 分散エネルギーマネジメント
設計可能な人工システム(演繹的)
動物,人(帰納的)
(非開示 or 複雑な人工システム含む)
目的関数 目的関数
相互作用ルール 相互作用ルール
観測される行動 観測される行動
エージェントモデル
推定
最適化 データに基づくモデル推定(機械学習)
![Page 40: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/40.jpg)
(非開示 or 複雑な人工システム含む)
群ネットワーク制御と分散協調制御
設計可能な人工システム(演繹的)
動物,人(帰納的)
目的関数 目的関数
相互作用ルール 相互作用ルール
観測される行動 観測される行動
エージェントモデル
最適化 データに基づくモデル推定(機械学習)
提示,支援,誘導
群ネットワークモデル
群制御
EMS
分散エネルギーマネジメント
Mode1
Mode2
Mode3
𝑃21
𝑃23
消費行動モデル
最適化から適応化へ
反応,応答
推定
![Page 41: 群行動ダイナミクスと分散協調制御hiroaki/... · (実機ロボットに比べ高い耐故障性) カメラ 水槽 ディスプレイ 実個体検出&追跡 疑似個体](https://reader036.vdocuments.mx/reader036/viewer/2022070721/5ee16241ad6a402d666c4927/html5/thumbnails/41.jpg)
References• [Nishiyama+, 2005] M. Nishiyama, H. Kawashima, T. Hirayama, and T. Matsuyama. Facial Expression Representation based on
Timing Structures in Faces. IEEE Int’l. Workshop on Analysis and Modeling of Faces and Gestures (AMFG2005), 140-154, 2005.
• [川嶋+, 2005] 川嶋, 西山, 松山. 表情譜: タイミング構造に基づく表情の記述・生成・認識. FIT2005 (第4回情報科学技術フォーラム)情報科学技術レターズ, 153-156, 2005.
• [平山+, 2007] 平山, 川嶋, 西山, 松山. 表情譜: 顔パーツ間のタイミング構造に基づく表情の記述. ヒューマンインタフェース学会, 9(2):201-211, 2007.
• [Rahmani, 2009] A. Rahmani, M. Ji, M. Mesbahi, and M. Egerstedt. Controllability of multi-agent systems from a graph-theoretic perspective. SIAM Journal on Control and Optimization, 48(1):162–186, 2009.
• [Kawashima, 2014] H. Kawashima and M. Egerstedt. Manipulability of Leader-Follower Networks with the Rigid-Link Approximation. Automatica, 50:695-706, 2014.
• [Yoshikawa, 1985] T. Yoshikawa. Manipulability of robotic mechanisms. The International Journal of Robotics Research, 4(2):3–9, 1985.
• [Kawashima+, 2012] H. Kawashima and M. Egerstedt. Leader Selection via the Manipulability of Leader-Follower Networks. American Control Conference (ACC 2012), 6053-6058, 2012.
• [Reynolds,1987] C. W. Reynolds. Flocks, herds, and schools: A distributed behavioral model. Computer Graphics, 21(4):25-34, 1987.
• [Couzin+, 2002] I. D. Couzin, J. Krausew, R. Jamesz, G. D. Ruxtony and N. R. Franksz. Collective Memory and Spatial Sorting in Animal Groups. J. Theoretical Biology, 218(1):1–11, 2002.
• [Ishikane+, 2013] 石金, 長畑. ゼブラフィッシュの視運動反応と運動刺激に対する順応. 専修人間科学論集, 3(1), 81–87, 2013.
• [兼近+, 2014] 兼近, 川嶋, 松山. 映像疑似個体を通じた魚群のインタラクション解析のためのカメラ・ディスプレイシステム. 情報処理学会研究会資料 (CVIM192-29), 2014.
• [Zhong+ 2015] Y. Zhong, H. Kawashima, and T. Matsuyama. Vision-based 3D Tracking System for Fish Interaction Analysis. 情報処理学会第77回全国大会, 2:519-520, 2015.
• [Kawashima+, 2013] H. Kawashima, T. Kato, and T. Matsuyama. Distributed Mode Scheduling for Coordinated Power Balancing. 4th IEEE International Conference on Smart Grid Communications (SmartGridComm 2013), 19-24, 2013.
• [黒瀬+, 2013] 黒瀬, 川嶋, 加藤, 松山. 確率的状態遷移モデルを用いた家電の消費電力変動予測, 電子情報通信学会技術研究報告(ASN2013-32), 159-162, 2013.
• [Verschae+, 2014] R. Verschae, H. Kawashima, T. Kato, and T. Matsuyama. A Distributed Coordination Framework for On-line Scheduling and Power Demand Balancing of Households Communities. European Control Conference (ECC 2014), 1655-1662, 2014.
• [鈴木+, 2015] 鈴木,川嶋,加藤,Verschae,松山. 協調型エネルギーマネジメントによる分散型蓄電池制御のためのインセンティブモデルの検討. 第14回情報科学技術フォーラム (FIT2015), M-018, 2015.
• [Verschae+, 2016] R. Verschae, H. Kawashima, T. Kato, and T. Matsuyama. Coordinated Energy Management for Inter-Community Imbalance Minimization. Renewable Energy, 87(2):922-935, 2016.