WO2021250770A1

WO2021250770A1 - 空気調和装置の制御のための学習装置および推論装置

Info

Publication number: WO2021250770A1
Application number: PCT/JP2020/022644
Authority: WO
Inventors: 洋志守安
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2020-06-09
Filing date: 2020-06-09
Publication date: 2021-12-16
Anticipated expiration: 2022-12-09
Also published as: JP7309069B2; JPWO2021250770A1

Abstract

学習装置（１０）は、空気調和装置のユーザの位置、およびユーザの位置における検出温度と空気調和装置の室内機の設定温度との差を含む状態と、その状態における室内機の設定風量および設定風向とを含む学習用データを取得するデータ取得部（１２）と、学習用データを用いて、空気調和装置のユーザの位置、およびユーザの位置における検出温度と空気調和装置の室内機の設定温度との差から室内機の設定風量および室内機の設定風向を推論するための学習済モデルを生成するモデル生成部（１３）とを備える。

Description

空気調和装置の制御のための学習装置および推論装置

　本開示は、空気調和装置の制御のための学習装置および推論装置に関する。

　空気調和システムを最適運転制御する方法が知られている。たとえば、特許文献１には、空調システムの運転時の計測データを用いて、エネルギー消費関数を決定することによって、空気調和装置を運転制御する方法が記載されている。

特開２００６－２０７９２９号公報

　しかしながら、特許文献１の空気調和装置の運転制御方法では、室内の温度を検出する温度センサが室内の決められた箇所に固定されて配置される。そのため、ユーザが所在する場所の温度を設定温度にすることができない場合がある。特に、室内の什器などによって気流が乱される場合には、このような問題が発生する。

　それゆえに、本開示の目的は、ユーザが所在する場所の温度を設定温度にすることができる空気調和装置の運転制御のための学習装置および推論装置を提供することである。

　本開示の空気調和装置のための学習装置は、空気調和装置のユーザの位置、およびユーザの位置における検出温度と空気調和装置の室内機の設定温度との差を含む状態と、状態における室内機の設定風量および設定風向とを含む学習用データを取得するデータ取得部と、学習用データを用いて、空気調和装置のユーザの位置、およびユーザの位置における検出温度と空気調和装置の室内機の設定温度との差から室内機の設定風量および室内機の設定風向を推論するための学習済モデルを生成するモデル生成部とを備える。

　本開示の空気調和装置のための推論装置は、空気調和装置のユーザの位置、およびユーザの位置における温度と空気調和装置の室内機の設定温度との差を含む状態を取得するデータ取得部と、空気調和装置のユーザの位置、およびユーザの位置における検出温度と空気調和装置の室内機の設定温度との差から室内機の設定風量および室内機の設定風向を推論するための学習済モデルを用いて、データ取得部で取得した状態から室内機の設定風量および室内機の設定風向を推論する推論部とを備える。

　本開示によれば、ユーザが所在する場所の温度を設定温度にすることができる。

実施の形態の空気調和システムの構成を表わす図である。実施の形態１の学習装置１０および推論装置３０に入力または出力されるデータを表わす図である。ユーザの位置の例を表わす図である。実施の形態１の学習装置１０の構成を表わす図である。学習装置１０の学習処理に関するフローチャートである。推論装置３０の構成を表わす図である。推論装置３０による室内機の設定風量および室内機の設定風向の推論手順を表わすフローチャートである。実施の形態２の学習装置１０および推論装置３０に入力または出力されるデータを表わす図である。実施の形態３の学習装置１０の構成を表わす図である。（ａ）～（ｊ）は、可搬式センサ３および制御装置２から得られたデータの例を表す図である。図１０（ａ）～図１０（ｊ）におけるユーザの位置を表わす図である。（ａ）～（ｃ）は、データを増加する方法を説明するための図である。（ａ）～（ｃ）は、データを増加する方法を説明するための図である。学習装置１０、推論装置３０、または制御装置２のハードウェア構成を表わす図である。

　以下、実施の形態について、図面を参照して説明する。
　実施の形態１．
　図１は、実施の形態の空気調和システムの構成を表わす図である。

　空気調和システムは、空気調和装置１と、制御装置２と、可搬式センサ３と、学習装置１０と、学習済モデル記憶部２０と、推論装置３０とを備える。

　可搬式センサ３は、ユーザが携帯して持ち運びすることができる。可搬式センサ３は、温度を検出することができる。可搬式センサ３は、ユーザの位置および、ユーザの位置における温度を検出することができる。

　学習装置１０は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差から室内機の設定風量および室内機の風向設定を推論する学習済モデルを生成する。

　学習済モデル記憶部２０は、学習装置１０によって生成された学習済モデルを記憶する。

　推論装置３０は、学習済みモデル記憶部に記憶されている学習済モデルに従って、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差から、ユーザが所在する場所を適切に設定温度にするために、空気調和装置の室内機の設定風量および室内機の設定風向を推定する。

　制御装置２は、推論装置３０の推論結果などに基づいて、空気調和装置１を制御する。
　図２は、実施の形態１の学習装置１０および推論装置３０に入力または出力されるデータを表わす図である。

　Ｂ１（行動）は、室内機の設定風量および室内機の設定風向である。Ｂ２（状態）は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差である。Ｃ（出力）は、室内機の設定風量および室内機の設定風向である。Ｄ（報酬基準）は、単位時間当りのユーザの位置の検出温度の変化量である。

　図３は、ユーザの位置の例を表わす図である。
　ユーザが可搬式センサ３を携帯することによって、可搬式センサ３によってユーザの位置を検出することができる。ユーザの所在位置の温度を検出することによって、ユーザが所在する場所の気流の制御が可能となる。

　図４は、実施の形態１の学習装置１０の構成を表わす図である。学習装置１０は、データ取得部１２と、モデル生成部１３とを備える。

　データ取得部１２は、Ｂ１（行動）とＢ２（状態）とを含む学習データを取得する。すなわち、データ取得部１２は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とを含む学習データを取得する。

　モデル生成部１３は、データ取得部１２で取得したＢ１（行動）とＢ２（状態）とを含む学習データを用いて、Ｂ２（状態）からＣ（出力）を推論する学習済モデルを生成する。すなわち、モデル生成部１３は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とを含む学習用データを用いて、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差から室内機の設定風量および室内機の風向設定を推論する学習済モデルを生成する。モデル生成部１３は、生成した学習済モデルを学習済モデル記憶部２０に記憶させる。

　モデル生成部１３が用いる学習アルゴリズムとして、教師あり学習、教師なし学習、または強化学習等の公知のアルゴリズムを用いることができる。一例として、強化学習を適用した場合について説明する。強化学習では、ある環境内におけるエージェント（行動主体）が、現在の状態（環境のパラメータ）を観測し、取るべき行動を決定する。エージェントの行動により環境が動的に変化し、エージェントには環境の変化に応じて報酬が与えられる。エージェントはこれを繰り返し、一連の行動を通じて報酬が最も多く得られる行動方針を学習する。強化学習の代表的な手法であるＱ学習、またはＴＤ学習（Temporal　Difference　Learning）を用いることができる。例えば、Ｑ学習（Q-learning）の場合、行動価値関数Ｑ（ｓ，ａ）の一般的な更新式は、式（１）で表される。

　式（１）において、ｓｔは時刻ｔにおける環境の状態を表し、ａｔは時刻ｔにおける行動を表す。行動ａｔにより、状態はｓｔ＋１に変わる。ｒｔ＋１はその状態の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。なお、γは０＜γ≦１、αは０＜α≦１の範囲とする。Ｂ１（行動）が行動ａｔとなり、Ｂ２（状態）が状態ｓｔとなる。すなわち、室内機の設定風量および室内機の設定風向が行動ａｔとなり、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差が状態ｓｔとなる。Ｑ学習では、時刻ｔの状態ｓｔにおける最良の行動ａｔを学習する。

　式（１）で表される更新式は、時刻ｔ＋１における最もＱ値の高い行動ａの行動価値Ｑが、時刻ｔにおいて実行された行動ａの行動価値Ｑよりも大きければ、行動価値Ｑを大きくし、逆の場合は、行動価値Ｑを小さくする。換言すれば、時刻ｔにおける行動ａの行動価値Ｑを、時刻ｔ＋１における最良の行動価値に近づけるように、行動価値関数Ｑ（ｓ，ａ）を更新する。それにより、或る環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していくようになる。

　上記のように、強化学習によって学習済モデルを生成する場合、モデル生成部１３は、報酬計算部１４と、関数更新部１５とを備える。

　報酬計算部１４は、Ｂ１（行動）と、Ｂ２（状態）とに基づいて報酬を計算する。すなわち、報酬計算部１４は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とに基づいて、報酬を計算する。報酬計算部１４は、ユーザの位置における単位時間当りの温度変化量に基づいて、報酬ｒを計算する。例えば、報酬計算部１４は、ユーザの位置における単位時間当りの温度変化量が増加した場合には報酬ｒを増大させ（例えば「１」の報酬を与える。）、他方、ユーザの位置における単位時間当りの温度変化量が減少した場合には報酬ｒを低減する（例えば「－１」の報酬を与える。）。

　関数更新部１５は、報酬計算部１４によって計算される報酬に従って、室内機の設定風量および室内機の風向設定を決定するための関数を更新し、学習済モデル記憶部２０に出力する。例えばＱ学習の場合、関数更新部１５は、式（１）で表される行動価値関数Ｑ（ｓｔ，ａｔ）を、室内機の設定風量および室内機の風向設定を算出するための関数として用いる。

　以上のような学習を繰り返し実行する。学習済モデル記憶部２０は、関数更新部１５によって更新された行動価値関数Ｑ（ｓｔ，ａｔ）、すなわち、学習済モデルを記憶する。

　図５は、学習装置１０の学習処理に関するフローチャートである。
　ステップＳ１０１において、データ取得部１２は、データ取得部１２は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とを含む学習データを取得する。

　ステップＳ１０２において、モデル生成部１３は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とに基づいて、報酬を計算する。具体的には、報酬計算部１４は、ユーザの位置における単位時間当りの温度変化量に基づいて、報酬を増大させるか、あるいは減少させるかを決定する。

　報酬計算部１４が報酬を増大させると判断した場合に、処理がステップＳ１０３に進む。報酬計算部１４が報酬を減少させると判断した場合に、処理がステップＳ１０４に進む。

　ステップＳ１０３において、報酬計算部１４が、報酬を増大させる。
　ステップＳ１０４において、報酬計算部１４は、報酬を減少させる。

　ステップＳ１０５において、関数更新部１５は、報酬計算部１４によって計算された報酬に基づいて、学習済モデル記憶部２０が記憶する式（１）で表される行動価値関数Ｑ（ｓｔ，ａｔ）を更新する。

　学習装置１０は、以上のステップＳ１０１からＳ１０５までのステップを繰り返し実行し、生成された行動価値関数Ｑ（ｓｔ，ａｔ）を学習済モデルとして記憶する。

　本実施の形態に係る学習装置１０は、学習済モデルを学習装置１０の外部に設けられた学習済モデル記憶部２０に記憶するものとしたが、学習済モデル記憶部２０を学習装置１０の内部に備えていてもよい。

　図６は、推論装置３０の構成を表わす図である。推論装置３０は、データ取得部３１、および推論部３２を備える。

　データ取得部３１は、Ｂ２入力を取得する。すなわち、データ取得部３１は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差を取得する。

　推論部３２は、学習済モデル記憶部２０から、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差から室内機の設定風量および室内機の風向設定を推論するための学習済モデルを読出す。

　推論部３２は、データ取得部３１で取得したデータと、学習済モデルを利用して、Ｃ出力を推論する。すなわち、推論部３２は、学習済モデルにデータ取得部３１が取得した、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差を入力することで、ユーザが所在する場所の温度が設定温度となるように室内機の設定風量および室内機の設定風向を推論することができる。

　たとえば、推論部３２は、学習済モデル記憶部２０から学習済みモデルとして、行動価値関数Ｑ（ｓｔ，ａｔ）を読み出す。推論部３２は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差（状態ｓｔ）に対して、行動価値関数Ｑ（ｓ，ａ）に基づいて、室内機の設定風量および室内機の設定風向（行動ａｔ）を得る。

　本実施の形態では、空気調和装置のモデル生成部で学習した学習済モデルを用いて室内機の設定風量および室内機の風向設定を出力するものとして説明したが、他の空気調和装置から学習済モデルを取得し、この学習済モデルに基づいて室内機の設定風量および室内機の風向設定を出力するようにしてもよい。

　図７は、推論装置３０による室内機の設定風量および室内機の設定風向の推論手順を表わすフローチャートである。

　ステップＳ２０１において、データ取得部３１は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差を取得する。

　ステップＳ２０２において、推論部３２は、学習済モデル記憶部２０に記憶された学習済モデルに、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差を入力する。

　ステップＳ２０３において、推論部３２は、学習済モデルか室内機の設定風量および室内機の設定風向を得る。推論部３２は得られた室内機の設定風量および室内機の設定風向を制御装置２に出力する。

　ステップＳ２０４において、制御装置２は、出力された室内機の設定風量および室内機の設定風向を用いて。空気調和装置１を制御する。

　本実施の形態では、推論部が用いる学習アルゴリズムに強化学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、強化学習以外にも、教師あり学習、教師なし学習、または半教師あり学習等を適用することも可能である。

　モデル生成部１３に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する深層学習を用いることもできる。あるいは、これに代えて他の公知の方法、例えばニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、またはサポートベクターマシンなどに従って機械学習を実行してもよい。

　学習装置１０及び推論装置３０は、例えば、ネットワークを介して制御装置２に接続され、制御装置２とは別個の装置であってもよい。また、学習装置１０及び推論装置３０は、制御装置２に内蔵されていてもよい。さらに、学習装置１０及び推論装置３０は、クラウドサーバ上に存在していてもよい。

　モデル生成部１３は、複数の空気調和装置から取得される学習用データを用いて、室内機の設定風量および室内機の風向設定を学習するようにしてもよい。なお、モデル生成部１３は、同一のエリアで使用される複数の空気調和装置から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の空気調和装置から収集される学習用データを利用して室内機の設定風量および室内機の風向設定を学習してもよい。また、学習用データを収集する空気調和装置を途中で対象に追加したり、対象から除去することも可能である。さらに、ある空気調和装置に関して室内機の設定風量および室内機の風向設定を学習した学習装置を、これとは別の空気調和装置に適用し、当該別の空気調和装置に関して室内機の設定風量および室内機の風向設定を再学習して更新するようにしてもよい。

　以上のように、本実施の形態によれば、学習装置が、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差から室内機の設定風量および室内機の風向設定を推論する学習済モデルを生成し、推論装置が、学習済モデルに従って、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差からユーザが所在する場所を適切に設定温度にするために、空気調和装置の室内機の設定風量および室内機の設定風向を推定することができる。

　実施の形態２．
　本実施の形態は、実施の形態１と異なる報酬基準に関する。

　図８は、実施の形態２の学習装置１０および推論装置３０に入力または出力されるデータを表わす図である。

　Ｂ１（行動）は、室内機の設定風量および室内機の設定風向である。Ｂ２（状態）は、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差である。Ｃ（出力）は、室内機の設定風量および室内機の設定風向である。Ｄ（報酬基準）は、ユーザによる風量または風向の設定操作である。

　報酬計算部１４は、Ｂ１（行動）と、Ｂ２（状態）とに基づいて報酬を計算する。すなわち、報酬計算部１４は、室内機の設定風量および室内機の設定風向と、ユーザの位置、およびユーザの位置の検出温度と室内機の設定温度との差とに基づいて、報酬を計算する。報酬計算部１４は、ユーザによる風量または風向の設定操作に基づいて、報酬ｒを計算する。例えば、報酬計算部１４は、ユーザによる風量または風向の設定操作が実行されなかった場合には報酬ｒを増大させ（例えば「１」の報酬を与える。）、他方、ユーザによる風量または風向の設定操作が実行された場合には報酬ｒを低減する（例えば「－１」の報酬を与える。）。

　実施の形態３．
　図９は、実施の形態３の学習装置の構成を表わす図である。

　実施の形態３の学習装置１０が実施の形態１の学習装置１０と相違する点は、実施の形態３の学習装置１０が、データ拡張部６２を備える点である。

　データ拡張部６２は、データ取得部１２によって取得された学習用データに含まれるユーザの位置以外の未取得位置に対して、未取得位置と、データ取得部１２によって取得された学習用データに含まれるユーザの位置との差に基づいて、学習用データに含まれるユーザの位置における検出温度と空気調和装置の室内機の設定温度との差と、室内機の設定風量および設定風向とを用いて、未取得位置における検出温度と空気調和装置の室内機の設定温度との差と、室内機の設定風量および設定風向とを含む拡張データを生成する。

　図１０（ａ）～図１０（ｊ）は、可搬式センサ３および制御装置２から得られたデータの例を表す図である。図１１は、図１０（ａ）～図１０（ｊ）におけるユーザの位置を表わす図である。

　ユーザの位置、およびユーザの位置の検出温度は、可搬式センサ３によって得られる。室内機の設定風量、および室内機の設定風向は、制御装置２から得られる。

　ユーザの位置は、室内機を中心とした極座標（ｘ，ｙ）で表わされる。ユーザの位置の検出温度と室内機の設定温度との差は、ユーザの位置（ｘ，ｙ）における温度差Ｔで表される。室内機の設定風量は、ユーザの位置（ｘ，ｙ）において制御装置２によって設定された風量Ｗで表される。室内機の設定風向は、ユーザの位置（ｘ，ｙ）において制御装置２によって設定された風向Ｄで表される。

　図１０（ａ）～（ｅ）において、ユーザの位置の角度が一定値ｙａで、ユーザの位置の距離がｘａ、ｘｂ、ｘｃ、ｘｄ、ｘｅと変化する。図１０（ｆ）～（ｊ）において、ユーザの位置の角度が一定値ｙｂで、ユーザの位置の距離がｘａ、ｘｂ、ｘｃ、ｘｄ、ｘｅと変化する。

　図１１に示すように、ユーザの位置（ｘｆ，ｙａ）のデータは、ユーザの位置（ｘｂ、ｙａ）のデータと、ユーザの位置（ｘｃ，ｙａ）のデータとから生成される。

　データ拡張部６２は、ユーザの位置（ｘｃ、ｙａ）のデータと、ユーザの位置（ｘｄ，ｙａ）のデータとからユーザの位置（ｘｇ，ｙａ）のデータを生成する。データ拡張部６２は、ユーザの位置（ｘｄ、ｙａ）のデータと、ユーザの位置（ｘｄ，ｙｂ）のデータとからユーザの位置（ｘｄ，ｙｃ）のデータを生成する。

　図１２（ａ）～（ｃ）は、データを増加する方法を説明するための図である。
　図１２（ａ）に示すように、データ拡張部６２は、ユーザの位置（ｘｂ，ｙａ）の検出温度と室内機の設定温度との差Ｔ（ｘｂ，ｙａ）と、ユーザの位置（ｘｃ，ｙａ）の検出温度と室内機の設定温度との差Ｔ（ｘｃ，ｙａ）とを線形補完することによって、ユーザの位置（ｘｆ，ｙａ）の検出温度と室内機の設定温度との差Ｔ（ｘｆ，ｙａ）を生成する。

　図１２（ｂ）に示すように、データ拡張部６２は、ユーザの位置（ｘｂ，ｙａ）において制御装置２によって設定された風量Ｗ（ｘｂ，ｙａ）と、ユーザの位置（ｘｃ，ｙａ）において制御装置２によって設定された風量Ｗ（ｘｃ，ｙａ）とを線形補完することによって、ユーザの位置（ｘｆ，ｙａ）において制御装置２によって設定された風量Ｗ（ｘｆ，ｙａ）を生成する。

　図１２（ｃ）に示すように、データ拡張部６２は、ユーザの位置（ｘｂ，ｙａ）において制御装置２によって設定された風向Ｄ（ｘｂ，ｙａ）と、ユーザの位置（ｘｃ，ｙａ）において制御装置２によって設定された風向Ｄ（ｘｃ，ｙａ）とを線形補完することによって、ユーザの位置（ｘｆ，ｙａ）において制御装置２によって設定された風向Ｄ（ｘｆ，ｙａ）を生成する。

　図１３（ａ）～（ｃ）は、データを増加する方法を説明するための図である。
　図１３（ａ）に示すように、データ拡張部６２は、ユーザの位置（ｘｄ，ｙａ）の検出温度と室内機の設定温度との差Ｔ（ｘｄ，ｙａ）と、ユーザの位置（ｘｄ，ｙｆ）の検出温度と室内機の設定温度との差Ｔ（ｘｄ，ｙｆ）とを線形補完することによって、ユーザの位置（ｘｄ，ｙｆ）の検出温度と室内機の設定温度との差Ｔ（ｘｆ，ｙｆ）を生成する。

　図１３（ｂ）に示すように、データ拡張部６２は、ユーザの位置（ｘｄ，ｙａ）において制御装置２によって設定された風量Ｗ（ｘｄ，ｙａ）と、ユーザの位置（ｘｄ，ｙｂ）において制御装置２によって設定された風量Ｗ（ｘｄ，ｙｂ）とを線形補完することによって、ユーザの位置（ｘｄ，ｙｆ）において制御装置２によって設定された風量Ｗ（ｘｄ，ｙｆ）を生成する。

　図１３（ｃ）に示すように、データ拡張部６２は、ユーザの位置（ｘｄ，ｙａ）において制御装置２によって設定された風向Ｄ（ｘｄ，ｙａ）と、ユーザの位置（ｘｄ，ｙｂ）において制御装置２によって設定された風向Ｄ（ｘｄ，ｙｂ）とを線形補完することによって、ユーザの位置（ｘｄ，ｙｆ）において制御装置２によって設定された風向Ｄ（ｘｄ，ｙｆ）を生成する。

　変形例．
　本開示は、上記の実施形態に限定されるものではない。

　（１）図１４は、学習装置１０、推論装置３０、または制御装置２のハードウェア構成を表わす図である。

　学習装置１０、推論装置３０、および制御装置２は、相当する動作をデジタル回路のハードウェアまたはソフトウェアで構成することができる。学習装置１０、推論装置３０、および制御装置２の機能をソフトウェアを用いて実現する場合には、学習装置１０、推論装置３０、および制御装置２は、例えば、図１５に示すように、バス５３によって接続されたプロセッサ５１とメモリ５２とを備え、メモリ５２に記憶されたプログラムをプロセッサ５１が実行するようにすることができる。

　（２）室内に複数の室内機が存在する場合に、これらを連動さえて最適な風向き、風速設定を探索することとしてもよい。

　今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

　１　空気調和装置、２　制御装置、３　可搬式センサ、１０　学習装置、１２，３１　データ取得部、１３　モデル生成部、１４　報酬計算部、１５　関数更新部、２０　学習済モデル記憶部、３０　推論装置、３２　推論部、５１　プロセッサ、５２　メモリ、５３　バス。

Claims

　空気調和装置のユーザの位置、および前記ユーザの位置における検出温度と前記空気調和装置の室内機の設定温度との差を含む状態と、前記状態における前記室内機の設定風量および設定風向とを含む学習用データを取得するデータ取得部と、
　前記学習用データを用いて、空気調和装置のユーザの位置、および前記ユーザの位置における検出温度と前記空気調和装置の室内機の設定温度との差から前記室内機の設定風量および前記室内機の設定風向を推論するための学習済モデルを生成するモデル生成部と、
　を備える空気調和装置の制御のための学習装置。
　前記データ取得部は、可搬式センサから出力されるデータから、前記状態を取得する、請求項１記載の空気調和装置の制御のための学習装置。
　前記モデル生成部は、Ｑ学習によって前記学習済モデルを生成する、請求項１または２記載の空気調和装置の制御のための学習装置。
　前記モデル生成部は、前記ユーザの位置における単位時間当りの温度変化量が増加したときに、報酬を増大させ、前記ユーザの位置における単位時間当りの温度変化量が減少したときに、前記報酬を減少させる、請求項３記載の空気調和装置の制御のための学習装置。
　前記モデル生成部は、前記ユーザによる風量または風向の設定操作が実行されなかった場合には、報酬を増大させ、前記ユーザによる風量または風向の設定操作が実行された場合には、前記報酬を減少させる、請求項３記載の空気調和装置の制御のための学習装置。
　前記データ取得部によって取得された学習用データに含まれるユーザの位置以外の未取得位置に対して、前記未取得位置と、前記データ取得部によって取得された学習用データに含まれるユーザの位置との差に基づいて、前記学習用データに含まれる前記ユーザの位置における検出温度と前記空気調和装置の室内機の設定温度との差と、前記室内機の設定風量および設定風向とを用いて、前記未取得位置における検出温度と前記空気調和装置の室内機の設定温度との差と、前記室内機の設定風量および設定風向とを含む拡張データを生成するデータ拡張部をさらに備え、
　前記モデル生成部は、前記学習用データとして、前記データ拡張部によって生成された拡張データをさらに用いる、請求項１～５のいずれか１項に記載の空気調和装置の制御のための学習装置。
　空気調和装置のユーザの位置、およびユーザの位置における温度と前記空気調和装置の室内機の設定温度との差を含む状態を取得するデータ取得部と、
　空気調和装置のユーザの位置、および前記ユーザの位置における検出温度と前記空気調和装置の室内機の設定温度との差から前記室内機の設定風量および前記室内機の設定風向を推論するための学習済モデルを用いて、前記データ取得部で取得した前記状態から前記室内機の設定風量および前記室内機の設定風向を推論する推論部と、
　を備える、空気調和装置の制御のための推論装置。
　前記データ取得部は、可搬式センサから出力されるデータから、前記状態を取得する、請求項７記載の空気調和装置の制御のための推論装置。