知財求人 - 知財ポータルサイト「IP Force」
特開2024-54566情報処理システム、管理サーバ、更新方法、及びプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024054566
(43)【公開日】2024-04-17
(54)【発明の名称】情報処理システム、管理サーバ、更新方法、及びプログラム
(51)【国際特許分類】
G06N 20/00 20190101AFI20240410BHJP
H04W 4/70 20180101ALI20240410BHJP
H04W 88/06 20090101ALI20240410BHJP
【ＦＩ】
G06N20/00
H04W4/70
H04W88/06
【審査請求】未請求
【請求項の数】15
【出願形態】ＯＬ
(21)【出願番号】P 2022160866
(22)【出願日】2022-10-05
(71)【出願人】
【識別番号】000003193
【氏名又は名称】ＴＯＰＰＡＮホールディングス株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100139686
【弁理士】
【氏名又は名称】鈴木 史朗
(74)【代理人】
【識別番号】100169764
【弁理士】
【氏名又は名称】清水 雄一郎
(74)【代理人】
【識別番号】100147267
【弁理士】
【氏名又は名称】大槻 真紀子
(72)【発明者】
【氏名】坂本 卓哉
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067BB27
5K067EE02
5K067EE10
(57)【要約】
【課題】機械学習モデルの更新をより効率良く行う。
【解決手段】情報処理システムは、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、前記エッジデバイスと通信可能な管理サーバとを備え、前記管理サーバは、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部とを備える。
【選択図】図１
【解決手段】情報処理システムは、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、前記エッジデバイスと通信可能な管理サーバとを備え、前記管理サーバは、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、
無線通信を用いて、前記エッジデバイスと通信可能な管理サーバと
を備え、
前記管理サーバは、
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部と
を備える情報処理システム。
無線通信を用いて、前記エッジデバイスと通信可能な管理サーバと
を備え、
前記管理サーバは、
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部と
を備える情報処理システム。
【請求項2】
前記取得処理部は、前記学習データの送信要求を、前記エッジデバイスに送信し、
前記エッジデバイスは、前記学習データの送信要求に応じて、前記学習データを前記管理サーバに送信する
請求項１に記載の情報処理システム。
前記エッジデバイスは、前記学習データの送信要求に応じて、前記学習データを前記管理サーバに送信する
請求項１に記載の情報処理システム。
【請求項3】
前記取得処理部は、前記エッジデバイスから送信された前記学習データの生成許可要求に応じて、前記学習データの生成が許可されているか否かを判定し、前記学習データの生成が許可されている場合に、前記学習データの送信要求を、前記エッジデバイスに送信する
請求項２に記載の情報処理システム。
請求項２に記載の情報処理システム。
【請求項4】
前記モデル生成部を備える外部接続装置であって、前記管理サーバと通信可能な外部接続装置を備え、
前記学習処理部は、前記機械学習モデルを生成させる生成要求を、前記外部接続装置に送信し、
前記外部接続装置が備える前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記学習モデル記憶部に記憶させる
請求項１に記載の情報処理システム。
前記学習処理部は、前記機械学習モデルを生成させる生成要求を、前記外部接続装置に送信し、
前記外部接続装置が備える前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記学習モデル記憶部に記憶させる
請求項１に記載の情報処理システム。
【請求項5】
前記学習データ記憶部と、前記学習モデル記憶部とを備えるストレージ装置であって、前記管理サーバ及び前記外部接続装置と通信可能なストレージ装置を備え、
前記モデル生成部は、前記生成要求に応じて、前記学習データを前記ストレージ装置が備える前記学習データ記憶部から取得する
請求項４に記載の情報処理システム。
前記モデル生成部は、前記生成要求に応じて、前記学習データを前記ストレージ装置が備える前記学習データ記憶部から取得する
請求項４に記載の情報処理システム。
【請求項6】
前記管理サーバは、前記学習データ記憶部と、前記学習モデル記憶部とを備え、
前記学習処理部は、前記学習データを前記学習データ記憶部から取得し、前記学習データを含む前記生成要求を、前記外部接続装置に送信し、
前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記管理サーバに送信し、
前記学習処理部は、前記外部接続装置から受信した前記機械学習モデルを前記学習モデル記憶部に記憶させる
請求項４に記載の情報処理システム。
前記学習処理部は、前記学習データを前記学習データ記憶部から取得し、前記学習データを含む前記生成要求を、前記外部接続装置に送信し、
前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記管理サーバに送信し、
前記学習処理部は、前記外部接続装置から受信した前記機械学習モデルを前記学習モデル記憶部に記憶させる
請求項４に記載の情報処理システム。
【請求項7】
前記エッジデバイスは、前記管理サーバから新たな前記機械学習モデルを受信した場合に、既存の前記機械学習モデルと、新たな前記機械学習モデルとの両方により、前記推定処理を実行し、両方の前記推定処理の結果を比較し、当該比較結果に基づいて、既存の前記機械学習モデルと、新たな前記機械学習モデルとのいずれを採用するか判定する
請求項１に記載の情報処理システム。
請求項１に記載の情報処理システム。
【請求項8】
前記エッジデバイスは、前記比較結果に基づく情報を、前記管理サーバに送信する
請求項７に記載の情報処理システム。
請求項７に記載の情報処理システム。
【請求項9】
前記エッジデバイスは、
第１無線通信方式による通信を実行する第１無線通信部と、
前記第１無線通信部による前記第１無線通信方式よりも消費電力が大きく、且つ、通信速度が速い第２無線通信方式による通信を実行する第２無線通信部と
を備え、
前記デバイス制御部は、通常動作モードにおいて、前記第１無線通信部による前記第１無線通信方式を用いて、前記推定処理の結果を送信し、前記機械学習モデルの更新を行う更新モードにおいて、前記第２無線通信部による前記第２無線通信方式を用いて、新たな前記機械学習モデルを受信する
請求項１から請求項８にいずれか一項に記載の情報処理システム。
第１無線通信方式による通信を実行する第１無線通信部と、
前記第１無線通信部による前記第１無線通信方式よりも消費電力が大きく、且つ、通信速度が速い第２無線通信方式による通信を実行する第２無線通信部と
を備え、
前記デバイス制御部は、通常動作モードにおいて、前記第１無線通信部による前記第１無線通信方式を用いて、前記推定処理の結果を送信し、前記機械学習モデルの更新を行う更新モードにおいて、前記第２無線通信部による前記第２無線通信方式を用いて、新たな前記機械学習モデルを受信する
請求項１から請求項８にいずれか一項に記載の情報処理システム。
【請求項10】
前記デバイス制御部は、
前記通常動作モードにおいて、前記第２無線通信部の動作を停止させ、
前記更新モードにおいて、前記第２無線通信部を動作させて、前記第２無線通信方式による通信を実行させる
請求項９に記載の情報処理システム。
前記通常動作モードにおいて、前記第２無線通信部の動作を停止させ、
前記更新モードにおいて、前記第２無線通信部を動作させて、前記第２無線通信方式による通信を実行させる
請求項９に記載の情報処理システム。
【請求項11】
前記デバイス制御部は、
前記通常動作モードにおいて、前記第１無線通信方式を用いて、前記機械学習モデルの更新を要求する通知を受信した場合に、前記更新モードに変更する
請求項１０に記載の情報処理システム。
前記通常動作モードにおいて、前記第１無線通信方式を用いて、前記機械学習モデルの更新を要求する通知を受信した場合に、前記更新モードに変更する
請求項１０に記載の情報処理システム。
【請求項12】
前記デバイス制御部は、前記第１無線通信方式を用いて、前記機械学習モデルの更新が完了したことを示す情報を送信する
請求項９に記載の情報処理システム。
請求項９に記載の情報処理システム。
【請求項13】
センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバであって、
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部と
を備える管理サーバ。
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部と
を備える管理サーバ。
【請求項14】
センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバによる前記機械学習モデルの更新方法であって、
前記管理サーバが、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、
前記管理サーバが、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、
前記管理サーバが、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップと
を含む更新方法。
前記管理サーバが、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、
前記管理サーバが、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、
前記管理サーバが、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップと
を含む更新方法。
【請求項15】
センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバのコンピュータに、
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップと
を実行させるためのプログラム。
前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、
モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、
前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップと
を実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理システム、管理サーバ、更新方法、及びプログラムに関する。
【背景技術】
【0002】
近年、センサを有するエッジデバイスを用いた情報処理システムが普及してきている。このような情報処理システムでは、センサで検出した検出データをＡＩモデル（機械学習モデル）を用いた推定処理を行うものが知られている（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第６７５９４７２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、上述したような情報処理システムでは、環境の変化に対応するため、環境の変化に応じて、エッジデバイスが用いるＡＩモデル（機械学習モデル）を更新することが望ましい。なお、エッジデバイスが用いるＡＩモデルは、大きく分けて以下の２種類がある。
（１）エッジデバイスが内部でＡＩモデルを保持しているもの
（２）ＡＩモデルが、クラウド上で保存されており、エッジデバイスがダウンロードして使用するもの
（１）エッジデバイスが内部でＡＩモデルを保持しているもの
（２）ＡＩモデルが、クラウド上で保存されており、エッジデバイスがダウンロードして使用するもの
【0005】
しかしながら、従来技術の情報処理システムでは、例えば、エッジデバイスが複数の装置と通信する必要があり、ＡＩモデル（機械学習モデル）の更新処理が煩雑であった。そのため、上述したような情報処理システムでは、ＡＩモデル（機械学習モデル）の更新処理を効率良く行うことが求められている。
【0006】
本発明は、上記問題を解決すべくなされたもので、その目的は、機械学習モデルの更新をより効率良く行うことができる情報処理システム、管理サーバ、更新方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
上記問題を解決するために、本発明の一態様は、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、前記エッジデバイスと通信可能な管理サーバとを備え、前記管理サーバは、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部とを備える情報処理システムである。
【0008】
また、本発明の一態様は、上記の情報処理システムにおいて、前記取得処理部は、前記学習データの送信要求を、前記エッジデバイスに送信し、前記エッジデバイスは、前記学習データの送信要求に応じて、前記学習データを前記管理サーバに送信してもよい。
【0009】
また、本発明の一態様は、上記の情報処理システムにおいて、前記取得処理部は、前記エッジデバイスから送信された前記学習データの生成許可要求に応じて、前記学習データの生成が許可されているか否かを判定し、前記学習データの生成が許可されている場合に、前記学習データの送信要求を、前記エッジデバイスに送信してもよい。
【0010】
また、本発明の一態様は、上記の情報処理システムにおいて、前記モデル生成部を備える外部接続装置であって、前記管理サーバと通信可能な外部接続装置を備え、前記学習処理部は、前記機械学習モデルを生成させる生成要求を、前記外部接続装置に送信し、前記外部接続装置が備える前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記学習モデル記憶部に記憶させてもよい。
【0011】
また、本発明の一態様は、上記の情報処理システムにおいて、前記学習データ記憶部と、前記学習モデル記憶部とを備えるストレージ装置であって、前記管理サーバ及び前記外部接続装置と通信可能なストレージ装置を備え、前記モデル生成部は、前記生成要求に応じて、前記学習データを前記ストレージ装置が備える前記学習データ記憶部から取得してもよい。
【0012】
また、本発明の一態様は、上記の情報処理システムにおいて、前記管理サーバは、前記学習データ記憶部と、前記学習モデル記憶部とを備え、前記学習処理部は、前記学習データを前記学習データ記憶部から取得し、前記学習データを含む前記生成要求を、前記外部接続装置に送信し、前記モデル生成部は、前記生成要求に応じて、前記機械学習モデルを生成し、生成した前記機械学習モデルを、前記管理サーバに送信し、前記学習処理部は、前記外部接続装置から受信した前記機械学習モデルを前記学習モデル記憶部に記憶させてもよい。
【0013】
また、本発明の一態様は、上記の情報処理システムにおいて、前記エッジデバイスは、前記管理サーバから新たな前記機械学習モデルを受信した場合に、既存の前記機械学習モデルと、新たな前記機械学習モデルとの両方により、前記推定処理を実行し、両方の前記推定処理の結果を比較し、当該比較結果に基づいて、既存の前記機械学習モデルと、新たな前記機械学習モデルとのいずれを採用するか判定してもよい。
【0014】
また、本発明の一態様は、上記の情報処理システムにおいて、前記エッジデバイスは、前記比較結果に基づく情報を、前記管理サーバに送信してもよい。
【0015】
また、本発明の一態様は、上記の情報処理システムにおいて、前記エッジデバイスは、第１無線通信方式による通信を実行する第１無線通信部と、前記第１無線通信部による前記第１無線通信方式よりも消費電力が大きく、且つ、通信速度が速い第２無線通信方式による通信を実行する第２無線通信部とを備え、前記デバイス制御部は、通常動作モードにおいて、前記第１無線通信部による前記第１無線通信方式を用いて、前記推定処理の結果を送信し、前記機械学習モデルの更新を行う更新モードにおいて、前記第２無線通信部による前記第２無線通信方式を用いて、新たな前記機械学習モデルを受信してもよい。
【0016】
また、本発明の一態様は、上記の情報処理システムにおいて、前記デバイス制御部は、前記通常動作モードにおいて、前記第２無線通信部の動作を停止させ、前記更新モードにおいて、前記第２無線通信部を動作させて、前記第２無線通信方式による通信を実行させてもよい。
【0017】
また、本発明の一態様は、上記の情報処理システムにおいて、前記デバイス制御部は、前記通常動作モードにおいて、前記第１無線通信方式を用いて、前記機械学習モデルの更新を要求する通知を受信した場合に、前記更新モードに変更してもよい。
【0018】
また、本発明の一態様は、上記の情報処理システムにおいて、前記デバイス制御部は、前記第１無線通信方式を用いて、前記機械学習モデルの更新が完了したことを示す情報を送信してもよい。
【0019】
また、本発明の一態様は、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバであって、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理部と、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理部と、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給部とを備える管理サーバである。
【0020】
また、本発明の一態様は、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバによる前記機械学習モデルの更新方法であって、前記管理サーバが、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、前記管理サーバが、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、前記管理サーバが、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップとを含む更新方法である。
【0021】
また、本発明の一態様は、センサ部が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部を備えるエッジデバイスと、無線通信を用いて、通信可能な管理サーバのコンピュータに、前記検出データを含む学習データを前記エッジデバイスから取得し、前記学習データを学習データ記憶部に記憶させる取得処理ステップと、モデル生成部に、前記学習データ記憶部が記憶する前記学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部に、前記機械学習モデルを記憶させる学習処理ステップと、前記学習モデル記憶部が記憶する前記機械学習モデルを、前記無線通信を用いて、前記エッジデバイスに送信するモデル供給ステップとを実行させるためのプログラムである。
【発明の効果】
【0022】
本発明によれば、機械学習モデルの更新をより効率良く行うことができる。
【図面の簡単な説明】
【0023】
【図1】第１の実施形態による情報処理システムの一例を示すブロック図である。
【図2】第１の実施形態による情報処理システムの動作の一例を示す図である。
【図3】第１の実施形態による情報処理システムの第１変形例の動作の一例を示す図である。
【図4】第１の実施形態による情報処理システムの第２変形例の動作の一例を示す図である。
【図5】第２の実施形態による情報処理システムの一例を示すブロック図である。
【図6】第２の実施形態による情報処理システムの動作の一例を示す図である。
【図7】第３の実施形態による情報処理システムの一例を示すブロック図である。
【図8】第３の実施形態による情報処理システムの動作の一例を示す図である。
【図9】第４の実施形態による情報処理システムの一例を示すブロック図である。
【図10】第４の実施形態による情報処理システムの動作の一例を示す第１の図である。
【図11】第４の実施形態による情報処理システムの動作の一例を示す第２の図である。
【図12】第４の実施形態による情報処理システムの第１変形例の動作の一例を示す図である。
【図13】第４の実施形態による情報処理システムの第２変形例の動作の一例を示す図である。
【図14】第５の実施形態による情報処理システムの一例を示すブロック図である。
【図15】第５の実施形態による情報処理システムの動作の一例を示す図である。
【発明を実施するための形態】
【0024】
以下、本発明の実施形態による情報処理システム、管理サーバ、及び更新方法について、図面を参照して説明する。
【0025】
［第１の実施形態］
図１は、本実施形態による情報処理システム１の一例を示すブロック図である。
図１に示すように、情報処理システム１は、管理サーバ１０と、エッジデバイス２０と、ストレージ装置３０とを備える。
図１は、本実施形態による情報処理システム１の一例を示すブロック図である。
図１に示すように、情報処理システム１は、管理サーバ１０と、エッジデバイス２０と、ストレージ装置３０とを備える。
【0026】
情報処理システム１は、例えば、エッジデバイス２０が検出した検出データに基づく推定処理を実行し、推定結果を収集するシステムであり、図１では、説明の都合上、１台のエッジデバイス２０を備える例を説明するが、複数のエッジデバイス２０を備えていもよい。
また、情報処理システム１において、管理サーバ１０と、エッジデバイス２０と、ストレージ装置３０とは、ネットワークＮＷ１に接続可能である。
また、情報処理システム１において、管理サーバ１０と、エッジデバイス２０と、ストレージ装置３０とは、ネットワークＮＷ１に接続可能である。
【0027】
エッジデバイス２０は、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行する。エッジデバイス２０は、無線通信部２１と、センサ部２２と、デバイス記憶部２３と、デバイス制御部２４とを備える。
【0028】
無線通信部２１は、ネットワークＮＷ１に接続可能な無線通信が可能な通信部であり、例えば、ＬＰＷＡ（Low Power Wide Area）、無線ＬＡＮ（Local Area Network）、移動体通信（３Ｇ、４Ｇ、ＬＴＥ、５Ｇなど）、Bluetooth（登録商標）、等の無線通信方式の通信デバイスである。無線通信部２１は、ネットワークＮＷ１を介して、管理サーバ１０と通信可能である。
【0029】
センサ部２２は、検出データ（センシングデータ）を検出するためのセンサであり、温度センサ、湿度センサ、ひずみセンサ、加速度センサ、イメージセンサ（画像を撮像する撮像装置）、音センサ（音を収音する収音器）、等である。センサ部２２は、検出した検出データをデバイス制御部２４に出力する。
【0030】
デバイス記憶部２３は、エッジデバイス２０が利用する各種情報を記憶する。デバイス記憶部２３は、例えば、学習モデル記憶部２３１と、検出データ記憶部２３２とを備える。
【0031】
学習モデル記憶部２３１は、検出データに基づく推定処理を実行するための機械学習モデル（推定モデル、予測モデル、ＡＩモデルなど）を記憶する。学習モデル記憶部２３１が記憶する機械学習モデル（ＡＩモデル）は、環境の変化に応じて、再生成されて更新される。機械学習モデルは、無線通信部２１による無線通信を用いて、管理サーバ１０から供給される。
【0032】
検出データ記憶部２３２は、センサ部２２が検出した検出データを記憶する。検出データ記憶部２３２が記憶する検出データは、機械学習モデルを用いた推定処理に使用されるとともに、機械学習モデルの再生成の際の学習データに使用される。
【0033】
デバイス制御部２４は、例えば、ＣＰＵ（Central Processing Unit）を含むプロセッサなどであり、エッジデバイス２０を統括的に制御する。デバイス制御部２４は、例えば、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行する。デバイス制御部２４は、モデル更新処理部２４１と、検出処理部２４２と、推定処理部２４３とを備える。
【0034】
モデル更新処理部２４１は、機械学習モデルを更新する処理を実行する。モデル更新処理部２４１は、無線通信部２１による無線通信を用いて、管理サーバ１０から機械学習モデルを取得し、機械学習モデルを学習モデル記憶部２３１に記憶させる。
【0035】
また、モデル更新処理部２４１は、管理サーバ１０からの学習データの生成要求に応じて、検出データ記憶部２３２が記憶する検出データを取得し、当該検出データを含む学習データを、無線通信部２１による無線通信を用いて、管理サーバ１０に送信する。
【0036】
なお、モデル更新処理部２４１は、所定の時間間隔ごとに、又は所定の条件を満たした場合に、学習データの生成許可要求を、管理サーバ１０に送信してもよい。ここで、所定の条件を満たした場合とは、例えば、センサ部２２の検出データの傾向変化などにより、環境の変化を検出した場合、又は、推定処理の結果の誤差が閾値を超えた場合、などである。
【0037】
また、モデル更新処理部２４１は、管理サーバ１０から機械学習モデルを受信した場合に、受信した機械学習モデルを学習モデル記憶部２３１に記憶させる。モデル更新処理部２４１は、例えば、上述した学習データの生成要求の応答として、管理サーバ１０から機械学習モデルを受信する。
【0038】
なお、モデル更新処理部２４１は、所定の時間間隔ごと（定期的）に、端末情報を含むモデル確認要求を、無線通信部２１による無線通信を用いて、管理サーバ１０に送信して、モデル確認要求の応答として、管理サーバ１０から機械学習モデルを受信してもよい。
【0039】
検出処理部２４２は、定期的に、センサ部２２による検出データを取得し、取得した検出データを検出データ記憶部２３２に記憶させる。
また、検出処理部２４２は、推定処理部２４３に、検出データに基づく推定処理を実行させる。検出処理部２４２は、推定処理部２４３から取得した推定処理の結果を、無線通信部２１による無線通信を用いて、管理サーバ１０に送信する。
また、検出処理部２４２は、推定処理部２４３に、検出データに基づく推定処理を実行させる。検出処理部２４２は、推定処理部２４３から取得した推定処理の結果を、無線通信部２１による無線通信を用いて、管理サーバ１０に送信する。
【0040】
推定処理部２４３は、学習モデル記憶部２３１が記憶する機械学習モデルを用いて、検出データから推定処理を実行する。推定処理部２４３は、検出処理部２４２からの要求に応じて、推定処理を実行する。なお、ここでの推定処理は、例えば、検出データから所定に時間後の未来の検出データを予測（推定）する、等の処理である。
【0041】
ストレージ装置３０は、例えば、ネットワークＮＷ１に接続可能な記憶装置であり、ネットワークＮＷ１を介して、管理サーバ１０と通信可能である。
ストレージ装置３０は、ＮＷ（ネットワーク）通信部３１と、記憶部３２とを備える。
ストレージ装置３０は、ＮＷ（ネットワーク）通信部３１と、記憶部３２とを備える。
【0042】
ＮＷ通信部３１は、例えば、有線ＬＡＮ、無線ＬＡＮなどのネットワークアダプタであり、ネットワークＮＷ１を介して、管理サーバ１０と通信可能である。
【0043】
記憶部３２は、各種データを記憶する。記憶部３２は、学習データ記憶部３２１と、学習モデル記憶部３２２とを備える。
学習データ記憶部３２１は、機械学習モデルを生成するための学習データを記憶する。
学習モデル記憶部３２２は、機械学習モデルを記憶する。ここで、機械学習モデルは、上述した推定処理を実行するための機械学習済みのモデルである。
学習データ記憶部３２１は、機械学習モデルを生成するための学習データを記憶する。
学習モデル記憶部３２２は、機械学習モデルを記憶する。ここで、機械学習モデルは、上述した推定処理を実行するための機械学習済みのモデルである。
【0044】
管理サーバ１０は、エッジデバイス２０を含む情報処理システム１を管理するサーバ装置である。管理サーバ１０は、ネットワークＮＷ１を介して、エッジデバイス２０及びストレージ装置３０と通信可能である。
管理サーバ１０は、ＮＷ通信部１１と、サーバ記憶部１２と、サーバ制御部１３とを備える。
管理サーバ１０は、ＮＷ通信部１１と、サーバ記憶部１２と、サーバ制御部１３とを備える。
【0045】
ＮＷ通信部３１は、例えば、有線ＬＡＮ、無線ＬＡＮなどのネットワークアダプタであり、ネットワークＮＷ１を介して、エッジデバイス２０及びストレージ装置３０と通信可能である。
【0046】
サーバ記憶部１２は、管理サーバ１０が利用する各種情報を記憶する。サーバ記憶部１２は、例えば、推定結果記憶部１２１を備える。
推定結果記憶部１２１は、上述した推定処理の結果データを記憶する。推定結果記憶部１２１は、例えば、推定処理の結果データと、エッジデバイス２０の識別情報（例えば、ＭＡＣ（Media Access Control）などの端末情報）と、日時情報とを対応付けて記憶する。
推定結果記憶部１２１は、上述した推定処理の結果データを記憶する。推定結果記憶部１２１は、例えば、推定処理の結果データと、エッジデバイス２０の識別情報（例えば、ＭＡＣ（Media Access Control）などの端末情報）と、日時情報とを対応付けて記憶する。
【0047】
サーバ制御部１３は、例えば、ＣＰＵなどを含むプロセッサであり、管理サーバ１０を統括的に制御する。サーバ制御部１３は、例えば、機械学習モデルの生成、及び更新の制御や、推定処理の結果をエッジデバイス２０から収集の制御、等を行う。
サーバ制御部１３は、取得処理部１３１と、学習処理部１３２と、モデル生成部１３３と、モデル供給部１３４とを備える。
サーバ制御部１３は、取得処理部１３１と、学習処理部１３２と、モデル生成部１３３と、モデル供給部１３４とを備える。
【0048】
取得処理部１３１は、検出データを含む学習データをエッジデバイス２０から取得し、学習データを学習データ記憶部３２１に記憶させる。取得処理部１３１は、学習データの送信要求を、ＮＷ通信部１１を介して、エッジデバイス２０に送信し、ＮＷ通信部１１を介して、学習データをエッジデバイス２０から取得する。
【0049】
なお、取得処理部１３１は、定期的（例えば、１カ月ごと、等）に、学習データの送信要求をエッジデバイス２０に送信してもよいし、エッジデバイス２０からの学習データの送信許可要求に応じて、学習データの送信要求をエッジデバイス２０に送信してもよい。すなわち、取得処理部１３１は、エッジデバイス２０から送信された学習データの生成許可要求に応じて、学習データの生成が許可されているか否かを判定し、学習データの生成が許可されている場合に、学習データの送信要求を、エッジデバイス２０に送信する。
【0050】
取得処理部１３１は、例えば、ストレージ装置３０が記憶する学習データの生成の許可情報に基づいて、学習データの生成が許可されているか否かを判定してもよい。
取得処理部１３１は、取得した学習データを、ＮＷ通信部１１を介して、ストレージ装置３０に送信し、ストレージ装置３０の学習データ記憶部３２１に記憶させる。
取得処理部１３１は、取得した学習データを、ＮＷ通信部１１を介して、ストレージ装置３０に送信し、ストレージ装置３０の学習データ記憶部３２１に記憶させる。
【0051】
学習処理部１３２は、後述するモデル生成部１３３に、学習データ記憶部３２１が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部３２２に、機械学習モデルを記憶させる。
【0052】
学習処理部１３２は、ＮＷ通信部１１を介して、ストレージ装置３０の学習データ記憶部３２１から学習データを取得し、モデル生成部１３３に、学習データに基づく学習処理を実行させて、機械学習モデルを生成させる。また、学習処理部１３２は、ＮＷ通信部１１を介して、ストレージ装置３０の学習モデル記憶部３２２に、機械学習モデルを記憶させる。
【0053】
モデル生成部１３３は、学習データ記憶部３２１が記憶する学習データに基づいて、学習処理を実行し、機械学習モデルを生成する。モデル生成部１３３は、例えば、学習処理部１３２からの学習データの供給に応じて、学習データを用いて、学習処理を実行し、機械学習モデルを生成する。モデル生成部１３３は、生成した機械学習モデルを学習処理部１３２に供給する。
【0054】
モデル供給部１３４は、学習モデル記憶部３２２が記憶する機械学習モデルを、無線通信を用いて、エッジデバイス２０に送信する。モデル供給部１３４は、例えば、エッジデバイス２０からのモデル確認要求に応じて、ＮＷ通信部１１を介して、ストレージ装置３０の学習モデル記憶部３２２から機械学習モデルを取得し、機械学習モデルを、エッジデバイス２０に送信する。
【0055】
次に、図面を参照して、本実施形態による情報処理システム１の動作について説明する。
図２は、本実施形態による情報処理システム１の動作の一例を示す図である。
図２は、本実施形態による情報処理システム１の動作の一例を示す図である。
【0056】
図２に示すように、管理サーバ１０は、まず、学習データの生成要求をエッジデバイス２０に送信する（ステップＳ１０１）。管理サーバ１０の取得処理部１３１は、ＮＷ通信部１１を介して、エッジデバイス２０に学習データの生成要求を送信する。
【0057】
次に、エッジデバイス２０は、学習データの生成処理を実行する（ステップＳ１０２）。エッジデバイス２０のモデル更新処理部２４１は、無線通信部２１による無線通信により、学習データの生成処理を受信し、学習データの生成処理に応じて、検出データ記憶部２３２が記憶する検出データを取得し、学習データの生成処理として、当該検出データを含む学習データを生成する。
【0058】
次に、エッジデバイス２０は、学習データを管理サーバ１０に送信する（ステップＳ１０３）。モデル更新処理部２４１は、生成した学習データを、無線通信部２１による無線通信を用いて、管理サーバ１０に送信する。
【0059】
次に、管理サーバ１０は、学習データをストレージ装置３０に送信する（ステップＳ１０４）。取得処理部１３１は、ＮＷ通信部１１を介して、エッジデバイス２０から取得した学習データを、ＮＷ通信部１１を介して、ストレージ装置３０に送信する。
【0060】
次に、ストレージ装置３０は、学習データを保存する（ステップＳ１０５）。ストレージ装置３０は、ＮＷ通信部３１を介して受信した学習データを、学習データ記憶部３２１に記憶させる。
【0061】
また、管理サーバ１０の学習処理部１３２は、学習データが十分なデータ数であるか否かを判定する（ステップＳ１０６）。学習処理部１３２は、エッジデバイス２０から取得した学習データのデータ数が、学習処理を実行するために充分なデータ数が有るか否かを判定する。学習処理部１３２は、学習データが十分なデータ数である場合（ステップＳ１０６：ＹＥＳ）に、処理をステップＳ１０７に進める。また、学習処理部１３２は、学習データが十分なデータ数でない場合（ステップＳ１０６：ＮＯ）に、処理をステップＳ１０３に戻して、学習データが十分確保できるまで待つ。
【0062】
ステップＳ１０７において、学習処理部１３２は、ストレージ装置３０から学習データを取得する。学習処理部１３２は、ＮＷ通信部１１を介して、ストレージ装置３０に、学習データの送信要求を送信する。ストレージ装置３０は、学習データの送信要求に応じて、ＮＷ通信部３１を介して、学習データ記憶部３２１が記憶する学習データを、管理サーバ１０に送信し、学習処理部１３２は、学習データを取得する。
【0063】
次に、学習処理部１３２は、機械学習処理の生成処理を実行する（ステップＳ１０８）。学習処理部１３２は、モデル生成部１３３に対して、取得した学習データによる学習処理を実行させて、新たな機械学習モデルを生成させる。モデル生成部１３３は、学習処理を実行し、新たな機械学習モデルを生成する。
【0064】
次に、学習処理部１３２は、機械学習モデルを、ストレージ装置３０に送信する（ステップＳ１０９）。学習処理部１３２は、ＮＷ通信部１１を介して、モデル生成部１３３に生成させた機械学習モデルを、ストレージ装置３０に送信する。
【0065】
次に、ストレージ装置３０は。機械学習モデルを保存する（ステップＳ１１０）。ストレージ装置３０は。ＮＷ通信部３１を介して受信した機械学習モデルを、学習モデル記憶部３２２に記憶させる。
【0066】
次に、エッジデバイス２０は、モデル確認要求を管理サーバ１０に送信する（ステップＳ１１１）。モデル更新処理部２４１は、定期的に、無線通信部２１による無線通信を用いて、モデル確認要求を、管理サーバ１０に送信する。
【0067】
次に、管理サーバ１０のモデル供給部１３４は、機械学習モデルをストレージ装置３０から取得する（ステップＳ１１２）。モデル供給部１３４は、ＮＷ通信部１１を介して、エッジデバイス２０から受信したモデル確認要求に応じて、ＮＷ通信部１１を介して、ストレージ装置３０に、機械学習モデルの送信要求を送信する。ストレージ装置３０は、機械学習モデルの送信要求に応じて、ＮＷ通信部３１を介して、学習モデル記憶部３２２が記憶する機械学習モデルを、管理サーバ１０に送信し、モデル供給部１３４は、機械学習モデルを取得する。
【0068】
次に、モデル供給部１３４は、ストレージ装置３０から取得した機械学習モデルを、エッジデバイス２０に送信する（ステップＳ１１３）。モデル供給部１３４は、ＮＷ通信部１１を介して、機械学習モデルを、エッジデバイス２０に送信する。
【0069】
次に、エッジデバイス２０のモデル更新処理部２４１は、機械学習モデルを更新する（ステップＳ１１４）。モデル更新処理部２４１は、無線通信部２１による無線通信により受信した機械学習モデルを、学習モデル記憶部２３１に記憶させる。
【0070】
次に、エッジデバイス２０は、検出処理及び推定処理を実行する（ステップＳ１１５）。エッジデバイス２０の検出処理部２４２は、定期的に、センサ部２２の検出データを取得し、推定処理部２４３に対して、検出データ及び更新された機械学習モデルを用いて推定処理を実行させる。
【0071】
なお、図２に示す処理において、ステップＳ１０１からステップＳ１１０までの処理が、機械学習モデルの生成処理に対応し、ステップＳ１１１からステップＳ１１４までの処理が、機械学習モデルの更新処理に対応する。また、ステップＳ１１５の処理は、エッジデバイス２０の通常動作の処理に対応する。
【0072】
＜第１の実施形態の第１変形例＞
次に、図３を参照して、本実施形態による情報処理システム１の変形例（第１変形例）について説明する。
図３は、本実施形態による情報処理システム１の第１変形例の動作の一例を示す図である。ここでは、本実施形態の第１変形例として、エッジデバイス２０から機械学習モデルの生成を要求する場合の変形例について説明する。
次に、図３を参照して、本実施形態による情報処理システム１の変形例（第１変形例）について説明する。
図３は、本実施形態による情報処理システム１の第１変形例の動作の一例を示す図である。ここでは、本実施形態の第１変形例として、エッジデバイス２０から機械学習モデルの生成を要求する場合の変形例について説明する。
【0073】
図３に示すように、エッジデバイス２０から機械学習モデルの生成を要求する場合に、まず、エッジデバイス２０は、学習データの生成許可要求を、管理サーバ１０に送信する（ステップＳ１２１）。エッジデバイス２０のモデル更新処理部２４１は、所定の時間間隔ごとに、又は所定の条件を満たした場合に、学習データの生成許可要求を、管理サーバ１０に送信する。
【0074】
次に、管理サーバ１０は、学習データの生成許可を確認する（ステップＳ１２２）。管理サーバ１０の取得処理部１３１は、エッジデバイス２０から送信された学習データの生成許可要求に応じて、学習データの生成が許可されているか否かを判定する。取得処理部１３１は、学習データの生成が許可されている場合に、学習データの送信要求を、エッジデバイス２０に送信する（ステップＳ１２３）。
【0075】
続く、ステップＳ１２３からステップＳ１３２までの処理は、上述した図２に示すステップＳ１０１からステップＳ１１０までの処理と同様であるため、ここではその説明を省略する。
【0076】
このように、本実施形態の第１変形例では、エッジデバイス２０が、学習データの生成許可要求を管理サーバ１０を送信する。管理サーバ１０の取得処理部１３１は、エッジデバイス２０から送信された学習データの生成許可要求に応じて、学習データの生成が許可されているか否かを判定し、学習データの生成が許可されている場合に、学習データの送信要求を、エッジデバイス２０に送信する。
【0077】
＜第１の実施形態の第２変形例＞
次に、図４を参照して、本実施形態による情報処理システム１の変形例（第２変形例）について説明する。
次に、図４を参照して、本実施形態による情報処理システム１の変形例（第２変形例）について説明する。
【0078】
図４は、本実施形態による情報処理システム１の第２変形例の動作の一例を示す図である。ここでは、本実施形態の第２変形例として、エッジデバイス２０が、既存の機械学習モデルと、新規の機械学習モデルとを比較して、推定の精度が良い方の機械学習モデルを採用する変形例について説明する。
【0079】
【0080】
ステップＳ１４４において、エッジデバイス２０のモデル更新処理部２４１は、機械学習モデルを追加する。モデル更新処理部２４１は、無線通信部２１による無線通信により受信した機械学習モデルを、学習モデル記憶部２３１に追加で記憶させる。
【0081】
次に、エッジデバイス２０は、検出処理、及び、既存の機械学習モデルと新規の機械学習モデルとの両方により推定処理を実行する（ステップＳ１４５）。エッジデバイス２０の検出処理部２４２は、センサ部２２の検出データを取得し、推定処理部２４３に対して、既存の機械学習モデルと新規の機械学習モデルとの両方を用いて推定処理を実行させる。
【0082】
次に、検出処理部２４２は、精度比較を行う（ステップＳ１４６）。検出処理部２４２は、既存の機械学習モデルによる推定処理の結果と、新規の機械学習モデルによる推定処理の結果とを比較し、既存の方が精度が良い場合に、処理をステップＳ１４７に進め、既存の機械学習モデルをそのまま採用する。ステップＳ１４７の処理後に、検出処理部２４２は、処理をステップＳ１４９に進める。
【0083】
また、検出処理部２４２は、精度比較の結果、新規の方が精度が良い場合に、処理をステップＳ１４８に進め、新規の機械学習モデルを採用する。
【0084】
次に、ステップＳ１４９において、検出処理部２４２は、フィードバック情報を、管理サーバ１０に送信する。検出処理部２４２は、無線通信部２１による無線通信を用いて、精度比較の結果、既存の機械学習モデルと新規の機械学習モデルとのいずれを採用したのかを示すフィードバック情報を、管理サーバ１０に送信する。
【0085】
このように、本実施形態の第２変形例では、エッジデバイス２０は、管理サーバ１０から新たな機械学習モデル（新規の機械学習モデル）を受信した場合に、既存の機械学習モデルと、新たな機械学習モデルとの両方により、推定処理を実行し、両方の推定処理の結果を比較する。エッジデバイス２０は、当該比較結果に基づいて、既存の機械学習モデルと、新たな機械学習モデルとのいずれを採用するか判定する。
【0086】
以上説明したように、本実施形態による情報処理システム１は、エッジデバイス２０と、管理サーバ１０とを備える。エッジデバイス２０は、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部２４を備える。また、管理サーバ１０は、無線通信を用いて、エッジデバイス２０と通信可能であり、取得処理部１３１と、学習処理部１３２と、モデル供給部１３４とを備える。取得処理部１３１は、検出データを含む学習データをエッジデバイス２０から取得し、学習データを学習データ記憶部３２１に記憶させる。学習処理部１３２は、モデル生成部１３３に、学習データ記憶部３２１が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部３２２に、機械学習モデルを記憶させる。モデル供給部１３４は、学習モデル記憶部３２２が記憶する機械学習モデルを、無線通信を用いて、エッジデバイス２０に送信する。
【0087】
これにより、本実施形態による情報処理システム１は、例えば、エッジデバイス２０が、管理サーバ１０との間で通信（アクセス）するだけで、新規の機械学習モデルを取得することができる。そのため、本実施形態による情報処理システム１では、機械学習モデルの更新の際に、エッジデバイス２０の処理を簡略化するとともに、ネットワークＮＷの通信回数の低減、通信回数の低減による処理の高速化、及び、ネットワークの負荷の軽減化を行うことができる。よって、本実施形態による情報処理システム１は、機械学習モデルの更新をより効率良く行うことができる。
【0088】
また、本実施形態では、取得処理部１３１は、学習データの送信要求を、エッジデバイス２０に送信する。エッジデバイス２０は、学習データの送信要求に応じて、学習データを管理サーバ１０に送信する。
【0089】
これにより、本実施形態による情報処理システム１は、管理サーバ１０を起点にして、エッジデバイス２０から学習データを取得して、機械学習モデルの更新を行うことができる。よって、本実施形態による情報処理システム１は、機械学習モデルの更新をさらに効率良く行うことができる。
【0090】
また、本実施形態では、取得処理部１３１は、エッジデバイス２０から送信された学習データの生成許可要求に応じて、学習データの生成が許可されているか否かを判定し、学習データの生成が許可されている場合に、学習データの送信要求を、エッジデバイス２０に送信する。
【0091】
これにより、本実施形態による情報処理システム１は、エッジデバイス２０を起点にして、機械学習モデルの更新を行うことができる。本実施形態による情報処理システム１は、エッジデバイス２０の判定による適切なタイミングで、機械学習モデルの更新を行うことができるため、機械学習モデルの更新をさらに効率良く行うことができる。
【0092】
また、本実施形態では、エッジデバイス２０は、管理サーバ１０から新たな機械学習モデルを受信した場合に、既存の機械学習モデルと、新たな機械学習モデルとの両方により、推定処理を実行し、両方の推定処理の結果を比較する。エッジデバイス２０は、当該比較結果に基づいて、既存の機械学習モデルと、新たな機械学習モデルとのいずれを採用するか判定する。
【0093】
これにより、本実施形態による情報処理システム１は、両方の推定処理の結果、例えば、推定処理の精度の良い方を採用するなどにより、機械学習モデルの更新により、推定精度を向上させることができる。よって、本実施形態による情報処理システム１は、機械学習モデルの更新をさらに効率良く行うことができる。
【0094】
また、本実施形態では、エッジデバイス２０は、比較結果に基づく情報を、管理サーバ１０に送信する。
これにより、本実施形態による情報処理システム１では、例えば、採用された機械学習モデルの情報、等を管理サーバ１０が把握することができる。よって、本実施形態による情報処理システム１では、管理サーバ１０が、機械学習モデルの更新を適切に管理することができる。
これにより、本実施形態による情報処理システム１では、例えば、採用された機械学習モデルの情報、等を管理サーバ１０が把握することができる。よって、本実施形態による情報処理システム１では、管理サーバ１０が、機械学習モデルの更新を適切に管理することができる。
【0095】
また、本実施形態による管理サーバ１０は、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部２４を備えるエッジデバイス２０と、無線通信を用いて、通信可能な管理サーバであって、取得処理部１３１と、学習処理部１３２と、モデル供給部１３４とを備える。取得処理部１３１は、検出データを含む学習データをエッジデバイス２０から取得し、学習データを学習データ記憶部３２１に記憶させる。学習処理部１３２は、モデル生成部１３３に、学習データ記憶部３２１が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部３２２に、機械学習モデルを記憶させる。モデル供給部１３４は、学習モデル記憶部３２２が記憶する機械学習モデルを、無線通信を用いて、エッジデバイス２０に送信する。
これにより、本実施形態による管理サーバ１０は、上述した情報処理システム１と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
これにより、本実施形態による管理サーバ１０は、上述した情報処理システム１と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
【0096】
また、本実施形態による機械学習モデルの更新方法は、管理サーバ１０による機械学習モデルの更新方法であって、取得処理ステップと、学習処理ステップと、モデル供給ステップとを含む。ここで、管理サーバ１０は、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行するデバイス制御部２４を備えるエッジデバイス２０と、無線通信を用いて、通信可能である。取得処理ステップにおいて、管理サーバ１０が、検出データを含む学習データをエッジデバイス２０から取得し、学習データを学習データ記憶部３２１に記憶させる。学習処理ステップにおいて、管理サーバ１０が、モデル生成部１３３に、学習データ記憶部３２１が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させるとともに、学習モデル記憶部３２２に、機械学習モデルを記憶させる。モデル供給ステップにおいて、管理サーバ１０が、学習モデル記憶部３２２が記憶する機械学習モデルを、無線通信を用いて、エッジデバイス２０に送信する。
これにより、本実施形態による更新方法は、上述した情報処理システム１と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
これにより、本実施形態による更新方法は、上述した情報処理システム１と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
【0097】
［第２の実施形態］
次に、図面を参照して、第２の実施形態による情報処理システム１ａについて説明する。本実施形態では、管理サーバ１０のモデル生成部１３３の代わりに、外部接続装置４０のモデル生成部４２が機械学習モデルを生成する変形例について説明する。
次に、図面を参照して、第２の実施形態による情報処理システム１ａについて説明する。本実施形態では、管理サーバ１０のモデル生成部１３３の代わりに、外部接続装置４０のモデル生成部４２が機械学習モデルを生成する変形例について説明する。
【0098】
図５は、第２の実施形態による情報処理システム１ａの一例を示すブロック図である。
図５に示すように、情報処理システム１ａは、管理サーバ１０ａと、エッジデバイス２０と、ストレージ装置３０と、外部接続装置４０とを備える。
なお、図５において、上述した図１に示す第１の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
図５に示すように、情報処理システム１ａは、管理サーバ１０ａと、エッジデバイス２０と、ストレージ装置３０と、外部接続装置４０とを備える。
なお、図５において、上述した図１に示す第１の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
【0099】
外部接続装置４０は、例えば、利用者のパーソナルコンピュータや外部のサーバ装置などであり、ネットワークＮＷ１を介して、管理サーバ１０ａ及びストレージ装置３０と接続可能である。
また、外部接続装置４０は、ＮＷ通信部４１と、モデル生成部４２とを備える。
また、外部接続装置４０は、ＮＷ通信部４１と、モデル生成部４２とを備える。
【0100】
ＮＷ通信部４１は、例えば、有線ＬＡＮ、無線ＬＡＮなどのネットワークアダプタであり、ネットワークＮＷ１を介して、管理サーバ１０ａ及びストレージ装置３０と通信可能である。
【0101】
モデル生成部４２は、第１の実施形態のモデル生成部１３３と同様の機能を有し、学習データ記憶部３２１が記憶する学習データに基づいて、学習処理を実行し、機械学習モデルを生成する。モデル生成部４２は、管理サーバ１０ａからの機械学習モデルの生成要求に応じて、機械学習モデルを生成し、生成した機械学習モデルを、学習モデル記憶部３２２に記憶させる。
【0102】
具体的に、モデル生成部４２は、管理サーバ１０ａからの機械学習モデルの生成要求に応じて、ＮＷ通信部４１を介して、ストレージ装置３０の学習データ記憶部３２１から学習データを取得する。モデル生成部４２は、学習データに基づく学習処理を実行して、機械学習モデルを生成する。また、モデル生成部４２は、ＮＷ通信部４１を介して、ストレージ装置３０の学習モデル記憶部３２２に、機械学習モデルを記憶させる。
【0103】
管理サーバ１０ａは、エッジデバイス２０を含む情報処理システム１ａを管理するサーバ装置である。管理サーバ１０ａは、ネットワークＮＷ１を介して、エッジデバイス２０、ストレージ装置３０、及び外部接続装置４０と通信可能である。
管理サーバ１０ａは、ＮＷ通信部１１と、サーバ記憶部１２と、サーバ制御部１３ａとを備える。
管理サーバ１０ａは、ＮＷ通信部１１と、サーバ記憶部１２と、サーバ制御部１３ａとを備える。
【0104】
サーバ制御部１３ａは、例えば、ＣＰＵなどを含むプロセッサであり、管理サーバ１０ａを統括的に制御する。サーバ制御部１３ａは、取得処理部１３１と、学習処理部１３２ａと、モデル供給部１３４とを備える。
【0105】
学習処理部１３２ａは、外部接続装置４０のモデル生成部４２に、学習データ記憶部３２１が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させる。学習処理部１３２ａは、ＮＷ通信部１１を介して、外部接続装置４０に、機械学習モデルを生成させる生成要求として、機械学習モデルの生成要求を送信し、外部接続装置４０のモデル生成部４２に、機械学習モデルを生成させる。
【0106】
次に、図面を参照して、本実施形態による情報処理システム１ａの動作について説明する。
図６は、本実施形態による情報処理システムの動作の一例を示す図である。
図６は、本実施形態による情報処理システムの動作の一例を示す図である。
【0107】
【0108】
ステップＳ２０７において、管理サーバ１０ａは、機械学習モデルの生成要求を外部接続装置４０に送信する。すなわち、管理サーバ１０ａの学習処理部１３２ａは、ＮＷ通信部１１を介して、機械学習モデルを生成させる生成要求である機械学習モデルの生成要求を、外部接続装置４０に送信する。
【0109】
次に、外部接続装置４０は、ストレージ装置３０から学習データを取得する（ステップＳ２０８）。外部接続装置４０のモデル生成部４２は、ＮＷ通信部４１を介して、ストレージ装置３０に、学習データの送信要求を送信する。ストレージ装置３０は、学習データの送信要求に応じて、ＮＷ通信部３１を介して、学習データ記憶部３２１が記憶する学習データを、外部接続装置４０に送信し、モデル生成部４２は、学習データを取得する。
【0110】
次に、モデル生成部４２は、機械学習モデルの生成処理を実行する（ステップＳ２０９）。モデル生成部４２は、取得した学習データによる学習処理を実行し、新たな機械学習モデルを生成する。
【0111】
次に、モデル生成部４２は、機械学習モデルを、ストレージ装置３０に送信する（ステップＳ２１０）。モデル生成部４２は、ＮＷ通信部４１を介して、モデル生成部１３３が生成した機械学習モデルを、ストレージ装置３０に送信する。
【0112】
次に、ストレージ装置３０は。機械学習モデルを保存する（ステップＳ２１１）。ストレージ装置３０は。ＮＷ通信部３１を介して受信した機械学習モデルを、学習モデル記憶部３２２に記憶させる。
【0113】
以上説明したように、本実施形態による情報処理システム１ａは、管理サーバ１０ａと、エッジデバイス２０と、ストレージ装置３０と、外部接続装置４０とを備える。外部接続装置４０は、モデル生成部４２を備え、管理サーバ１０ａと通信可能である。管理サーバ１０ａは、学習処理部１３２ａを備え、学習処理部１３２ａは、機械学習モデルを生成させる生成要求を、外部接続装置４０に送信する。モデル生成部４２は、生成要求に応じて、機械学習モデルを生成し、生成した機械学習モデルを、学習モデル記憶部３２２に記憶させる。
【0114】
これにより、本実施形態による情報処理システム１ａは、上述した第１の実施形態と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。また、本実施形態による情報処理システム１ａは、外部接続装置４０が、機械学習モデルを生成するモデル生成部４２を備えるため、管理サーバ１０ａの処理負荷を軽減することができる。
【0115】
また、本実施形態による情報処理システム１ａは、ストレージ装置３０を備える。ストレージ装置３０は、学習データ記憶部３２１と、学習モデル記憶部３２２とを備え、管理サーバ１０ａ及び外部接続装置４０と通信可能である。モデル生成部４２は、機械学習モデルの生成要求に応じて、学習データをストレージ装置３０が備える学習データ記憶部３２１から取得する。
【0116】
これにより、本実施形態による情報処理システム１ａでは、外部接続装置４０からストレージ装置３０（学習データ記憶部３２１）を取得するため、管理サーバ１０ａの処理負荷を軽減することができる。よって、本実施形態による情報処理システム１ａは、機械学習モデルの更新をさらに効率良く行うことができる。
【0117】
［第３の実施形態］
次に、図面を参照して、第３の実施形態による情報処理システム１ｂについて説明する。本実施形態では、管理サーバ１０ｂが、ストレージ装置３０の機能を含む変形例について説明する。
次に、図面を参照して、第３の実施形態による情報処理システム１ｂについて説明する。本実施形態では、管理サーバ１０ｂが、ストレージ装置３０の機能を含む変形例について説明する。
【0118】
図７は、第３の実施形態による情報処理システム１ｂの一例を示すブロック図である。
図７に示すように、情報処理システム１ｂは、管理サーバ１０ｂと、エッジデバイス２０と、外部接続装置４０とを備える。
なお、図７において、上述した図５に示す第２の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
図７に示すように、情報処理システム１ｂは、管理サーバ１０ｂと、エッジデバイス２０と、外部接続装置４０とを備える。
なお、図７において、上述した図５に示す第２の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
【0119】
管理サーバ１０ｂは、エッジデバイス２０を含む情報処理システム１ｂを管理するサーバ装置である。管理サーバ１０ｂは、ネットワークＮＷ１を介して、エッジデバイス２０、及び外部接続装置４０と通信可能である。
管理サーバ１０ｂは、ＮＷ通信部１１と、サーバ記憶部１２ａと、サーバ制御部１３ｂとを備える。
管理サーバ１０ｂは、ＮＷ通信部１１と、サーバ記憶部１２ａと、サーバ制御部１３ｂとを備える。
【0120】
サーバ記憶部１２ａは、管理サーバ１０ｂが利用する各種情報を記憶する。サーバ記憶部１２ａは、例えば、推定結果記憶部１２１と、学習データ記憶部１２２と、学習モデル記憶部１２３とを備える。本実施形態では、サーバ記憶部１２ａが、学習データ記憶部１２２と、学習モデル記憶部１２３とを備える点が、第１の実施形態及び第２の実施形態と異なる。
【0121】
学習データ記憶部１２２及び学習モデル記憶部１２３は、上述した第１の実施形態の学習データ記憶部３２１及び学習モデル記憶部３２２と同様の機能を有するため、ここではその説明を省略する。
【0122】
サーバ制御部１３ｂは、例えば、ＣＰＵなどを含むプロセッサであり、管理サーバ１０ｂを統括的に制御する。サーバ制御部１３ｂは、取得処理部１３１ａと、学習処理部１３２ｂと、モデル供給部１３４ａとを備える。
【0123】
取得処理部１３１ａは、エッジデバイス２０から取得した学習データを、学習データ記憶部１２２に記憶させる点を除いて、上述した第１の実施形態の取得処理部１３１と同様である。
【0124】
学習処理部１３２ｂは、外部接続装置４０のモデル生成部４２に、学習データ記憶部１２２が記憶する学習データに基づく学習処理を実行させて、機械学習モデルを生成させる。学習処理部１３２ｂは、学習データ記憶部３２１から学習データを取得し、学習データを含む生成要求を、外部接続装置４０に送信する。また、学習処理部１３２ｂは、ＮＷ通信部１１を介して、外部接続装置４０から受信した機械学習モデルを学習モデル記憶部１２３に記憶させる。
【0125】
モデル供給部１３４ａは、学習モデル記憶部１２３が記憶する機械学習モデルを取得して、エッジデバイス２０に送信する点を除いて、上述した第１の実施形態のモデル供給部１３４と同様である。
【0126】
次に、図面を参照して、本実施形態による情報処理システム１ｂの動作について説明する。
図８は、本実施形態による情報処理システム１ｂの動作の一例を示す図である。
図８は、本実施形態による情報処理システム１ｂの動作の一例を示す図である。
【0127】
【0128】
ステップＳ３０４において、管理サーバ１０ｂは、学習データを保存する。管理サーバ１０ｂの取得処理部１３１ａは、エッジデバイス２０から取得した学習データを、学習データ記憶部１２２に記憶させる。
【0129】
続く、ステップＳ３０５の処理は、上述した図２に示すステップＳ１０５の処理と同様であるため、ここではその説明を省略する。
【0130】
次に、管理サーバ１０ｂは、機械学習モデルの生成要求及び学習データを、外部接続装置４０に送信する（ステップＳ３０６）。管理サーバ１０ｂの学習処理部１３２ｂは、学習データ記憶部３２１から学習データを取得し、学習データを含む機械学習モデルの生成要求を、ＮＷ通信部１１を介して、外部接続装置４０に送信する。
【0131】
次に、外部接続装置４０は、機械学習モデルの生成処理を実行する（ステップＳ３０７）。外部接続装置４０のモデル生成部４２は、機械学習モデルの生成要求に応じて、管理サーバ１０ｂから受信した学習データに基づいて、学習処理を実行し、機械学習モデルを生成する。
【0132】
次に、モデル生成部４２は、機械学習モデルを管理サーバ１０ｂに送信する（ステップＳ３０８）、モデル生成部４２は、ＮＷ通信部４１を介して、機械学習モデルを管理サーバ１０ｂに送信する。
【0133】
次に、管理サーバ１０ｂの学習処理部１３２ｂは、機械学習モデルを、学習モデル記憶部１２３に記憶させる（ステップＳ３０９）、学習処理部１３２ｂは、ＮＷ通信部１１を介して、外部接続装置４０から受信した機械学習モデルを、学習モデル記憶部１２３に記憶させる。
【0134】
以上説明したように、本実施形態による情報処理システム１ｂは、管理サーバ１０ｂと、エッジデバイス２０と、外部接続装置４０とを備える。外部接続装置４０は、モデル生成部４２を備える。管理サーバ１０ｂは、学習データ記憶部１２２と、学習モデル記憶部１２３とを備えるとともに、学習処理部１３２ｂを備える。学習処理部１３２ｂは、学習データを学習データ記憶部１２２から取得し、学習データを含む機械学習モデルの生成要求を、外部接続装置４０に送信する。外部接続装置４０が備えるモデル生成部４２は、機械学習モデルの生成要求に応じて、機械学習モデルを生成し、生成した機械学習モデルを、管理サーバ１０ｂに送信する。学習処理部１３２ｂは、外部接続装置４０から受信した機械学習モデルを学習モデル記憶部１２３に記憶させる。
【0135】
これにより、本実施形態による情報処理システム１ｂは、上述した第１の実施形態及び第２の実施形態と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。また、本実施形態による情報処理システム１ｂは、ストレージ装置３０の機能が、管理サーバ１０ｂに内蔵されているため、構成を簡略化することができる。
【0136】
［第４の実施形態］
次に、図面を参照して、第４の実施形態による情報処理システム１ｃについて説明する。本実施形態では、通信速度が低速で低消費電力のＬＰＷＡによる無線通信（第１の無線通信方式）と、ＬＰＷＡに比べて通信速度が高速で消費電力が大きい高速無線通信（第２の無線通信方式）とを切り替えて使用して、エッジデバイス２０ａに機械学習モデルを供給する変形例について説明する。
次に、図面を参照して、第４の実施形態による情報処理システム１ｃについて説明する。本実施形態では、通信速度が低速で低消費電力のＬＰＷＡによる無線通信（第１の無線通信方式）と、ＬＰＷＡに比べて通信速度が高速で消費電力が大きい高速無線通信（第２の無線通信方式）とを切り替えて使用して、エッジデバイス２０ａに機械学習モデルを供給する変形例について説明する。
【0137】
なお、従来の情報処理システムでは、エッジデバイスの消費電力を低減するために、ＬＰＷＡ方式などの低消費電力の無線通信を使用することが一般的である。しかしながら、このような従来の情報処理システムでは、ＬＰＷＡ方式の無線通信では、速度が遅いため、エッジデバイスの機械学習モデルを更新する際に、効率が悪いという課題があった。
【0138】
そこで、本実施形態による情報処理システム１ｃでは、通信速度が低速で低消費電力のＬＰＷＡによる無線通信（第１の無線通信方式）と、ＬＰＷＡに比べて通信速度が高速で消費電力が大きい高速無線通信（第２の無線通信方式）とを切り替えて、機械学習モデルの更新を実行する。
【0139】
図９は、本実施形態による情報処理システム１ｃの一例を示すブロック図である。
図９に示すように、情報処理システム１ｃは、管理サーバ１０ａと、エッジデバイス２０ａと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０と、ＬＰＷＡアクセスポイント５１とを備える。
なお、図９において、上述した図５に示す第２の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
図９に示すように、情報処理システム１ｃは、管理サーバ１０ａと、エッジデバイス２０ａと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０と、ＬＰＷＡアクセスポイント５１とを備える。
なお、図９において、上述した図５に示す第２の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
【0140】
ＬＰＷＡサーバ５０は、エッジデバイス２０ａとＬＰＷＡ方式の無線通信を行うためのサーバ装置である。ＬＰＷＡサーバ５０は、ＬＰＷＡアクセスポイント５１を介して、エッジデバイス２０ａとＬＰＷＡ方式の無線通信を行い、ネットワークＮＷ１と、ＬＰＷＡ方式の無線通信との間で、中継処理を行う。なお、ＬＰＷＡサーバ５０は、管理サーバ１０ａに含まれていてもよい。
【0141】
ＬＰＷＡアクセスポイント５１は、エッジデバイス２０ａとＬＰＷＡ方式の無線通信を行うためのアクセスポイントである。
【0142】
エッジデバイス２０ａは、無線通信部２１ａと、センサ部２２と、デバイス記憶部２３と、デバイス制御部２４ａとを備える。
無線通信部２１ａは、ＬＰＷＡ通信部２１１と、高速無線通信部２１２とを備える。
無線通信部２１ａは、ＬＰＷＡ通信部２１１と、高速無線通信部２１２とを備える。
【0143】
ＬＰＷＡ通信部２１１（第１無線通信部の一例）は、ＬＰＷＡ方式（第１無線通信方式）による通信を実行する。ＬＰＷＡ通信部２１１は、上述したＬＰＷＡアクセスポイント５１及びＬＰＷＡサーバ５０を介して、ネットワークＮＷ１に接続可能である。ＬＰＷＡ通信部２１１は、ＬＰＷＡアクセスポイント５１を介して、ＬＰＷＡサーバ５０との間で無線通信を行う。
【0144】
高速無線通信部２１２（第２無線通信部の一例）は、ＬＰＷＡ通信部２１１によるＬＰＷＡ方式よりも消費電力が大きく、且つ、通信速度が速い高速無線通信方式（第２無線通信方式）による通信を実行する。高速無線通信方式は、例えば、無線ＬＡＮ、移動体通信（３Ｇ、４Ｇ、ＬＴＥ、５Ｇなど）、及びBluetooth（登録商標）、等の無線通信方式である。
【0145】
デバイス制御部２４ａは、例えば、ＣＰＵを含むプロセッサなどであり、エッジデバイス２０ａを統括的に制御する。デバイス制御部２４ａは、例えば、センサ部２２が検出した検出データと、予め学習されている機械学習モデルとに基づく推定処理を実行する。
【0146】
デバイス制御部２４ａは、通常動作モードにおいて、ＬＰＷＡ通信部２１１によるＬＰＷＡ方式を用いて、推定処理の結果を送信する。また、デバイス制御部２４ａは、機械学習モデルの更新を行う更新モードにおいて、高速無線通信部２１２による高速無線通信方式を用いて、新たな機械学習モデルを受信する。
【0147】
デバイス制御部２４ａは、通常動作モードにおいて、高速無線通信部２１２の動作を停止させ、更新モードにおいて、高速無線通信部２１２を動作させて、高速無線通信方式による通信を実行させる。
【0148】
また、デバイス制御部２４ａは、通常動作モードにおいて、ＬＰＷＡ方式を用いて、機械学習モデルの更新を要求する通知を受信した場合に、更新モードに変更する。
また、デバイス制御部２４ａは、モデル更新処理部２４１ａと、検出処理部２４２と、推定処理部２４３とを備える。
また、デバイス制御部２４ａは、モデル更新処理部２４１ａと、検出処理部２４２と、推定処理部２４３とを備える。
【0149】
モデル更新処理部２４１ａは、機械学習モデルを更新する処理を実行する。モデル更新処理部２４１ａは、機械学習モデルを更新する処理を実行する際に、高速無線通信部２１２による高速無線通信方式を用いる点を除いて、基本的に、上述した第１の実施形態及び第２の実施形態のモデル更新処理部２４１と同様である。
モデル更新処理部２４１ａは、高速無線通信部２１２による無線通信を用いて、管理サーバ１０ａから機械学習モデルを取得し、機械学習モデルを学習モデル記憶部２３１に記憶させる。
モデル更新処理部２４１ａは、高速無線通信部２１２による無線通信を用いて、管理サーバ１０ａから機械学習モデルを取得し、機械学習モデルを学習モデル記憶部２３１に記憶させる。
【0150】
次に、図面を参照して、本実施形態による情報処理システム１ｃの動作について説明する。
図１０は、本実施形態による情報処理システム１ｃの動作の一例を示す第１の図である。図１０では、ストレージ装置３０が、新規の機械学習モデルを記憶している場合の本実施形態における機械学習モデルの更新処理について説明する。
図１０は、本実施形態による情報処理システム１ｃの動作の一例を示す第１の図である。図１０では、ストレージ装置３０が、新規の機械学習モデルを記憶している場合の本実施形態における機械学習モデルの更新処理について説明する。
【0151】
図１０に示すように、ＬＰＷＡサーバ５０は、まず、ＬＰＷＡアクセスポイント５１を介して、新規の機械学習モデルの適用通知をエッジデバイス２０ａに送信する（ステップＳ４０１）。ＬＰＷＡサーバ５０は、ＬＰＷＡ方式の無線通信により、新規の機械学習モデルの適用通知をエッジデバイス２０ａに送信する。
【0152】
次に、エッジデバイス２０ａは、更新モードに変更する（ステップＳ４０２）。エッジデバイス２０ａのデバイス制御部２４ａは、高速無線通信部２１２を動作させて、更新モードに変更する。
【0153】
次に、エッジデバイス２０ａは、新規の機械学習モデルの送信要求を、管理サーバ１０ａに送信する（ステップＳ４０３）。エッジデバイス２０ａのモデル更新処理部２４１ａは、高速無線通信部２１２による無線通信を用いて、新規の機械学習モデルの送信要求（モデル確認要求）を管理サーバ１０ａに送信する。
【0154】
次に、管理サーバ１０ａは、新規の機械学習モデルをストレージ装置３０から取得する（ステップＳ４０４）。管理サーバ１０ａのモデル供給部１３４は、ＮＷ通信部１１を介して、エッジデバイス２０ａから受信した新規の機械学習モデルの送信要求に応じて、ＮＷ通信部１１を介して、ストレージ装置３０に、新規の機械学習モデルの送信要求を送信する。ストレージ装置３０は、新規の機械学習モデルの送信要求に応じて、ＮＷ通信部３１を介して、学習モデル記憶部３２２が記憶する機械学習モデルを、管理サーバ１０ａに送信し、モデル供給部１３４は、機械学習モデルを取得する。
【0155】
次に、管理サーバ１０ａのモデル供給部１３４は、ストレージ装置３０から取得した新規の機械学習モデルを、エッジデバイス２０ａに送信する（ステップＳ４０５）。モデル供給部１３４は、高速無線通信部２１２による無線通信を用いて、新規の機械学習モデルを、エッジデバイス２０ａに送信する。
【0156】
次に、エッジデバイス２０ａは、新規の機械学習モデルを取得したか否かを判定する（ステップＳ４０６）。エッジデバイス２０ａのモデル更新処理部２４１ａは、新規の機械学習モデルを取得したか否かを判定し、新規の機械学習モデルを取得した場合（ステップＳ４０６：ＹＥＳ）に、処理をステップＳ４０７に進める。また、モデル更新処理部２４１ａは、新規の機械学習モデルを取得していない場合（ステップＳ４０６：ＮＯ）に、処理をステップＳ４０３に戻し、新規の機械学習モデルを取得するまで処理を繰り返す。
【0157】
ステップＳ４０７において、モデル更新処理部２４１ａは、機械学習モデルを更新する。モデル更新処理部２４１ａは、高速無線通信部２１２による無線通信により受信した機械学習モデルを、学習モデル記憶部２３１に記憶させる。
【0158】
次に、モデル更新処理部２４１ａは、通常動作モードに変更する（ステップＳ４０８）。モデル更新処理部２４１ａは、高速無線通信部２１２の動作を停止させて、通常動作モードに変更する。
【0159】
次に、エッジデバイス２０ａは、検出処理及び推定処理を実行する（ステップＳ４０９）。エッジデバイス２０ａの検出処理部２４２は、定期的に、センサ部２２の検出データを取得し、推定処理部２４３に対して、検出データ及び更新された機械学習モデルを用いて推定処理を実行させる。
【0160】
また、図１１は、本実施形態による情報処理システム１ｃの動作の一例を示す第２の図である。図１１では、ストレージ装置３０が、新規の機械学習モデルを記憶していない場合の本実施形態における機械学習モデルの更新処理について説明する。
【0161】
【0162】
次に、ステップＳ４１４において、管理サーバ１０ａは、新規の機械学習モデルをストレージ装置３０から取得するために、新規の機械学習モデルの送信要求を送信するが、ストレージ装置３０が、新規の機械学習モデルを記憶していない。そのため、ストレージ装置３０は、新規の機械学習モデルなしの通知を、管理サーバ１０ａに送信する。
【0163】
次に、管理サーバ１０ａは、機械学習モデルの生成要求を、外部接続装置４０に送信する（ステップＳ４１５）。なお、ステップＳ４１５からステップＳ４１９までの処理は、上述した図６に示すステップＳ２０７からステップＳ２１１までの処理と同様であるため、ここではその説明を省略する。
【0164】
また、ステップＳ４２０からステップＳ４２５までの処理は、上述した図１０に示すステップＳ４０３からステップＳ４０８までの処理と同様であるため、ここではその説明を省略する。
【0165】
＜第４の実施形態の第１変形例＞
次に、図１２を参照して、本実施形態による情報処理システム１ｃの変形例（第１変形例）について説明する。
図１２は、本実施形態による情報処理システム１ｃの第１変形例の動作の一例を示す図である。ここでは、本実施形態の第１変形例として、管理サーバ１０ａが、機械学習モデルの更新通知を外部接続装置４０に送信する変形例について説明する。
次に、図１２を参照して、本実施形態による情報処理システム１ｃの変形例（第１変形例）について説明する。
図１２は、本実施形態による情報処理システム１ｃの第１変形例の動作の一例を示す図である。ここでは、本実施形態の第１変形例として、管理サーバ１０ａが、機械学習モデルの更新通知を外部接続装置４０に送信する変形例について説明する。
【0166】
【0167】
ステップＳ４３６において、管理サーバ１０ａは、機械学習モデルの更新通知を、外部接続装置４０に送信する。すなわち、管理サーバ１０ａのモデル供給部１３４は、機械学習モデルが適用されたことを、機械学習モデルの生成元である外部接続装置４０に通知する。
【0168】
続く、ステップＳ４３７からステップＳ４４０までの処理は、上述した図１０に示すステップＳ４０６からステップＳ４０９までの処理と同様であるため、ここではその説明を省略する。
【0169】
＜第４の実施形態の第２変形例＞
次に、図１３を参照して、本実施形態による情報処理システム１ｃの変形例（第２変形例）について説明する。
図１３は、本実施形態による情報処理システム１ｃの第２変形例の動作の一例を示す図である。ここでは、本実施形態の第２変形例として、エッジデバイス２０ａが、機械学習モデルの更新通知をＬＰＷＡサーバ５０に送信する変形例について説明する。
次に、図１３を参照して、本実施形態による情報処理システム１ｃの変形例（第２変形例）について説明する。
図１３は、本実施形態による情報処理システム１ｃの第２変形例の動作の一例を示す図である。ここでは、本実施形態の第２変形例として、エッジデバイス２０ａが、機械学習モデルの更新通知をＬＰＷＡサーバ５０に送信する変形例について説明する。
【0170】
本実施形態におけるエッジデバイス２０ａのデバイス制御部２４ａは、ＬＰＷＡ方式を用いて、機械学習モデルの更新が完了したことを示す情報を、例えば、ＬＰＷＡサーバ５０に送信する。
【0171】
【0172】
ステップＳ４５９において、エッジデバイス２０ａは、ＬＰＷＡアクセスポイント５１を介して、ＬＰＷＡサーバ５０に、機械学習モデルの更新通知を送信する。エッジデバイス２０ａのデバイス制御部２４ａは、ＬＰＷＡ通信部２１１による無線通信を用いて、機械学習モデルの更新が完了したことを示す機械学習モデルの更新通知をＬＰＷＡサーバ５０に送信する。
【0173】
次に、エッジデバイス２０ａは、検出処理及び推定処理を実行する（ステップＳ４６０）。エッジデバイス２０ａの検出処理部２４２は、定期的に、センサ部２２の検出データを取得し、推定処理部２４３に対して、検出データ及び更新された機械学習モデルを用いて推定処理を実行させる。
【0174】
以上説明したように、本実施形態による情報処理システム１ｃは、管理サーバ１０ａと、エッジデバイス２０ａと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０とを備える。エッジデバイス２０ａは、ＬＰＷＡ通信部２１１（第１無線通信部）と、高速無線通信部２１２（第２無線通信部）と、デバイス制御部２４ａとを備える。ＬＰＷＡ通信部２１１は、ＬＰＷＡ方式（第１無線通信方式）による通信を実行する。高速無線通信部２１２は、ＬＰＷＡ通信部２１１によるＬＰＷＡ方式よりも消費電力が大きく、且つ、通信速度が速い高速無線通信方式（第２無線通信方式）による通信を実行する。デバイス制御部２４ａは、通常動作モードにおいて、ＬＰＷＡ通信部２１１によるＬＰＷＡ方式を用いて、推定処理の結果を送信し、機械学習モデルの更新を行う更新モードにおいて、高速無線通信部２１２による高速無線通信方式を用いて、新たな機械学習モデルを受信する。
【0175】
これにより、本実施形態による情報処理システム１ｃは、通常動作モードにおいて、消費電力の低いＬＰＷＡ方式（第１無線通信方式）による通信を用い、機械学習モデルを更新する更新モードにおいて、通信速度の速い高速無線通信方式（第２無線通信方式）による通信を用いる。そのため、本実施形態による情報処理システム１ｃは、通常動作で低消費電力を維持しつつ、機械学習モデルの更新において高速通信により、効率良く通信を行うことができる。よって、本実施形態による情報処理システム１ｃは、機械学習モデルの更新をより効率良く行うことができる。
【0176】
また、本実施形態では、デバイス制御部２４ａは、通常動作モードにおいて、高速無線通信部２１２の動作を停止させ、更新モードにおいて、高速無線通信部２１２を動作させて、高速無線通信方式による通信を実行させる。
【0177】
これにより、本実施形態による情報処理システム１ｃは、通常動作モードにおいて、高速無線通信部２１２の動作を停止させているため、さらに消費電力を低減することができる。
【0178】
また、本実施形態では、デバイス制御部２４ａは、通常動作モードにおいて、ＬＰＷＡ方式を用いて、機械学習モデルの更新を要求する通知を受信した場合に、更新モードに変更する。
これにより、本実施形態による情報処理システム１ｃは、機械学習モデルの更新の際に、高速無線通信に切り替えることができる。
これにより、本実施形態による情報処理システム１ｃは、機械学習モデルの更新の際に、高速無線通信に切り替えることができる。
【0179】
また、本実施形態では、デバイス制御部２４ａは、ＬＰＷＡ方式を用いて、機械学習モデルの更新が完了したことを示す情報を送信する。
これにより、本実施形態による情報処理システム１ｃは、機械学習モデルの更新が完了したことを、低消費電力により、外部に通知することができる。
これにより、本実施形態による情報処理システム１ｃは、機械学習モデルの更新が完了したことを、低消費電力により、外部に通知することができる。
【0180】
なお、上述した本実施形態の第１変形例と、第２変形例とは、単独で実施する例を説明したが、これに限定されるものではなく、本実施形態の第１変形例と、第２変形例とを組み合わせて実現してもよい。
【0181】
［第５の実施形態］
次に、図面を参照して、第５の実施形態による情報処理システム１ｄについて説明する。本実施形態では、エッジデバイス２０ｂが、機械学習モデルを取得できない場合に、通常運転モードに変更する変形例について説明する。
次に、図面を参照して、第５の実施形態による情報処理システム１ｄについて説明する。本実施形態では、エッジデバイス２０ｂが、機械学習モデルを取得できない場合に、通常運転モードに変更する変形例について説明する。
【0182】
図１４は、第５の実施形態による情報処理システム１ｄの一例を示すブロック図である。
図１４に示すように、情報処理システム１ｄは、管理サーバ１０ａと、エッジデバイス２０ｂと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０と、ＬＰＷＡアクセスポイント５１とを備える。
なお、図１４において、上述した図９に示す第４の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
図１４に示すように、情報処理システム１ｄは、管理サーバ１０ａと、エッジデバイス２０ｂと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０と、ＬＰＷＡアクセスポイント５１とを備える。
なお、図１４において、上述した図９に示す第４の実施形態と同一の構成には、同一の符号を付与してその説明を省略する。
【0183】
エッジデバイス２０ｂは、無線通信部２１ａと、センサ部２２と、デバイス記憶部２３と、デバイス制御部２４ｂとを備える。
無線通信部２１ａは、ＬＰＷＡ通信部２１１と、高速無線通信部２１２とを備える。
無線通信部２１ａは、ＬＰＷＡ通信部２１１と、高速無線通信部２１２とを備える。
【0184】
デバイス制御部２４ｂは、例えば、ＣＰＵを含むプロセッサなどであり、エッジデバイス２０ｂを統括的に制御する。デバイス制御部２４ｂの基本的な機能は、上述した第４の実施形態のデバイス制御部２４ａと同様である。デバイス制御部２４ｂは、機械学習モデルを取得できない場合に、通常運転モードに変更する点が、第４の実施形態のデバイス制御部２４ａと異なる。
【0185】
また、本実施形態における外部接続装置４０は、新規の機械学習モデルを生成した場合に、機械学習モデルの更新通知を、ＬＰＷＡサーバ５０に送信する。
また、本実施形態におけるＬＰＷＡサーバ５０は、機械学習モデルの更新通知の受信に応じて、新規の機械学習モデルの適用通知を、エッジデバイス２０ｂに送信する。
また、本実施形態におけるＬＰＷＡサーバ５０は、機械学習モデルの更新通知の受信に応じて、新規の機械学習モデルの適用通知を、エッジデバイス２０ｂに送信する。
【0186】
次に、図１５を参照して、本実施形態による情報処理システム１ｄの動作について説明する。
図１５は、本実施形態による情報処理システム１ｄの動作の一例を示す第１の図である。図１５では、ストレージ装置３０が、新規の機械学習モデルを記憶していない場合の本実施形態における機械学習モデルの更新処理について説明する。
図１５は、本実施形態による情報処理システム１ｄの動作の一例を示す第１の図である。図１５では、ストレージ装置３０が、新規の機械学習モデルを記憶していない場合の本実施形態における機械学習モデルの更新処理について説明する。
【0187】
【0188】
ステップＳ５１０において、外部接続装置４０は、機械学習モデルの更新通知を、ＬＰＷＡサーバ５０に送信する。外部接続装置４０のモデル生成部４２は、ＮＷ通信部４１及びネットワークＮＷ１を介して、機械学習モデルの更新通知を、ＬＰＷＡサーバ５０に送信する。
【0189】
また、ステップＳ５１１において、エッジデバイス２０ｂは、通常動作モードに変更する。エッジデバイス２０ｂのモデル更新処理部２４１ｂは、機械学習モデルを取得できない場合に、高速無線通信部２１２の動作を停止させて、通常動作モードに変更する。
【0190】
また、ステップＳ５１２からステップＳ５１９までの処理は、上述した図１２に示すステップＳ４３１からステップＳ４３９までの処理と同様であるため、ここではその説明を省略する。
【0191】
以上説明したように、本実施形態による情報処理システム１ｄは、管理サーバ１０ａと、エッジデバイス２０ｂと、ストレージ装置３０と、外部接続装置４０と、ＬＰＷＡサーバ５０と、ＬＰＷＡアクセスポイント５１とを備える。デバイス制御部２４ｂは、機械学習モデルを取得できない場合に、通常運転モードに変更する。また、本実施形態における外部接続装置４０は、新規の機械学習モデルを生成した場合に、機械学習モデルの更新通知を、ＬＰＷＡサーバ５０に送信し、ＬＰＷＡサーバ５０は、機械学習モデルの更新通知の受信に応じて、新規の機械学習モデルの適用通知を、エッジデバイス２０ｂに送信する。
これにより、本実施形態による情報処理システム１ｄは、上述した第４の実施形態と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
これにより、本実施形態による情報処理システム１ｄは、上述した第４の実施形態と同様の効果を奏し、機械学習モデルの更新をより効率良く行うことができる。
【0192】
なお、本発明は、上記の各実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。
例えば、上記の各実施形態において、管理サーバ１０（１０ａ、１０ｂ）は、１台の装置で構成される例を説明したが、これに限定されるものではなく、複数のサーバ装置によって構成されてもよい。
例えば、上記の各実施形態において、管理サーバ１０（１０ａ、１０ｂ）は、１台の装置で構成される例を説明したが、これに限定されるものではなく、複数のサーバ装置によって構成されてもよい。
【0193】
また、上記の第４及び第５の実施形態において、ＬＰＷＡサーバ５０は、管理サーバ１０ａに含まれて構成されてもよい。また、ＬＰＷＡサーバ５０は、ＬＰＷＡアクセスポイント５１の他に、ＬＰＷＡ中継器を介して、エッジデバイス２０ａ（２０ｂ）と接続されてもよい。
【0194】
また、上記の第４及び第５の実施形態は、第２の実施形態に対して適用する例を説明したが、これに限定されるものではなく、第１の実施形態、又は第３の実施形態など、他の実施形態に適用してもよい。
【0195】
なお、上述した情報処理システム１（１ａ～１ｄ）が備える各構成は、内部に、コンピュータシステムを有している。そして、上述した情報処理システム１（１ａ～１ｄ）が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述した情報処理システム１（１ａ～１ｄ）が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
【0196】
また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。
【0197】
また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に情報処理システム１（１ａ～１ｄ）が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【0198】
また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。
【符号の説明】
【0199】
１，１ａ，１ｂ，１ｃ，１ｄ…情報処理システム
１０，１０ａ，１０ｂ…管理サーバ
１１，３１，４１…ＮＷ通信部
１２，１２ａ…サーバ記憶部
１３，１３ａ，１３ｂ…サーバ制御部
２１，２１ａ…無線通信部
２２…センサ部
２３…デバイス記憶部
２４，２４ａ，２４ｂ…デバイス制御部
３０…ストレージ装置
３２…記憶部
４０…外部接続装置
５０…ＬＰＷＡサーバ
５１…ＬＰＷＡアクセスポイント
１２１…推定結果記憶部
１３１…取得処理部
１３２，１３２ａ，１３２ｂ…学習処理部
１３３，４２…モデル生成部
１３４…モデル供給部
２１１…ＬＰＷＡ通信部
２１２…高速無線通信部
２３１，３２２，１２３…学習モデル記憶部
２３２…検出データ記憶部
２４１，２４１ａ，２４１ｂ…モデル更新処理部
２４２…検出処理部
２４３…推定処理部
３２１，１２２…学習データ記憶部
ＮＷ１…ネットワーク
１０，１０ａ，１０ｂ…管理サーバ
１１，３１，４１…ＮＷ通信部
１２，１２ａ…サーバ記憶部
１３，１３ａ，１３ｂ…サーバ制御部
２１，２１ａ…無線通信部
２２…センサ部
２３…デバイス記憶部
２４，２４ａ，２４ｂ…デバイス制御部
３０…ストレージ装置
３２…記憶部
４０…外部接続装置
５０…ＬＰＷＡサーバ
５１…ＬＰＷＡアクセスポイント
１２１…推定結果記憶部
１３１…取得処理部
１３２，１３２ａ，１３２ｂ…学習処理部
１３３，４２…モデル生成部
１３４…モデル供給部
２１１…ＬＰＷＡ通信部
２１２…高速無線通信部
２３１，３２２，１２３…学習モデル記憶部
２３２…検出データ記憶部
２４１，２４１ａ，２４１ｂ…モデル更新処理部
２４２…検出処理部
２４３…推定処理部
３２１，１２２…学習データ記憶部
ＮＷ１…ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】