[2C1-J-12] ヒューマンインタフェース・教育支援: デザインと創造

[2C1-J-12-02] Decision Making for Model Based Design by Reinforcement Learning

〇酒井 竜英¹、伊鍋 貴弘² (1. 長城汽車股份有限公司、2. サキヨミAIラボ)

キーワード：強化学習、モデルベースデザイン、乗用車、深層学習

商品を設計する際には競争力から部品機能への階層的な紐付けを行うModel Based Design手法が用いられることが多い。階層が複雑になると設計変数は巨大なデータ空間を持つために意思決定を短い時間で的確に行うことは豊富な経験を有していても難しい。電気自動車の設計に対して強化学習が有効となるか検証した。階層の最上位である車両性能のうちEnergy性能とPackageに対して適用した。電気自動車の場合、これらが競争力を左右する最も重要な設計となる。演算法としてはDQN、Monte Carlo決定木、A3Cを採用した。Energy性能については128の17乗の変数空間から設計理論限界が導かれ、Packageに関しては、10の77乗の変数空間から最適解が学習できた。Model Based Design手法の意思決定として有効であることが検証できたので報告する。