ホーム > 特許ランキング > ソニーグループ株式会社
特許7586095情報処理装置、情報処理システム、情報処理方法および情報処理プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-11-11
(45)【発行日】2024-11-19
(54)【発明の名称】情報処理装置、情報処理システム、情報処理方法および情報処理プログラム
(51)【国際特許分類】
G06N 20/00 20190101AFI20241112BHJP
G06T 7/00 20170101ALI20241112BHJP
G08G 1/16 20060101ALI20241112BHJP
G08G 1/00 20060101ALI20241112BHJP
【ＦＩ】
G06N20/00
G06T7/00 350B
G06T7/00 650Z
G08G1/16 A
G08G1/00 A
【請求項の数】
17
(21)【出願番号】P 2021567309
(86)(22)【出願日】2020-12-15
(86)【国際出願番号】 JP2020046778
(87)【国際公開番号】W WO2021131911
(87)【国際公開日】2021-07-01
【審査請求日】2023-11-16
(31)【優先権主張番号】P 2019233594
(32)【優先日】2019-12-24
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000002185
【氏名又は名称】ソニーグループ株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】佐藤 竜太
【審査官】福西 章人
(56)【参考文献】
【文献】特開２０１９－１５９６５９（ＪＰ，Ａ）
【文献】特開２０１０－０５５３０３（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１９／００３４８２９（ＵＳ，Ａ１）
【文献】特開２０１５－１３５５５２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｎ ３／００－９９／００
Ｇ０６Ｆ １８／００－１８／４０
Ｇ０６Ｔ ７／００
Ｇ０８Ｇ １／１６
Ｇ０８Ｇ １／００
(57)【特許請求の範囲】
【請求項1】
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定部と、
を備え、
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理装置。
【請求項2】
前記送信判定部は、次に更新されるまでの時間が所定時間未満の前記センサ情報を前記サーバに送信する、
請求項１に記載の情報処理装置。
【請求項3】
前記送信判定部は、出現の頻度が所定未満の前記センサ情報を前記サーバに送信する、
請求項１に記載の情報処理装置。
【請求項4】
他の情報処理装置と通信可能な通信部をさらに備え、前記送信判定部は、
前記通信部により前記他の情報処理装置と通信を行い該他の情報処理装置が前記サーバに送信するセンサ情報を示す情報を取得し、取得した該情報に基づき、前記センサにより取得されたセンサ情報を前記サーバに送信するか否かを判定する、
請求項１に記載の情報処理装置。
【請求項5】
前記センサ情報を蓄積部に蓄積するか否かを判定する蓄積判定部をさらに備え、前記蓄積判定部は、
前記送信判定部により前記サーバに送信しないと判定された前記センサ情報を前記蓄積部に蓄積する、
請求項１に記載の情報処理装置。
【請求項6】
前記送信判定部は、前記蓄積部に蓄積された前記センサ情報を、通信コストが低いタイミングで前記サーバに送信する、
請求項５に記載の情報処理装置。
【請求項7】
前記蓄積判定部は、前記サーバに送信しないと判定された前記センサ情報の優先度を求め、該優先度に基づき該センサ情報を前記蓄積部に蓄積するか否かを判定する、
請求項５に記載の情報処理装置。
【請求項8】
サーバと、前記サーバと通信可能な情報処理装置と、
を含み、
前記サーバは、
学習データに基づく機械学習により第１の認識器と、該第１の認識器と異なる第２の認識部と、を生成する学習部を備え、
前記情報処理装置は、
前記第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定部と、
を備え、
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理システム。
【請求項9】
プロセッサにより実行される、予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、
前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定ステップと、
を含み、
前記送信判定ステップは、
前記センサ情報のうち、前記学習データ適用判定ステップにより前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理方法。
【請求項10】
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定ステップと、
をコンピュータに実行させ、
前記送信判定ステップは、
前記センサ情報のうち、前記学習データ適用判定ステップにより前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
ための情報処理プログラム。
【請求項11】
学習データに基づく機械学習により第１の認識器と、該第１の認識器と異なる第２の認識器と、を生成する学習部と、前記第１の認識器を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新し、
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理装置。
【請求項12】
前記学習データ適用判定部は、前記センサ情報が示すシーンに基づき、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
請求項１１に記載の情報処理装置。
【請求項13】
前記学習データ適用判定部は、前記センサ情報を変換することで、該センサ情報を前記第２の認識器に学習データとして適用可能となるか否かを判定する、
請求項１１に記載の情報処理装置。
【請求項14】
前記学習データ適用判定部は、前記センサ情報が示す、センサにより検出されたオブジェクトに応じて、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
請求項１１に記載の情報処理装置。
【請求項15】
情報処理装置と、センサにより取得されたセンサ情報を用いて物体認識処理を行う第１の認識器を有し、前記情報処理装置と通信可能な端末装置と、
を含み、
前記情報処理装置は、
学習データに基づく機械学習により前記第１の認識器と、該第１の認識器と異なる第２の認識器と、を生成する学習部と、
前記第１の認識器を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新し、
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理システム。
【請求項16】
プロセッサにより実行される、学習データに基づく機械学習により第１の認識器と、該第１の認識器と異なる第２の認識器と、を生成する学習ステップと、
前記第１の認識器を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定ステップと、
を含み、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新し、
前記送信判定ステップは、
前記センサ情報のうち、前記学習データ適用判定ステップにより前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
情報処理方法。
【請求項17】
学習データに基づく機械学習により第１の認識器と、該第１の認識器と異なる第２の認識器と、を生成する学習ステップと、前記第１の認識器を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定ステップと、
をコンピュータに実行させ、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新し、
前記送信判定ステップは、
前記センサ情報のうち、前記学習データ適用判定ステップにより前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
ための情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、情報処理システム、情報処理方法および情報処理プログラムに関する。
【背景技術】
【0002】
車両に搭載した車載カメラを用いて、車両の走行を行う際に撮像された撮像画像を解析して、車両の進行方向に人など障害物が存在するか否かを判定する情報処理システムが提案されている。また、このような情報処理システムにおいて、撮像画像に基づく障害物の検出を、機械学習により学習された認識モデルを用いて実行する技術が提案されている。また、機械学習による認識モデルの構築を、ネットワーク上の例えばサーバにて行う構成が知られている。
【0003】
ところで、撮像画像に基づく障害物などの検出を機械学習を用いて行う場合、学習データを随時収集して再学習を行い、認識モデルを更新していくことが好ましい。例えば、サーバは、車両において取得されたデータを通信を介して取得して収集し、収集されたデータを学習データとして用いて再学習を行い、認識モデルを更新する。更新された認識モデルは、通信により車両に送信される。車両側では、この更新された認識モデルを用いることで、より的確に障害物などの検出を行うことが可能となる。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１８－２０２５９５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、再学習のために送信されるデータは、例えばデータ送信が行われた地域といったデータが取得された状況などに応じて、様々な属性を持っており、その属性が有効な範囲でしか活用できなかった。
【0006】
本開示は、学習データを効率的に利用可能とする情報処理装置、情報処理システム、情報処理方法および情報処理プログラムを提供することを目的とする。
【課題を解決するための手段】
【0007】
本開示に係る情報処理装置は、予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記第１の認識器を生成可能なサーバに送信するか否かを、該センサ情報に基づき判定する送信判定部と、を備え、前記送信判定部は、前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する。
【図面の簡単な説明】
【0008】
【図1】各実施形態に関連する運転支援システムの全体像を概略的に示す一例の模式図である。
【図2】各実施形態に係る運転支援システムの一例の構成を示すブロック図である。
【図3】各実施形態に適用可能な端末装置のハードウェア構成の例を示すブロック図である。
【図4】実施形態に適用可能なサーバシステムのハードウェア構成の例を示すブロック図である。
【図5】第１の実施形態に係る運転支援システムの一例の構成を示すブロック図である。
【図6】第１の実施形態に係るサーバシステムの機能を説明するための一例の機能ブロック図である。
【図7】第１の実施形態に係るサーバシステムにおける処理を示す一例のフローチャートである。
【図8】第１の実施形態の第１の変形例に係るサーバシステムの機能を説明するための一例の機能ブロック図である。
【図9】第１の実施形態に係るサーバシステムにおける処理を示す一例のフローチャートである。
【図10】第１の実施形態の第２の変形例に係るサーバシステムの機能を説明するための一例の機能ブロック図である。
【図11】センサ情報に含まれる画像データによる画像の例を示す模式図である。
【図12】第１の実施形態の第２の変形例に係るサーバシステムにおける処理を示す一例のフローチャートである。
【図13】第２の実施形態に係る運転支援システムの一例の構成を示すブロック図である。
【図14】第２の実施形態に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図15】第２の実施形態に係る端末装置における処理を示す一例のフローチャートである。
【図16】第２の実施形態の第１の変形例に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図17】第２の実施形態の第１の変形例に係る端末装置における処理を示す一例のフローチャートである。
【図18】第２の実施形態の第２の変形例に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図19】第２の実施形態の第２の変形例に係る端末装置における処理を示す一例のフローチャートである。
【図20】第２の実施形態の第３の変形例に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図21】第２の実施形態の第３の変形例に係る端末装置における処理を示す一例のフローチャートである。
【図22】第３の実施形態に係る運転支援システムの一例の構成を示すブロック図である。
【図23】第３の実施形態に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図24】第３の実施形態に係る端末装置における処理を示す一例のフローチャートである。
【図25】第３の実施形態の第１の変形例に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図26】第３の実施形態の第１の変形例に係る端末装置における処理を示す一例のフローチャートである。
【図27】第３の実施形態の第２の変形例に係る端末装置の機能を説明するための一例の機能ブロック図である。
【図28】第３の実施形態の第２の変形例に係る端末装置における処理を示す一例のフローチャートである。
【図29】本開示に係る技術が適用され得る移動体制御システムの一例である車両制御システムの概略的な構成例を示すブロック図である。
【図30】撮像部の設置位置の例を示す図である。
【発明を実施するための形態】
【0009】
以下、本開示の実施形態について、図面に基づいて詳細に説明する。なお、以下の実施形態において、同一の部位には同一の符号を付することにより、重複する説明を省略する。
【0010】
以下、本開示の実施形態について、下記の順序に従って説明する。
１．各実施形態に適用可能な技術
１－１．各実施形態に適用可能なシステムの全体像
１－２．各実施形態に係るシステムの概要
１－３．ハードウェア構成例
２．第１の実施形態
２－１．第１の変形例
２－２．第２の変形例
３．第２の実施形態
３－１．第１の変形例
３－２．第２の変形例
３－３．第３の変形例
４．第３の実施形態
４－１．第１の変形例
４－２．第２の変形例
５．第４の実施形態
１．各実施形態に適用可能な技術
１－１．各実施形態に適用可能なシステムの全体像
１－２．各実施形態に係るシステムの概要
１－３．ハードウェア構成例
２．第１の実施形態
２－１．第１の変形例
２－２．第２の変形例
３．第２の実施形態
３－１．第１の変形例
３－２．第２の変形例
３－３．第３の変形例
４．第３の実施形態
４－１．第１の変形例
４－２．第２の変形例
５．第４の実施形態
【0011】
［１．各実施形態に適用可能な技術］
（１－１．各実施形態に適用可能なシステムの全体像）
先ず、本開示の各実施形態に適用可能な技術について説明する。図１は、各実施形態に関連する運転支援システムの全体像を概略的に示す一例の模式図である。図１において、運転支援システムは、それぞれネットワーク１に接続されるサーバシステム２と、１以上の車両１０とを含む。ネットワーク１は、例えば車車間・路車間（Ｖ２Ｘ）通信を行うためのＶ２Ｘネットワークである。
（１－１．各実施形態に適用可能なシステムの全体像）
先ず、本開示の各実施形態に適用可能な技術について説明する。図１は、各実施形態に関連する運転支援システムの全体像を概略的に示す一例の模式図である。図１において、運転支援システムは、それぞれネットワーク１に接続されるサーバシステム２と、１以上の車両１０とを含む。ネットワーク１は、例えば車車間・路車間（Ｖ２Ｘ）通信を行うためのＶ２Ｘネットワークである。
【0012】
サーバシステム２は、例えば、互いにネットワークで接続され協働して動作する複数のコンピュータやストレージ装置を含むクラウドシステムを適用することができる。これに限らず、サーバシステム２は、単独のコンピュータを用いたサーバ装置により構成してもよい。サーバシステム２は、センサ情報に基づき物体認識を行う認識器を機械学習により生成することができる。
【0013】
車両１０は、ネットワーク１に接続される端末装置１１が搭載される。端末装置１１は、例えばＣＰＵ(Central Processing Unit)、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)、各種インタフェースを含む情報処理装置として構成され、センサ１２の出力に基づき物体認識処理を行う認識器が含まれる。センサ１２は、例えばカメラである。以下、センサ１２をカメラ１２として説明を行う。認識器は、例えば、サーバシステム２により生成された認識器をネットワーク１を介してダウンロードすることで、端末装置１１に搭載される。これに限らず、端末装置１１に予め認識器を搭載しておいてもよい。
【0014】
端末装置１１は、カメラ１２で取得された撮像画像に基づき、認識器により物体認識処理を行う。端末装置１１は、この物体認識処理により、車両１０における運転支援を行うことができる。ここで、新たな学習データを用いて随時、認識器を更新すると、認識処理の性能の向上を図ることができ、好ましい。そこで、端末装置１１は、カメラ１２により取得された撮像画像による画像データを、ネットワーク１を介してサーバシステム２に送信する（ステップＳ１、ステップＳ２）。
【0015】
サーバシステム２は、端末装置１１から送信された画像データを記憶部２０に蓄積する。記憶部２０は、例えばハードディスクドライブや大規模なフラッシュメモリによるストレージ装置を適用でき、認識器、および、物体認識処理を行う認識器を生成するためのパラメータ情報がさらに蓄積されている。サーバシステム２は、学習部３において、端末装置１１から送信された画像データを含んで記憶部２０に記憶される各データを学習データとして用いて（ステップＳ３）、認識器の最適化および再学習を実行する（ステップＳ４）。この最適化および再学習により、認識器が更新された再学習後認識器２１が生成される（ステップＳ５）。
【0016】
サーバシステム２は、生成した再学習後認識器２１を、ネットワーク１を介して端末装置１１に送信する（ステップＳ６、ステップＳ７）。端末装置１１は、ネットワーク１を介して送信された再学習後認識器２１により、既存の認識器を更新する。このように、新たに収集した学習データを用いて既存の認識器を再学習させることで、認識器による認識処理の性能を向上させることができる。
【0017】
このような運転支援システムにおいて、機械学習の手法を改善して、認識器の再学習を行うことも考えられる一方で、新たな学習データを用いての再学習も、効果的である。この、新たな学習データを用いての再学習により認識器の性能を改善するためには、性能改善に資する学習データ（例えば画像データ）を収集し続けることが望ましい。
【0018】
このとき、再学習に用いるために端末装置１１からサーバシステム２に送信される時系列データや画像データは、一般的には、サイズが大きく、そのため、通信コストが嵩んでしまうおそれがある。また、これら時系列データや画像データは、様々な属性を持っており、この属性は、例えば車両１０毎、地域毎といった様々な要因で異なる可能性がある。一例として、交通道路標識に関する認識データは、例えば国により異なり、Ａ国で取得された交通道路標識を含む画像データは、Ｂ国の交通道路標識を認識するための学習データとしては利用できない可能性がある。
【0019】
本開示の各実施形態では、再学習に用いるための新たな学習データについて、当該学習データを効率的に利用可能とすることを目的とする。
【0020】
（１－２．各実施形態に係るシステムの概要）
次に、各実施形態に係る運転支援システムの概要について説明する。図２は、各実施形態に係る運転支援システムの一例の構成を示すブロック図である。図２では、各実施形態およびその各変形例に関わりの深い部分は、太枠を用いて示している。
次に、各実施形態に係る運転支援システムの概要について説明する。図２は、各実施形態に係る運転支援システムの一例の構成を示すブロック図である。図２では、各実施形態およびその各変形例に関わりの深い部分は、太枠を用いて示している。
【0021】
図２において、サーバシステム２は、上述した学習部３および記憶部２０に加えて、学習データ適用判定部２２を含む。記憶部２０は、学習データが蓄積されると共に、複数の認識器が格納される。詳細後述するが、学習データ適用判定部２２は、端末装置１１から送信されるセンサ情報に基づき、記憶部２０に記憶される認識器から、当該センサ情報を用いて再学習させる認識器を指定する。サーバシステム２は、学習データ適用判定部２２により指定された認識器を示す情報を、端末装置１１に送信する。
【0022】
図２において、端末装置１１は、認識部１０１と、制御部１０２と、蓄積判定部１０３と、蓄積部１０４と、記憶部１０５と、蓄積情報出力部１０６と、送信判定部１０７と、通信部１１０と、を含む。端末装置１１は、さらに、学習データ適用判定部１０８を含むことができる。
【0023】
認識部１０１は、例えばサーバシステム２からダウンロードした認識器を含み、カメラ１２で撮像された撮像画像による画像データを含むセンサ情報に基づき物体認識処理を行う。
【0024】
このとき、認識部１０１は、カメラ１２で撮像された撮像画像として、ＲＡＷデータを用いることができる。すなわち、カメラ１２で撮像され、視認に用いる画像データは、一般的に、デモザイク処理や、ＲＧＢ各色のデータをそれぞれ例えば８ビットに圧縮処理などの画像処理を施す。これに対して、認識処理には、このような画像処理が不要な場合が多く、特に、夜間や遠方の認識には、カメラ１２が持つイメージセンサの出力を略そのままの状態で用いるＲＡＷデータの方が、認識率（認識スコア）を高くできる。なお、認識スコアは、認識の度合いを示す値であって、例えば０以上１以下の範囲を取る。認識スコアの値が大きいほど、認識の度合いが高いことを示す。
【0025】
また、特に遠方の物体の認識を考慮した場合、カメラ１２の解像度（イメージセンサの解像度）は、高い方が好ましい。
【0026】
認識部１０１による物体認識結果は、車両１０の運転制御を行う制御部１０２に渡される。制御部１０２は、認識部１０１から渡された物体認識結果に基づき、障害物回避などの自動運転制御を行う。
【0027】
ここで、センサ情報は、当該画像データを含むと共に、カメラ１２およびカメラ１２による撮像に関する属性情報であるメタデータを含む。メタデータは、例えばカメラ１２の型番や解像度、フレームレートなどのカメラの性能などに関する情報や、カメラ１２において実行された画像処理（ホワイトバランス処理、ゲイン調整処理など）を示す情報を含むことができる。メタデータは、さらに、車両１０の車種や仕向地を示す情報、車両１０の現在位置に関する情報、車両１０の走行速度などの、車両１０に関する情報を含むことができる。
【0028】
蓄積判定部１０３は、カメラ１２から出力されたセンサ情報を蓄積部１０４により例えばストレージ装置である記憶部１０５に蓄積するか否かを判定する。具体例は後述するが、蓄積判定部１０３は、例えば、センサ情報に含まれる画像データやメタデータに基づき、当該センサ情報を蓄積部１０４により記憶部１０５に蓄積するか否かを判定する。蓄積情報出力部１０６は、記憶部１０５に蓄積されたセンサ情報を外部に出力する。蓄積情報出力部１０６は、センサ情報を有線通信にて外部に出力してもよいし、Ｗｉ－Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）といった無線通信により外部に出力することもできる。
【0029】
送信判定部１０７は、カメラ１２から出力されたセンサ情報をサーバシステム２に送信するか否かを判定する。例えば、送信判定部１０７は、認識部１０１による認識結果と、センサ情報とに基づき、当該センサ情報をサーバシステム２送信するか否かを判定する。送信判定部１０７は、当該センサ情報をサーバシステム２に送信すると判定した場合には、送信するセンサ情報に対して、サーバシステム２において学習データ適用判定部２２から送信された、認識器を示す情報を付加する。送信判定部１０７によりサーバシステム２に送信しないと判定されたセンサ情報は、蓄積部１０４により記憶部１０５に蓄積される。
【0030】
この運転支援システムによれば、端末装置１１では、送信判定部１０７がセンサ情報を送信するか否かを判定するため、センサ情報の送信に係る通信コストを抑制することが可能である。また、サーバシステム２では、学習データ適用判定部２２により、端末装置１１から送信されたセンサ情報を適用する認識器を判定するため、センサ情報を、端末装置１１が含む認識器とは異なる認識処理を行う認識器に適用することができ、センサ情報を効率的に利用できる。
【0031】
（１－３．ハードウェア構成例）
次に、各実施形態に適用可能なサーバシステム２および端末装置１１のハードウェア構成の例について説明する。図３は、各実施形態に適用可能な端末装置１１のハードウェア構成の例を示すブロック図である。図３において、端末装置１１は、それぞれバス１０３０により互いに通信可能に接続された、ＣＰＵ１００１と、ＲＯＭ１００２と、ＲＡＭ１００３と、インタフェース（Ｉ／Ｆ）１００４および１００５と、通信インタフェース１００６と、ＧＮＳＳ受信機１００７と、を含む。
次に、各実施形態に適用可能なサーバシステム２および端末装置１１のハードウェア構成の例について説明する。図３は、各実施形態に適用可能な端末装置１１のハードウェア構成の例を示すブロック図である。図３において、端末装置１１は、それぞれバス１０３０により互いに通信可能に接続された、ＣＰＵ１００１と、ＲＯＭ１００２と、ＲＡＭ１００３と、インタフェース（Ｉ／Ｆ）１００４および１００５と、通信インタフェース１００６と、ＧＮＳＳ受信機１００７と、を含む。
【0032】
ＣＰＵ１００１は、ＲＯＭ１００２に予め記憶されたプログラムに従い、ＲＡＭ１００３をワークメモリとして用いて、この端末装置１１の全体の動作を制御する。なお、ＲＯＭ１００２は、ＣＰＵ１００１の制御により、記憶されるデータおよびプログラムを書き換え可能とされており、例えば上述した、サーバシステム２からダウンロードした認識器を構成するプログラムを記憶および更新することができる。これに限らず、ＲＡＭ１００３が不揮発性の領域を含み、このＲＡＭ１００３の不揮発性領域に対して認識器を構成するプログラムを記憶させてもよい。
【0033】
インタフェース１００４は、カメラ１２と通信を行うためのインタフェースであって、カメラ１２で撮像された撮像画像による画像データや、当該画像データを含むセンサ情報は、このインタフェース１００４から端末装置１１に入力される。また、ＣＰＵ１００１は、このインタフェース１００４を介して、カメラ１２に対して撮像などの指示を送ることができる。
【0034】
インタフェース１００５は、この端末装置１１が搭載される車両１０の制御システムに対するインタフェースである。認識器による物体認識結果などの情報は、このインタフェース１００５を介して車両１０の制御システムに渡される。インタフェース１００５は、ＣＰＵ１００１の指示に従いネットワーク１に対する通信を制御する。
【0035】
ＧＮＳＳ受信機１００７は、ＧＮＳＳ(Global Navigation Satellite System)による信号を受信し、現在の位置を示す位置情報を取得する。また、ＧＮＳＳ受信機１００７は、現在の位置と共に、現在の標高や時刻を取得することができる。なお、当該端末装置１１が搭載される車両１０が、別途に位置情報取得手段を有する場合、位置情報をこの位置情報取得手段から取得することで、端末装置１１におけるＧＮＳＳ受信機１００７を省略することができる。
【0036】
このように、端末装置１１は、ＣＰＵ１００１、ＲＯＭ１００２、ＲＡＭ１００３と、各種のインタフェースを備え、コンピュータ（情報処理装置）として機能する。
【0037】
なお、上述した、端末装置１１に含まれる認識部１０１、蓄積判定部１０３、蓄積部１０４、蓄積情報出力部１０６、送信判定部１０７および通信部１１０は、ＣＰＵ１００１上で動作する情報処理プログラムにより実現される。これに限らず、例えば蓄積判定部１０３、蓄積部１０４、蓄積情報出力部１０６、送信判定部１０７および通信部１１０のうち一部または全部を、互いに協働して動作するハードウェア回路により構成してもよい。
【0038】
図４は、実施形態に適用可能なサーバシステム２のハードウェア構成の例を示すブロック図である。なお、図４では、サーバシステム２が単体のコンピュータ（情報処理装置）として構成されるように示されている。図４において、サーバシステム２は、それぞれバス２０１０により互いに通信可能に接続された、ＣＰＵ２０００と、ＲＯＭ２００１と、ＲＡＭ２００２と、ストレージ装置２００４と、通信インタフェース２００５とを含む。
【0039】
ＣＰＵ２０００は、ＲＯＭ２００１やストレージ装置２００４に予め記憶されるプログラムに従い、ＲＡＭ２００２をワークメモリとして用いて、このサーバシステム２の全体の動作を制御する。ＣＰＵ２０００により、プログラムに従った機械学習により生成された認識器を構成するプログラムおよび各パラメータは、例えばストレージ装置２００４に記憶される。
【0040】
通信インタフェース２００５は、ネットワーク１に対する通信を制御するインタフェースである。
【0041】
なお、上述した、サーバシステム２に含まれる学習部３および学習データ適用判定部２２は、ＣＰＵ２０００上で動作する情報処理プログラムにより実現される。これに限らず、学習部３および学習データ適用判定部２２のうち一部または全部を、互いに協働して動作するハードウェア回路により構成してもよい。
【0042】
［２．第１の実施形態］
次に、本開示の第１の実施形態について説明する。本開示の各実施形態では、端末装置１１において取得されたセンサ情報を再学習のための学習データとして適用する認識器を、複数の認識器から指定することができる。第１の実施形態では、この認識器の指定を、サーバシステム２において行う。図５は、第１の実施形態に係る運転支援システムの一例の構成を示すブロック図である。第１の実施形態では、図５に塗り潰しを用いて示すように、図２に示した端末装置１１側の学習データ適用判定部１０８を用いず、サーバシステム２側の学習データ適用判定部２２ａを用いる。
次に、本開示の第１の実施形態について説明する。本開示の各実施形態では、端末装置１１において取得されたセンサ情報を再学習のための学習データとして適用する認識器を、複数の認識器から指定することができる。第１の実施形態では、この認識器の指定を、サーバシステム２において行う。図５は、第１の実施形態に係る運転支援システムの一例の構成を示すブロック図である。第１の実施形態では、図５に塗り潰しを用いて示すように、図２に示した端末装置１１側の学習データ適用判定部１０８を用いず、サーバシステム２側の学習データ適用判定部２２ａを用いる。
【0043】
この第１の実施形態では、端末装置１１から送信されたセンサ情報に対して、当該センサ情報に含まれる画像データの撮像時のシーンを、所定のルールや学習に基づき判定する。そして、例えば判定されたシーン毎に、当該センサ情報を学習データとして適用する認識器を指定する。
【0044】
ここで、シーンとは、センシングすなわちカメラ１２による撮像を行った際の状況を示すもので、例えば撮像を行った場所や環境条件を含む。より具体的には、シーンを示すシーン情報は、以下の情報を含むことができる。
・ＧＮＳＳ受信機１００７などにより取得した現在位置、現在の時刻を示す情報、車両１０に搭載される車載システムのシステムステータスといった、カメラ１２の外部から取得される情報。
・カメラ１２における撮像時の露光時間やホワイトバランス処理などの、センサ内部情報。
・センシングした情報（例えば撮像画像による画像データ）から所定のルールに基づき推定、あるいは、学習により推定した情報。
・ＧＮＳＳ受信機１００７などにより取得した現在位置、現在の時刻を示す情報、車両１０に搭載される車載システムのシステムステータスといった、カメラ１２の外部から取得される情報。
・カメラ１２における撮像時の露光時間やホワイトバランス処理などの、センサ内部情報。
・センシングした情報（例えば撮像画像による画像データ）から所定のルールに基づき推定、あるいは、学習により推定した情報。
【0045】
学習データ適用判定部２２ａは、上述のようにして取得したシーン情報に基づき、ルールベースやデータベース探索により、適用可能な認識器を推定する。これに限らず、学習データ適用判定部２２ａは、学習により、シーン情報に基づき適用可能な認識器を直接的に指定することもできる。
【0046】
図６は、第１の実施形態に係るサーバシステム２の機能を説明するための一例の機能ブロック図である。図６において、サーバシステム２は、通信部２００と、学習データ適用判定部２２ａａと、学習データ蓄積部２０１と、学習部２０２と、学習結果利用部２０３と、を含む。また、学習データ適用判定部２２ａは、メタデータ解析部２２１と、学習データ判定部２２２と、を含む。これら通信部２００、学習データ適用判定部２２ａ（メタデータ解析部２２１および学習データ判定部２２２）、学習データ蓄積部２０１、学習部２０２および学習結果利用部２０３は、ＣＰＵ２０００上で動作する情報処理プログラムにより実現される。
【0047】
ここで、サーバシステム２は、複数の認識器２１０1、２１０2、２１０3、２１０4、…を有している。なお、以下では、これら認識器２１０1、２１０2、２１０3、２１０4、…を区別する必要の無い場合には、これらを認識器２１０で代表させて説明を行う。学習データ蓄積部２０１は、これら複数の認識器２１０を生成するための学習データが、認識器２１０毎に蓄積される。
【0048】
通信部２００は、通信インタフェース２００５を制御して、例えば端末装置１１から送信されたセンサ情報を受信する。メタデータ解析部２２１は、センサ情報からメタデータを抽出し、抽出されたメタデータを解析する。学習データ判定部２２２は、メタデータの解析結果に基づき、複数の認識器２１０のうち当該センサ情報を適用可能な認識器２１０を指定する。
【0049】
このとき、学習データ判定部２２２は、当該センサ情報を送信した端末装置１１が有する認識器とは異なる認識器を、当該センサ情報を適用可能な認識器２１０として指定することができる。例えば、学習データ判定部２２２は、当該センサ情報が上述したシーン情報の何れに対応するかを判定し、当該センサ情報が対応するシーン情報に応じて、当該センサ情報を適用可能な認識器２１０を指定する。
【0050】
学習データ判定部２２２は、当該センサ情報に対して例えば指定した認識器２１０を示す情報を付加して学習データ蓄積部２０１に蓄積する。
【0051】
学習部２０２は、学習データ蓄積部２０１に指定された認識器２１０毎に蓄積された学習データを用いて、当該認識器２１０の再学習を行い、当該認識器２１０を更新する。学習結果利用部２０３は、学習部２０２で再学習され更新された認識器２１０の利用処理を行う。例えば、学習結果利用部２０３は、更新された認識器２１０を、対応する端末装置１１に送信する。
【0052】
図７は、第１の実施形態に係るサーバシステム２における処理を示す一例のフローチャートである。最初のステップＳ１００で、サーバシステム２は、通信部２００により通信処理を行い、端末装置１１からネットワーク１を介して送信されたセンサ情報を受信する。このステップＳ１００の処理は、複数の端末装置１１のそれぞれから送信された各センサ情報を受信する処理を含む。
【0053】
次のステップＳ１０１で、サーバシステム２は、メタデータ解析部２２１により、ステップＳ１００の通信処理で取得された各センサ情報から、画像データおよびメタデータをそれぞれ取得する。次のステップＳ１０２で、サーバシステム２は、メタデータ解析部２２１により、ステップＳ１０１で取得された各メタデータの解析処理を実行する。
【0054】
次のステップＳ１０３ｓｔは、ステップＳ１０３ｅｄとの間で、ステップＳ１００の通信処理で取得された全てのセンサ情報について実行することを示すループ処理の開始を示している。次のステップＳ１０４ｓｔは、ステップＳ１０４ｅｄとの間で、各センサ情報の全ての適用先、すなわち各認識器２１０について実行することを示すループ処理の開始を示している。
【0055】
ステップＳ１０５で、サーバシステム２は、学習データ判定部２２２により、メタデータ適用判定処理が実行される。すなわち、ステップＳ１０５で、学習データ判定部２２２は、ステップＳ１００の通信処理で取得された各センサ情報のうち１つのセンサ情報（対象のセンサ情報とする）について、メタデータに基づき、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。
【0056】
次のステップＳ１０６で、学習データ判定部２２２は、対象のセンサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ１０６、「Ｙｅｓ」）、処理をステップＳ１０７に移行させる。ステップＳ１０７で、サーバシステム２は、学習データ蓄積部２０１により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ１０７で、学習データ蓄積部２０１は、対象のセンサ情報を、ステップＳ１０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積する。
【0057】
ステップＳ１０７の処理の後、サーバシステム２は、処理をステップＳ１０４ｅｄからステップＳ１０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ１０５およびステップＳ１０６の処理が実行される。
【0058】
一方、ステップＳ１０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ１０６、「Ｎｏ」）、処理をステップＳ１０４ｅｄからステップＳ１０４ｓｔに戻す。
【0059】
対象のセンサ情報について、各認識器２１０に対するステップＳ１０４ｓｔ～ステップＳ１０４ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ１０３ｅｄからステップＳ１０３ｓｔに戻し、ステップＳ１００の通信処理で取得された各センサ情報のうち次のセンサ情報を対象のセンサ情報として、ステップＳ１０３ｓｔ～ステップＳ１０３ｅｄの処理を繰り返す。
【0060】
各センサ情報に対するステップＳ１０３ｓｔ～ステップＳ１０３ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ１０８に移行させる。ステップＳ１０８で、サーバシステム２は、学習部２０２により、上述までの処理により学習データ蓄積部２０１に蓄積された各センサ情報を学習データとして用いて、それぞれ対応する認識器２１０の再学習処理を行う。ステップＳ１０８の処理が終了すると、サーバシステム２は、処理をステップＳ１０９に移行させ、学習結果利用部２０３により、ステップＳ１０８で再学習された各認識器２１０の利用処理を実行する。
【0061】
このように、第１の実施形態では、各端末装置１１から送信された各センサ情報を、メタデータに基づき適用可能とされた認識器２１０の学習データとして適用する。そのため、各端末装置１１から送信された各センサ情報を、送信元の端末装置１１が当該センサ情報に対して用いる認識器とは異なる認識機に対しても、学習データとして適用することができ、センサ情報を学習データとしてより効率的に利用可能である。
【0062】
（２－１．第１の変形例）
次に、第１の実施形態の第１の変形例について説明する。第１の実施形態の第１の変形例は、認識器の指定をサーバシステム２にて行う場合において、サーバシステム２は、サーバシステム２が有する複数の認識器２１０から、端末装置１１から送信されたセンサ情報を適用可能に変換できる認識器２１０を、当該センサ情報を学習データとして適用する認識器に指定する。なお、第１の実施形態の第１の変形例では、図５を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
次に、第１の実施形態の第１の変形例について説明する。第１の実施形態の第１の変形例は、認識器の指定をサーバシステム２にて行う場合において、サーバシステム２は、サーバシステム２が有する複数の認識器２１０から、端末装置１１から送信されたセンサ情報を適用可能に変換できる認識器２１０を、当該センサ情報を学習データとして適用する認識器に指定する。なお、第１の実施形態の第１の変形例では、図５を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
【0063】
図８は、第１の実施形態の第１の変形例に係るサーバシステム２の機能を説明するための一例の機能ブロック図である。第１の実施形態の第１の変形例では、図８に示すように、図２に示した端末装置１１側の学習データ適用判定部１０８を用いず、サーバシステム２側の学習データ適用判定部２２ｂを用いる。また、学習データ適用判定部２２ｂは、上述した第１の実施形態の学習データ適用判定部２２ａの構成とは異なり、ドメイン解析部２３０、ドメイン評価部２３１および学習データ判定部２３２を含む。
【0064】
この第１の実施形態の第１の変形例では、サーバシステム２は、ドメインアダプテーション(Domain Adaptation)の適用性を用いてセンサ情報のドメインを変換する。ここで、ドメインは、地域（国など）、環境（昼／夜、高速道路／一般道など）といった、対象を限定するための領域（カテゴリ）を示す。ドメインアダプテーションは、認識器の対象となる領域（対象物、国、タスク、…）を変換する技術である。一例として、ドメインアダプテーションにより、日本のデータで学習した認識器をアメリカのデータで認識可能にする。この場合、日本とアメリカという二つのドメインを変換することになる。
【0065】
すなわち、第１の実施形態の第１の変形例による学習データ適用判定部２２ｂは、認識器２１０の対象となる領域を、ドメインアダプテーションが可能なドメインの組み合わせルールにヒットさせる。具体的な例として、Ｎ個のドメイン＃１、ドメイン＃２、ドメイン＃３、…、ドメイン＃Ｎを考える。このＮ個のドメインにおいて、有向グラフで表される変換可能ドメインの組み合わせが、例えば下記のように存在するものとする。
・ドメイン＃１→ドメイン＃２、ドメイン＃５、ドメイン＃７、…
・ドメイン＃２→ドメイン＃１、ドメイン＃３、…
・ドメイン＃１→ドメイン＃２、ドメイン＃５、ドメイン＃７、…
・ドメイン＃２→ドメイン＃１、ドメイン＃３、…
【0066】
ドメイン＃ｉが入力された場合に、ドメイン＃ｊへ何段階で変換できるかを表すステップ数を、Ｓ_｛ij｝とする。また、ホップ数当たりの評価値を、α（＜１）とし、ドメイン＃ｉがからドメイン＃ｊへ変換した場合の評価値を、β_｛ij｝（＜１）とする。
【0067】
入力されたセンサ情報のドメイン＃ａからドメイン＃ｂへの評価値Ｅｖは、次式（１）にて求められる。
Ｅｖ＝α(S_｛ij｝)＋β_｛ij｝ …（１）
Ｅｖ＝α(S_｛ij｝)＋β_｛ij｝ …（１）
【0068】
この評価値Ｅｖに対して閾値を設定し、評価値Ｅｖが閾値より高い認識器２１０を、適用可能な認識器２１０として設定する。
【0069】
ドメイン解析部２３０は、通信部２００が端末装置１１から受信したセンサ情報を解析し、当該センサ情報に関連するドメインを求める。ドメイン解析部２３０は、センサ情報に含まれる画像データからドメインを求めてもよいし、メタデータからドメインを求めてもよい。ドメイン評価部２３１は、ドメイン解析部２３０で求められたドメインに基づき、例えばサーバシステム２が有する各認識器２１０に対して上述した式（１）により評価値Ｅｖを算出する。
【0070】
学習データ判定部２３２は、ドメイン評価部２３１で算出された各評価値Ｅｖを閾値と比較し、評価値Ｅｖが閾値より高い認識器２１０を、当該センサ情報を適用可能な認識器２１０として指定する。
【0071】
図９は、第１の実施形態の第１の変形例に係るサーバシステム２における処理を示す一例のフローチャートである。最初のステップＳ２００で、サーバシステム２は、通信部２００により通信処理を行い、端末装置１１からネットワーク１を介して送信されたセンサ情報を受信する。このステップＳ２００の処理は、複数の端末装置１１のそれぞれから送信された各センサ情報を受信する処理を含む。
【0072】
次のステップＳ２０１で、サーバシステム２において、ドメイン解析部２３０は、ステップＳ２００の通信処理で受信されたセンサ情報を取得し、次のステップＳ２０２で、ステップＳ２０１で取得されたセンサ情報を解析して、当該センサ情報に関連するドメインを求める。
【0073】
次のステップＳ２０３ｓｔは、ステップＳ２０３ｅｄとの間で、ステップＳ２００の通信処理で取得された全てのセンサ情報について実行することを示すループ処理の開始を示している。次のステップＳ２０４ｓｔは、ステップＳ２０４ｅｄとの間で、各センサ情報の全ての適用先、すなわち各ドメイン変換先について実行することを示すループ処理の開始を示している。
【0074】
ステップＳ２０５で、サーバシステム２において、ドメイン解析部２３０は、変換先として対象のドメインについて、対象のセンサ情報から求められたドメインからの変換経路を算出する。次のステップＳ２０６で、サーバシステム２において、ドメイン評価部２３１は、ステップＳ２０５で算出されたドメインの変換経路に対して、上述した式（１）に従い評価値Ｅｖを算出する。
【0075】
次のステップＳ２０７で、学習データ判定部２３２は、ステップＳ２０６で算出された評価値Ｅｖが閾値を超えたか否かを判定する。
【0076】
学習データ判定部２３２は、ステップＳ２０７で、評価値Ｅｖがしきい値を超えたと判定した場合（ステップＳ２０７、「Ｙｅｓ」）、処理をステップＳ２０８に移行する。ステップＳ２０８で、サーバシステム２において学習データ蓄積部２０１は、適用先の学習データの蓄積処理を実行する。すなわち、ステップＳ２０８で、学習データ蓄積部２０１は、対象のセンサ情報を、ステップＳ２０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積する。
【0077】
ステップＳ２０８の処理の後、サーバシステム２は、処理をステップＳ２０４ｅｄからステップＳ２０４ｓｔに戻し、各ドメインのうち次のドメインを変換先の対象のドメインとして、ステップＳ２０５～ステップＳ２０７の処理が実行される。
【0078】
一方、学習データ判定部２３２は、ステップＳ２０７で、評価値Ｅｖが閾値以下であると判定した場合（ステップＳ２０７、「Ｎｏ」）、処理をステップＳ２０４ｅｄからステップＳ２０４ｓｔに戻す。
【0079】
対象のセンサ情報について、各ドメインに対するステップＳ２０４ｓｔ～ステップＳ２０４ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ２０３ｅｄからステップＳ２０３ｓｔに戻し、ステップＳ２００の通信処理で取得された各センサ情報のうち次のセンサ情報を対象のセンサ情報として、ステップＳ２０３ｓｔ～ステップＳ２０３ｅｄの処理を繰り返す。
【0080】
各センサ情報に対するステップＳ２０３ｓｔ～ステップＳ２０３ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ２０９に移行させる。ステップＳ２０９で、サーバシステム２は、学習部２０２により、上述までの処理により学習データ蓄積部２０１に蓄積された各センサ情報を学習データとして用いて、それぞれ対応する認識器２１０の再学習処理を行う。ステップＳ２０８の処理が終了すると、サーバシステム２は、処理をステップＳ２１０に移行させ、学習結果利用部２０３により、ステップＳ２０９で再学習された各認識器２１０の利用処理を実行する。
【0081】
このように、第１の実施形態の第１の変形例によれば、端末装置１１から送信されたセンサ情報を、センサ情報が取得された際のドメインとは異なるドメインに適用させることができる。これにより、当該センサ情報のより効率的な利用が可能となる。
【0082】
（２－２．第２の変形例）
次に、第１の実施形態の第２の変形例について説明する。第１の実施形態の第２の変形例は、認識器の指定をサーバシステム２にて行う場合において、サーバシステム２は、サーバシステム２が有する複数の認識器２１０から、端末装置１１から送信されたセンサ情報が有する画像データに含まれるオブジェクトに応じて、当該センサ情報を学習データとして適用する認識器に指定する。なお、第１の実施形態の第２の変形例では、図５を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
次に、第１の実施形態の第２の変形例について説明する。第１の実施形態の第２の変形例は、認識器の指定をサーバシステム２にて行う場合において、サーバシステム２は、サーバシステム２が有する複数の認識器２１０から、端末装置１１から送信されたセンサ情報が有する画像データに含まれるオブジェクトに応じて、当該センサ情報を学習データとして適用する認識器に指定する。なお、第１の実施形態の第２の変形例では、図５を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
【0083】
図１０は、第１の実施形態の第２の変形例に係るサーバシステム２の機能を説明するための一例の機能ブロック図である。第１の実施形態の第２の変形例では、図１０に示すように、図２に示した端末装置１１側の学習データ適用判定部１０８を用いず、サーバシステム２側の学習データ適用判定部２２ｃを用いる。また、学習データ適用判定部２２ｃは、上述した第１の実施形態の学習データ適用判定部２２ａの構成とは異なり、センシング解析部２４０および学習データ判定部２４１を含む。
【0084】
図１０において、センシング解析部２４０は、通信部２００により受信されたセンサ情報に含まれる画像データを解析する。学習データ判定部２４１は、センシング解析部２４０により解析された情報に基づき、複数の認識器２１０のうち当該センサ情報を適用可能な認識器２１０を指定する。
【0085】
より具体的に説明する。第１の実施形態の第２の変形例では、端末装置１１から送信されたセンサ情報に含まれる画像データを解析し、当該画像データに含まれるオブジェクトや物体クラスを求める。そして、求めたオブジェクトや物体クラス毎に、データベースを用いて、当該センサ情報を学習データとして適用可能か否かを探索する。データベースの内容としては、適用候補の認識器と対象物とのペアを適用することができる。この場合、データベースの内容は、適用可能な対象が列挙されたポジティブリストに限らず、ネガティブリスト（適用不可の対象物の列挙）でもよいし、ポジティブリストとネガティブリストとの組み合わせでもよい。
【0086】
第１の実施形態の第２の変形例に適用可能な認識器に対するデータベースの例として、例えば下記が考えられる。
・標識認識器：日本国内で利用する場合、他国標識のネガティブリスト
・歩行者検出器：日本国内で利用する場合、歩行者のポジティブリスト
・標識認識器：日本国内で利用する場合、他国標識のネガティブリスト
・歩行者検出器：日本国内で利用する場合、歩行者のポジティブリスト
【0087】
【0088】
センシング解析部２４０は、この画像５０を解析して各オブジェクト（歩行者５１、交通道路標識５２および車両５３）を検出する。ここで、日本国内で利用する認識器に対し、検出された歩行者５１および交通道路標識５２がアメリカのものであった場合について考える。学習データ判定部２４１は、センシング解析部２４０の解析結果に基づき、画像５０に他国標識が存在するため、標識認識器を当該センサ情報に適用する認識器として非選択とする。一方、画像５０に歩行者が存在するため、歩行者検出器を当該センサ情報に適用する認識器として選択する。
【0089】
図１２は、第１の実施形態の第２の変形例に係るサーバシステム２における処理を示す一例のフローチャートである。最初のステップＳ３００で、サーバシステム２は、通信部２００により通信処理を行い、端末装置１１からネットワーク１を介して送信されたセンサ情報を受信する。このステップＳ３００の処理は、複数の端末装置１１のそれぞれから送信された各センサ情報を受信する処理を含む。
【0090】
次のステップＳ３０１で、サーバシステム２において、センシング解析部２４０は、ステップＳ３００の通信処理で受信されたセンサ情報を取得し、次のステップＳ３０２で、ステップＳ３０１で取得されたセンサ情報を解析して、当該センサ情報が有する画像データに含まれるオブジェクトや物体クラスを求める。以下、画像データから解析されるオブジェクトおよび物体クラスのうち、オブジェクトを例にとって説明を行う。
【0091】
次のステップＳ３０３ｓｔは、ステップＳ３０３ｅｄとの間で、ステップＳ３００の通信処理で取得された全てのセンサ情報について実行することを示すループ処理の開始を示している。次のステップＳ３０４ｓｔは、ステップＳ３０４ｅｄとの間で、各センサ情報の全ての適用先、すなわち各認識器２１０について実行することを示すループ処理の開始を示している。
【0092】
ステップＳ３０５で、サーバシステム２において、学習データ判定部２４１は、ステップＳ３０２で対象のセンサ情報が有する画像データに含まれる各オブジェクトに基づき、当該センサ情報が、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。
【0093】
学習データ判定部２４１は、ステップＳ３０６で、対象のセンサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ３０６、「Ｙｅｓ」）、処理をステップＳ３０７に移行させる。ステップＳ３０７で、サーバシステム２において学習データ蓄積部２０１は、適用先の学習データの蓄積処理を実行する。すなわち、ステップＳ３０７で、学習データ蓄積部２０１は、対象のセンサ情報を、ステップＳ３０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積する。
【0094】
ステップＳ３０７の処理の後、サーバシステム２は、処理をステップＳ３０４ｅｄからステップＳ３０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ３０５およびステップＳ３０６の処理が実行される。
【0095】
一方、学習データ判定部２３２は、ステップＳ３０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ３０６、「Ｎｏ」）、処理をステップＳ３０４ｅｄからステップＳ３０４ｓｔに戻す。
【0096】
対象のセンサ情報について、各認識器２１０に対するステップＳ３０４ｓｔ～ステップＳ３０４ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ３０３ｅｄからステップＳ３０３ｓｔに戻し、ステップＳ３００の通信処理で取得された各センサ情報のうち次のセンサ情報を対象のセンサ情報として、ステップＳ３０３ｓｔ～ステップＳ３０３ｅｄの処理を繰り返す。
【0097】
各センサ情報に対するステップＳ３０３ｓｔ～ステップＳ３０３ｅｄの処理が終了すると、サーバシステム２は、処理をステップＳ３０８に移行させる。ステップＳ３０８で、サーバシステム２は、学習部２０２により、上述までの処理により学習データ蓄積部２０１に蓄積された各センサ情報を学習データとして用いて、それぞれ対応する認識器２１０の再学習処理を行う。ステップＳ３０８の処理が終了すると、サーバシステム２は、処理をステップＳ３０９に移行させ、学習結果利用部２０３により、ステップＳ３０８で再学習された各認識器２１０の利用処理を実行する。
【0098】
このように、第１の実施形態の第２の変形例では、端末装置１１から送信されたセンサ情報が有する画像データに含まれるオブジェクトや物体クラスに基づき、当該センサ情報を適用可能な認識器２１０を選択している。そのため、当該センサ情報のより効率的な利用が可能となる。
【0099】
［３．第２の実施形態］
次に、本開示の第２の実施形態について説明する。上述した第１の実施形態およびその各変形例では、端末装置１１から送信されたセンサ情報を適用させる認識器２１０を、サーバシステム２側で指定していた。これに対して、第２の実施形態では、端末装置１１が、送信するセンサ情報を適用する認識器２１０を指定する。さらに、第２の実施形態では、端末装置１１は、取得したセンサ情報をサーバシステム２に送信するか否かを判定する。
次に、本開示の第２の実施形態について説明する。上述した第１の実施形態およびその各変形例では、端末装置１１から送信されたセンサ情報を適用させる認識器２１０を、サーバシステム２側で指定していた。これに対して、第２の実施形態では、端末装置１１が、送信するセンサ情報を適用する認識器２１０を指定する。さらに、第２の実施形態では、端末装置１１は、取得したセンサ情報をサーバシステム２に送信するか否かを判定する。
【0100】
図１３は、第２の実施形態に係る運転支援システムの一例の構成を示すブロック図である。図１３に示される運転支援システムでは、端末装置１１において図２に示した学習データ適用判定部１０８を用いる。この場合、例えば、サーバシステム２側の学習データ適用判定部２２は、サーバシステム２が有する認識器２１０を示す情報を、端末装置１１側の学習データ適用判定部１０８に送信する。また、第２の実施形態および後述する各変形例においては、図中に塗り潰しを用いて示すように、送信判定部１０７ａが中心的な役割を果たす。
【0101】
学習データ適用判定部１０８は、例えば上述した第１の実施形態と同様にして、カメラ１２から取得されたセンサ情報が有するメタデータに基づき、当該センサ情報を、サーバシステム２が有する認識器２１０のうち何れに適用させるかを判定する。送信判定部１０７ａは、サーバシステム２送信するセンサ情報に対して、学習データ適用判定部１０８により当該センサ情報を適用すると判定された認識器２１０を示す情報を付加して、サーバシステム２に送信する。このとき、送信判定部１０７ａは、例えばセンサ情報に含まれるメタデータなどに基づき、当該センサ情報をサーバシステム２に送信するか否かを判定する。これにより、センサ情報の効率的な利用が可能となると共に、センサ情報を送信するための通信コストを抑制することが可能である。
【0102】
図１４は、第２の実施形態に係る端末装置１１の機能を説明するための一例の機能ブロック図である。図１４において、端末装置１１は、撮像部３００と、認識部１０１と、認識結果利用部３０１と、学習データ適用判定部１０８ａと、送信判定部１０７ａと、通信部１１０と、を含む。これら撮像部３００、認識部１０１、学習データ適用判定部１０８ａ、送信判定部１０７ａおよび通信部１１０は、ＣＰＵ１００１上で動作する情報処理プログラムにより実現される。
【0103】
撮像部３００は、カメラ１２を制御して撮像画像による画像データと、撮像に係るメタデータとを取得する。撮像部３００は、取得した画像データおよびメタデータを、センサ情報として出力する。認識部１０１は、例えばサーバシステム２からネットワーク１を介して取得した認識器２１０を用いて、撮像部３００から出力されたセンサ情報に含まれる画像データに対して、物体認識処理を実行する。認識結果利用部３０１は、例えばこの端末装置１１が搭載される車両１０の制御システムの含まれ、物体認識処理の結果に応じて障害物回避などの制御を行う。
【0104】
メタデータ解析部２５０および学習データ判定部２２２は、例えば第１の実施形態で説明したメタデータ解析部２２１および学習データ判定部２２２と同等の機能を有する。例えば、メタデータ解析部２５０は、センサ情報からメタデータを抽出し、抽出されたメタデータを解析する。学習データ判定部２５１は、メタデータの解析結果に基づき、サーバシステム２が有する複数の認識器２１０のうち当該センサ情報を適用可能な認識器２１０を指定する。
【0105】
送信判定部１０７ａは、撮像部３００で取得されたセンサ情報をサーバシステム２に送信するか否かを判定する。例えば、送信判定部１０７ａは、センサ情報を送信するか否かを、当該センサ情報に基づき判定する。これに限らず、送信判定部１０７ａは、センサ情報を送信するか否かを、当該センサ情報に基づく認識部１０１の認識結果に応じて判定することもできる。
【0106】
通信部１１０は、送信判定部１０７ａで送信を行うと判定されたセンサ情報を、ネットワーク１を介してサーバシステム２に送信する。
【0107】
図１５は、第２の実施形態に係る端末装置１１における処理を示す一例のフローチャートである。最初のステップＳ４００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を受信する。
【0108】
次のステップＳ４０１で、端末装置１１は、認識部１０１により、ステップＳ４００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ４０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0109】
次のステップＳ４０３で、メタデータ解析部２５０により、ステップＳ４００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。
【0110】
次のステップＳ４０４ｓｔは、ステップＳ４０４ｅｄとの間で、センサ情報の全ての適用先、すなわちサーバシステム２が有する各認識器２１０について実行することを示すループ処理の開始を示している。
【0111】
ステップＳ４０５で、端末装置１１は、学習データ判定部２５１により、メタデータ適用判定処理が実行される。すなわち、ステップＳ４０５で、学習データ判定部２５１は、ステップＳ４００の撮像処理で取得されたセンサ情報について、メタデータに基づき、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。ここで、学習データ判定部２５１は、第１の実施形態で説明した判定方法を適用できる。すなわち学習データ判定部２５１は、センサ情報に対して、当該センサ情報に含まれる画像データの撮像時のシーンを、所定のルールや学習に基づき判定し、例えば判定されたシーン毎に、当該センサ情報を学習データとして適用する認識器２１０を指定する。
【0112】
次のステップＳ４０６で、学習データ判定部２５１は、当該センサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ４０６、「Ｙｅｓ」）、処理をステップＳ４０７に移行させる。ステップＳ４０７で、端末装置１１は、蓄積判定部１０３により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ４０７で、蓄積判定部１０３は、当該センサ情報を、ステップＳ４０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積するよう判定する。蓄積部１０４は、この判定に従い、当該センサ情報を、記憶部１０５に記憶、蓄積する。
【0113】
ステップＳ４０７の処理の後、端末装置１１は、処理をステップＳ４０４ｅｄからステップＳ４０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ４０５～ステップＳ４０７の処理が実行される。
【0114】
一方、ステップＳ４０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ４０６、「Ｎｏ」）、処理をステップＳ４０４ｅｄからステップＳ４０４ｓｔに戻す。
【0115】
当該センサ情報について、各認識器２１０に対するステップＳ４０４ｓｔ～ステップＳ４０４ｅｄの処理が終了すると、端末装置１１は、処理をステップＳ４０８に移行させる。ステップＳ４０８で、端末装置１１は、送信判定部１０７ａにより、ステップＳ４０４ｓｔ～ステップＳ４０４ｅｄの処理で当該センサ情報の適用先として判定された認識器２１０の数が、十分であるか（例えば、閾値を超えたか）否かを判定する。送信判定部１０７ａは、当該センサ情報の適用先として判定された認識器２１０の数が十分ではないと判定した場合、当該センサ情報をサーバシステム２に送信せずに、この図１５のフローチャートによる一連の処理を終了させる。
【0116】
一方、送信判定部１０７ａは、ステップＳ４０８で、当該センサ情報の適用先として判定された認識器２１０の数が十分であると判定した場合、処理をステップＳ４０９に移行させる。送信判定部１０７ａは、ステップＳ４０９で、当該センサ情報の送信処理を行う。送信判定部１０７ａは、例えば、ステップＳ４０７において記憶部１０５に記憶されたセンサ情報に対して、ステップＳ４０４ｓｔ～ステップＳ４０４ｅｄの処理により適用可能であると判定された各認識器２１０を示す情報を付加する。
【0117】
次のステップＳ４１０で、各認識器２１０を示す情報が付加されたセンサ情報が記憶部１０５から読み出され、通信部１１０により、ネットワーク１を介してサーバシステム２に送信される。サーバシステム２は、端末装置１１から送信された当該センサ情報を、当該センサ情報に付加された各認識器２１０を示す情報に基づき、これら各認識器２１０の再学習を行う学習データとして、各認識器２１０に関連付けて、記憶部２０に記憶する。
【0118】
このように、第２の実施形態では、カメラ１２から出力された、撮像画像による画像データとメタデータとを含むセンサ情報について、メタデータに基づき、サーバシステム２が有する各認識器２１０に適用可能か否かを判定する。そのため、端末装置１１は、カメラ１２により取得されたセンサ情報を、端末装置１１が当該センサ情報に対して用いる認識器とは異なる認識機に対しても、学習データとして適用することができ、センサ情報を学習データとしてより効率的に利用可能である。また、端末装置１１は、送信判定部１０７ａにより、例えばセンサ情報に含まれるメタデータなどに基づき、当該センサ情報をサーバシステム２に送信するか否かを判定する。これにより、センサ情報を送信するための通信コストの抑制も可能である。
【0119】
なお、上述では、送信判定部１０７ａは、センサ情報が有するメタデータに基づき、当該センサ情報をサーバシステム２に送信するか否かを判定したが、これはこの例に限定されない。送信判定部１０７ａは、例えば、認識部１０１による当該センサ情報含まれる画像データに対する認識結果に含まれる認識スコアに基づき、当該センサ情報をサーバシステム２に送信するか否かを判定してもよい。この場合、例えば、送信判定部１０７ａは、認識スコアが所定値以下の場合に、当該センサ情報をサーバシステム２に送信することが考えられる。サーバシステム２において、このような低い認識スコアのセンサ情報に基づき学習を行うことで、認識性能をより向上させることができる。
【0120】
（３－１．第１の変形例）
次に、第２の実施形態の第１の変形例について説明する。第２の実施形態の第１の変形例は、端末装置１１が、取得したセンサ情報をサーバシステム２に送信するか否かを、当該センサ情報の即時性に基づき判定する例である。なお、第２の実施形態の第１の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
次に、第２の実施形態の第１の変形例について説明する。第２の実施形態の第１の変形例は、端末装置１１が、取得したセンサ情報をサーバシステム２に送信するか否かを、当該センサ情報の即時性に基づき判定する例である。なお、第２の実施形態の第１の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
【0121】
より具体的に説明する。カメラ１２により取得されたセンサ情報には、時定数のオーダーが大幅に異なる情報が同時に含まれることがある。一例として、センサ情報のメタデータに含まれるレンズ経年劣化補正の情報と、画像データに基づきなされる歩行者認識処理とでは、その情報が発生してから対応が必要になるまでの時間が大幅に異なる。そこで、第２の実施形態の第１の変形例では、対象のセンサ情報について、使用目的毎の即時送信の必要性を求め、即時に必要なセンサ情報を優先させてサーバシステム２送信する。即時性が少ないセンサ情報は蓄積し、取得の時点では送信しない。
【0122】
図１６は、第２の実施形態の第１の変形例に係る端末装置１１の機能を説明するための一例の機能ブロック図である。図１６において、端末装置１１は、図１４を用いて説明した第２の実施形態に係る端末装置１１の構成に対して、学習データ適用判定部１０８ａと、送信判定部１０７ａとの間に、学習データ即時性算出部１５２と、学習データ即時性判定部１５３と、が挿入されている。
【0123】
学習データ即時性算出部１５１は、学習データ判定部２５１で認識器２１０に対する適用が指定されたセンサ情報の即時性を算出する。例えば、学習データ即時性算出部１５１は、当該センサ情報に対して学習データ判定部２５１で適用が指定された認識器２１０の使用目的に応じて、当該センサ情報の即時性を算出する。学習データ即時性判定部１５３は、算出された即時性に応じて、当該センサ情報の即時性を判定する。
【0124】
上述の例では、当該認識器２１０がレンズ経年変化補正に関する認識を行うものであり、認識内容の変化のスパンが長い場合、学習データ即時性算出部１５２は、例えば当該センサ情報のメタデータに基づき次の補正のタイミングを求め、このタイミングと現在の時刻との差分を算出する。学習データ即時性判定部１５３は、この算出された差分が閾値より長い場合、当該センサ情報は即時性が低いと判定する。上述の別の例では、当該認識器２１０が歩行者認識を行うものである場合、学習データ即時性判定部１５３は、当該センサ情報の即時性が高いと判定する。
【0125】
送信判定部１０７ｂは、学習データ即時性判定部１５３で判定された即時性に応じて、当該センサ情報をサーバシステム２に送信するか否かを判定する。すなわち、送信判定部１０７ｂは、即時性が高いと判定されたセンサ情報は、その時点でサーバシステム２に送信すると判定する。一方。送信判定部１０７ｂは、即時性が低いと判定されたセンサ情報は、その時点で送信する必要がないとして、例えば蓄積部１０４により記憶部１０５に蓄積する。
【0126】
通信部１１０は、送信判定部１０７ｂにより送信を行うと判定されたセンサ情報を、直ちにサーバシステム２に送信する。
【0127】
図１７は、第２の実施形態の第１の変形例に係る端末装置１１における処理を示す一例のフローチャートである。最初のステップＳ５００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を取得する。
【0128】
次のステップＳ５０１で、端末装置１１は、認識部１０１により、ステップＳ５００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ５０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0129】
次のステップＳ５０３で、メタデータ解析部２５０により、ステップＳ５００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。
【0130】
次のステップＳ５０４ｓｔは、ステップＳ５０４ｅｄとの間で、センサ情報の全ての適用先、すなわちサーバシステム２が有する各認識器２１０について実行することを示すループ処理の開始を示している。
【0131】
ステップＳ５０５で、端末装置１１は、学習データ判定部２５１により、メタデータ適用判定処理が実行される。すなわち、ステップＳ５０５で、学習データ判定部２５１は、ステップＳ５００の撮像処理で取得されたセンサ情報について、メタデータに基づき、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。ここで、学習データ判定部２５１は、第１の実施形態で説明した判定方法を適用できる。すなわち学習データ判定部２５１は、センサ情報に対して、当該センサ情報に含まれる画像データの撮像時のシーンを、所定のルールや学習に基づき判定し、例えば判定されたシーン毎に、当該センサ情報を学習データとして適用する認識器２１０を指定する。
【0132】
次のステップＳ５０６で、学習データ判定部２５１は、当該センサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ５０６、「Ｙｅｓ」）、処理をステップＳ５０７に移行させる。ステップＳ５０７で、端末装置１１は、蓄積判定部１０３により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ５０７で、蓄積判定部１０３は、当該センサ情報を、ステップＳ５０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積するよう判定する。蓄積部１０４は、この判定に従い、当該センサ情報を、記憶部１０５に記憶、蓄積する。
【0133】
ステップＳ５０７の処理の後、端末装置１１は、処理をステップＳ５０４ｅｄからステップＳ５０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ５０５～ステップＳ５０７の処理が実行される。
【0134】
一方、ステップＳ５０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ５０６、「Ｎｏ」）、処理をステップＳ５０４ｅｄからステップＳ５０４ｓｔに戻す。
【0135】
当該センサ情報について、各認識器２１０に対するステップＳ５０４ｓｔ～ステップＳ５０４ｅｄの処理が終了すると、端末装置１１は、処理をステップＳ５０８に移行させる。ステップＳ５０８で、端末装置１１は、学習データ即時性算出部１５２により当該センサ情報の即時性を算出し、次のステップＳ５０９で、学習データ即時性判定部１５３により当該センサ情報の即時性を判定する。
【0136】
次のステップＳ５１０で、端末装置１１は、送信判定部１０７ｂにより、ステップＳ５０９で判定された即時性に基づき、当該センサ情報をサーバシステム２に送信するか否かを判定する。送信判定部１０７ｂは、当該センサ情報の即時性が低いと判定されている場合、当該センサ情報をサーバシステム２に送信しないと判定し（ステップＳ５１０、「Ｎｏ」）、この図１７のフローチャートの一連の処理を終了させる。
【0137】
一方、ステップＳ５１０で、送信判定部１０７ｂは、当該センサ情報の即時性が高いと判定されている場合、当該センサ情報をサーバシステム２に送信すると判定し（ステップＳ５１０、「Ｙｅｓ」）、処理をステップＳ５１１に移行させる。送信判定部１０７ｂは、ステップＳ５１１で、当該センサ情報の送信処理を行う。送信判定部１０７ｂは、例えば、当該センサ情報に対して、ステップＳ５０４ｓｔ～ステップＳ５０４ｅｄの処理により適用可能であると判定された認識器２１０を示す情報を付加する。
【0138】
次のステップＳ５１２で、各認識器２１０を示す情報が付加されたセンサ情報が、通信部１１０により、ネットワーク１を介してサーバシステム２に送信される。サーバシステム２は、端末装置１１から送信された当該センサ情報を、当該センサ情報に付加された認識器２１０を示す情報に基づき、当該認識器２１０の再学習を行う学習データとして、当該認識器２１０に関連付けて、記憶部２０に記憶する。
【0139】
このように、第２の実施形態の第１の変形例では、センサ情報の即時性に基づき、当該センサ情報をサーバシステム２に送信するか否かを判定している。そのため、センサ情報を送信するための通信コストの抑制が可能である。
【0140】
（３－２．第２の変形例）
次に、第２の実施形態の第２の変形例について説明する。第２の実施形態の第２の変形例は、端末装置１１が、取得したセンサ情報をサーバシステム２に送信するか否かを、当該センサ情報の希少性に基づき判定する例である。なお、第２の実施形態の第２の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
次に、第２の実施形態の第２の変形例について説明する。第２の実施形態の第２の変形例は、端末装置１１が、取得したセンサ情報をサーバシステム２に送信するか否かを、当該センサ情報の希少性に基づき判定する例である。なお、第２の実施形態の第２の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
【0141】
より具体的に説明する。カメラ１２により取得されたセンサ情報には、希少性があり早期に収集する必要があるものが存在する。例えば、新規に導入された道路や交通システムに関するセンサ情報は、可能な限り早期に学習データに反映させることが好ましい。このようなセンサ情報の収集のためには、早期に収集すべき状況が発生する領域を、事前に、あるいは、Ｖ２Ｘなどの通信により随時に設定し、当該領域内で取得されたセンサ情報は、サーバシステム２に送信すべき情報であると判定する。
【0142】
図１８は、第２の実施形態の第２の変形例に係る端末装置１１の機能を説明するための一例の機能ブロック図である。図１８において、端末装置１１は、図１４を用いて説明した第２の実施形態に係る端末装置１１の構成に対して、学習データ適用判定部１０８ａが省略され、希少性解析部３１０と、希少性判定部３１１と、が追加されている。
【0143】
撮像部３００により取得されたセンサ情報は、認識部１０１を介して送信判定部１０７ｅに入力される。一方、希少性解析部３１０は、カメラ１２により撮像される範囲における事象の希少性を解析する。希少性判定部３１１は、希少性解析部３１０で解析された事象の希少性を判定する。
【0144】
例えば、希少性解析部３１０は、外部との通信や、ユーザ設定などにより、希少性のある事象を含む領域を設定する処理を行う。さらに、希少性解析部３１０は、例えば端末装置１１が備えるＧＮＳＳ受信機１００７から現在の位置を示す位置情報を取得する。希少性判定部３１１は、希少性解析部３１０の解析結果に基づき、カメラ１２かにより撮像される撮像範囲が設定された領域を含むか否かを判定する。例えば、希少性判定部３１１は、希少性解析部３１０に取得された現在の位置を示す位置情報と、設定された領域とに基づき、取得された位置情報が設定された領域に対応する場合に、カメラ１２から取得されるセンサ情報に希少性があると判定する。
【0145】
送信判定部１０７ｃは、希少性判定部３１１の判定結果に従い、カメラ１２から取得されたセンサ情報をサーバシステム２送信するか否かを判定する。通信部１１０は、送信判定部１０７ｃにより送信すると判定されたセンサ情報を、ネットワーク１を介してサーバシステム２に送信する。
【0146】
図１９は、第２の実施形態の第２の変形例に係る端末装置１１における処理を示す一例のフローチャートである。最初のステップＳ６００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を受信する。
【0147】
次のステップＳ６０１で、端末装置１１は、認識部１０１により、ステップＳ６００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ６０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0148】
次のステップＳ６０３で、希少性解析部３１０は、設定されたステップＳ６００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。次のステップＳ６０４で、希少性解析部３１０は、希少性の解析を行う。例えば、希少性解析部３１０は、現在の位置を示す位置情報と、設定された領域の情報とを取得する。
【0149】
次のステップＳ６０５で、希少性判定部３１１は、ステップＳ６０４での解析結果に基づき、当該センサ情報を希少性のあるセンサ情報を用いて学習した認識器２１０に適用可能か否かを判定する。例えば、希少性判定部３１１は、現在の位置を示す位置情報と、設定された領域を示す情報とに基づき、現在の位置が当該領域に対応する位置である場合に、カメラ１２から取得されたセンサ情報が希少性のあるセンサ情報であると判定できる。
【0150】
次のステップＳ６０６で、希少性判定部３１１は、当該センサ情報が希少性のあるセンサ情報を用いて学習した認識器２１０に適用可能であると判定した場合（ステップＳ６０６、「Ｙｅｓ」）、処理をステップＳ６０７に移行させる。ステップＳ６０７で、端末装置１１は、送信判定部１０７ｃにより、当該センサ情報の送信処理を行う。送信判定部１０７ｃは、例えば、当該センサ情報に対して、希少性がある旨を示す情報を付加する。当該情報が付加されたセンサ情報は、通信部１１０によりネットワーク１を介してサーバシステム２に送信される。
【0151】
一方、ステップＳ６０６で、当該センサ情報が希少性のあるセンサ情報を用いて学習した認識器２１０に適用可能ではないと判定した場合、当該センサ情報をサーバシステム２に送信せずに、この図１９のフローチャートによる一連の処理を終了させる。
【0152】
このように、第２の実施形態の第２の変形例では、センサ情報の希少性に基づき、当該センサ情報をサーバシステム２に送信するか否かを判定している。そのため、センサ情報を送信するための通信コストの抑制が可能である。
【0153】
（３－３．第３の変形例）
次に、第２の実施形態の第３の変形例について説明する。第２の実施形態の第３の変形例は、複数の車両１０から重複するセンサ情報が送信されることを回避可能とした例である。なお、第２の実施形態の第３の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
次に、第２の実施形態の第３の変形例について説明する。第２の実施形態の第３の変形例は、複数の車両１０から重複するセンサ情報が送信されることを回避可能とした例である。なお、第２の実施形態の第３の変形例では、図１３を用いて説明した第１の実施形態に係る運転支援システムの構成を適用できる。
【0154】
すなわち、センサ情報の送信機能を有する複数の車両１０が、例えば比較的近接して存在する場合、これら複数の車両１０から、同じようなセンサ情報が複数、サーバシステム２に対して送信されてしまうおそれがある。そのため、第２の実施形態の第３の変形例では、近接して存在する複数の車両１０がそれぞれ異なるデータをサーバシステム２に対して送信可能とする。より具体的には、第２の実施形態の第３の変形例では、注目する車両１０（以下、注目車両）は、周囲の車両１０との間で、各々送信するセンサ情報のメタデータの送受信を行い、既に他の車両１０が送信したセンサ情報に類似したセンサ情報を当該注目車両から送信しないようにする。
【0155】
図２０は、第２の実施形態の第３の変形例に係る端末装置１１の機能を説明するための一例の機能ブロック図である。図２０において、注目車両の端末装置１１は、撮像部３００と、認識部１０１と、認識結果利用部３０１と、送信判定部１０７ｄと、通信部１１０ａと、他車データ蓄積部３２０と、記憶部３２１と、を含む。また、注目車両に対して他の車両１０1、１０2、１０3、…は、それぞれ撮像部３００と、認識部１０１と、認識結果利用部３０１と、送信判定部１０７と、通信部１１０と、を含んでいる。これに限らず、他の車両１０1、１０2、１０3、…それぞれも、注目車両と同様の構成を有していてもよい。
【0156】
撮像部３００、認識部１０１および認識結果利用部３０１は、例えば図１４に示す撮像部３００、認識部１０１および認識結果利用部３０１と同等の機能を有するため、ここでの説明を省略する。
【0157】
図２０において、通信部１１０ａは、他の車両１０1、１０2、１０3、…の通信部１１０と通信を行い、他の車両１０1、１０2、１０3、…が既にサーバシステム２に送信したセンサ情報を示す情報を取得する。
【0158】
例えば、注目車両において、認識部１０１は、カメラ１２から取得されたセンサ情報に含まれる画像データに対して物体認識処理を行い、認識結果を送信判定部１０７ｄに渡す。同様に、各車両１０1、１０2、１０3、…においても、認識部１０１は、カメラ１２から取得されたセンサ情報に含まれる画像データに対して物体認識処理を行い、認識結果をそれぞれの送信判定部１０７ｄに渡す。
【0159】
通信部１１０ａは、各車両１０1、１０2、１０3、…と通信を行い、各車両１０1、１０2、１０3、…に対して送信するセンサ情報を示す情報を要求する。各車両１０1、１０2、１０3、…の各送信判定部１０７は、この要求に応じて、例えば、センサ情報に含まれるメタデータと、認識結果と、を注目車両にネットワーク１を介して送信する。
【0160】
注目車両に搭載される端末装置１１において、通信部１１０ａは、各車両１０1、１０2、１０3、…から受信したメタデータおよび認識結果を他車データ蓄積部３２０に渡す。他車データ蓄積部３２０は、渡された各メタデータおよび認識結果を記憶部３２１に蓄積する。
【0161】
送信判定部１０７ｄは、認識部１０１から渡された認識結果と、センサ情報に含まれるメタデータと、に基づき、記憶部３２１に、当該認識結果およびメタデータに対応する、既に送信されたデータが蓄積されているか否かを判定する。送信判定部１０７ｄは、蓄積されていなければ、当該認識結果およびメタデータを通信部１１０ａによりサーバシステム２に送信する。一方、蓄積されていれば、当該認識結果およびメタデータの送信は行わない。
【0162】
このように、複数の車両１０間で重複するセンサ情報が送信されることを回避することで、通信コストを削減することができる。
【0163】
図２１は、第２の実施形態の第３の変形例に係る端末装置１１における処理を示す一例のフローチャートである。なお、図２１において、セクション（ａ）に示されるステップＳ７００～ステップＳ７０９の処理と、セクション（ｂ）に示されるステップＳ７２０～ステップＳ７２１の処理は、例えば別スレッドにより互いに独立して動作する処理である。また、これらセクション（ａ）およびセクション（ｂ）の処理は、注目車両に搭載される端末装置１１により実行される処理である。
【0164】
先ず、セクション（ｂ）の処理について説明する。ステップＳ７２０で、通信部１１０ａは、他車送信情報を受信するための受信処理を行う。例えば、通信部１１０ａは、他の車両１０1、１０2、１０3、…それぞれに対して、送信済みのセンサ情報のメタデータと、当該センサ情報に基づく認識結果とを要求する。次のステップＳ７２１で、通信部１１０ａは、ステップＳ７２０での要求に応じた他車送信情報を他車データ蓄積部３２０により記憶部３２１に蓄積する蓄積処理を行う。例えば、通信部１１０ａは、ステップＳ７２０の要求に応じて他の車両１０1、１０2、１０3、…から送信されたメタデータおよび認識結果の組を受信し、受信したメタデータおよび認識結果の組を他車データ蓄積部３２０に渡す。他車データ蓄積部３２０は、通信部１１０ａから渡されたメタデータおよび認識結果の組を記憶部３２１に記憶し蓄積する。
【0165】
このセクション（ｂ）のステップＳ７２０およびステップＳ７２１の処理は、随時、実行される。
【0166】
次に、セクション（ａ）の処理について説明する。最初のステップＳ７００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を取得する。
【0167】
次のステップＳ７０１で、端末装置１１は、認識部１０１により、ステップＳ７００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ７０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。また、認識部１０１は、認識結果と、当該センサ情報が有するメタデータとを送信判定部１０７ｄに渡す。
【0168】
次のステップＳ７０３ｓｔは、ステップＳ７０３ｅｄとの間で、セクション（ｂ）のステップＳ７２１により記憶部３２１に蓄積された全ての他車データ（認識結果およびメタデータ）について実行することを示すループ処理の開始を示している。
【0169】
ステップＳ７０４で、送信判定部１０７ｄは、他車データ蓄積部３２０に対して記憶部３２１に蓄積されたメタデータおよび認識結果の組を１つ、読み出すように要求し、この要求に応じて記憶部３２１から読み出されたメタデータおよび認識結果の組を取得する。
【0170】
次のステップＳ７０５で、送信判定部１０７ｄは、ステップＳ７０４で記憶部３２１から読みだしたメタデータおよび認識結果の組が、ステップＳ７０２で認識部１０１から渡されたメタデータおよび認識結果の組と近いデータであるか否かを判定する。送信判定部１０７ｄは、例えば、それぞれの認識結果の類似度を求め、求めた類似度が閾値以下であれば、記憶部３２１から読みだしたメタデータおよび認識結果の組と、認識部１０１から渡されたメタデータおよび認識結果の組と、が近いデータであると判定できる。これに限らず、それぞれのメタデータを比較して、この判定を行ってもよい。
【0171】
送信判定部１０７ｄは、これらが近いデータであると判定した場合（ステップＳ７０６、「Ｙｅｓ」）、処理をステップＳ７０６に移行させ、記憶部３２１から読み出したメタデータおよび認識結果の組に、未送信フラグをセットする。送信判定部１０７ｄは、ステップＳ７０６の処理の後、処理をステップＳ７０３ｅｄからステップＳ７０３ｓｔに戻し、記憶部３２１に蓄積された次のメタデータおよび認識結果の組について、ステップＳ７０４からの処理を実行する。
【0172】
一方、送信判定部１０７ｄは、これらが近いデータではないと判定した場合（ステップＳ７０５、「Ｎｏ」）、処理をステップＳ７０３ｅｄからステップＳ７０３ｓｔに戻し、記憶部３２１に蓄積された次のメタデータおよび認識結果の組について、ステップＳ７０４からの処理を実行する。
【0173】
記憶部３２１に蓄積された全てのメタデータおよび認識結果の組についてステップＳ７０４およびステップＳ７０５の処理が終了すると、送信判定部１０７ｄは、処理をステップＳ７０７に移行させる。
【0174】
ステップＳ７０７で、送信判定部１０７ｄは、記憶部３２１に蓄積された全てのメタデータおよび認識結果の組のうち、ステップＳ７０６で未送信フラグをセットされたメタデータおよび認識結果の組の有無を判定する。送信判定部１０７ｄは、記憶部３２１に蓄積された全てのメタデータおよび認識結果の組に未送信フラグがセットされていないと判定した場合（ステップＳ７０７、「Ｙｅｓ」）、処理をステップＳ７０８に移行させる。
【0175】
ステップＳ７０８で、送信判定部１０７ｄは、ステップＳ７０２で認識部１０１から渡されたメタデータおよび認識結果の組に対応するセンサ情報を通信部１１０ａに渡し、当該センサ情報をサーバシステム２に送信するための送信処理を行う。次のステップＳ７０９で、通信部１１０ａは、送信判定部１０７ｄから渡されたセンサ情報を、サーバシステム２にネットワーク１を介して送信する。
【0176】
一方、ステップＳ７０７で、送信判定部１０７ｄは、記憶部３２１に蓄積された全てのメタデータおよび認識結果の組のうち、ステップＳ７０６で未送信フラグをセットされたメタデータおよび認識結果の組が１つでもあると判定した場合（ステップＳ７０７、「Ｎｏ」）、センサ情報の送信処理を行わずに、図２１におけるセクション（ａ）のフローチャートによる一連の処理を終了させる。
【0177】
このように、第２の実施形態の第３の変形例では、他の車両１０により送信済みのセンサ情報に近いセンサ情報を送信しないようにしているため、センサ情報を送信するための通信コストを削減することができる。
【0178】
［４．第３の実施形態］
次に、第３の実施形態について説明する。第３の実施形態は、上述の第２の実施形態においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
次に、第３の実施形態について説明する。第３の実施形態は、上述の第２の実施形態においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
【0179】
図２２は、第３の実施形態に係る運転支援システムの一例の構成を示すブロック図である。図２２に示される構成は、第２の実施形態において図１３を用いて説明した構成と同等であるが、図２２に塗り潰しを用いて示すように、蓄積判定部１０３、蓄積部１０４および蓄積情報出力部１０６が主要な役割を果たす。
【0180】
すなわち、上述した第２の実施形態などにおいて、送信されかなったセンサ情報も、必要な場合が有り得る。そこで、第３の実施形態では、送信されなかったセンサ情報を蓄積部１０４により記憶部１０５に記憶し蓄積しておく。その後、任意のタイミングで、蓄積情報出力部１０６から、ケーブル接続やＬＡＮ(Local Area Network)などの、インターネット等を介さない直接的な接続により、センサ情報を出力する。
【0181】
図２３は、第３の実施形態に係る端末装置１１の機能を説明するための一例の機能ブロック図である。基本的な構成は、図１４を用いて説明した、第２の実施形態に係る端末装置１１の構成と同様であるため、詳細な説明は省略する。第３の実施形態に係る端末装置１１では、送信判定部１０７ｅは、送信しないと判定したセンサ情報を蓄積部１０４に渡し、蓄積部１０４は当該センサ情報を記憶部１０５に記憶させ蓄積する。蓄積情報出力部１０６は、センサ情報を収集可能な外部装置が接続されると、蓄積部１０４に対して記憶部１０５に蓄積されたセンサ情報を要求し、蓄積部１０４により記憶部１０５から読み出されたセンサ情報を、当該外部装置に出力する。
【0182】
図２４は、第３の実施形態に係る端末装置１１における処理を示す一例のフローチャートである。なお、図２４において、セクション（ｂ）に示されるステップＳ８２０～ステップＳ８２１の処理は、例えば蓄積情報出力部１０６に対して外部装置が接続された際に起動される処理である。
【0183】
先ず、セクション（ａ）の処理について説明する。セクション（ａ）の処理は、図１５を用いて説明した第２の実施形態に係る処理と略同一である。すなわち、最初のステップＳ８００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を受信する。次のステップＳ８０１で、端末装置１１は、認識部１０１により、ステップＳ８００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ８０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0184】
次のステップＳ８０３で、メタデータ解析部２５０により、ステップＳ８００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。
【0185】
次のステップＳ８０４ｓｔは、ステップＳ８０４ｅｄとの間で、センサ情報の全ての適用先、すなわちサーバシステム２が有する各認識器２１０について実行することを示すループ処理の開始を示している。
【0186】
ステップＳ８０５で、端末装置１１は、学習データ判定部２５１により、メタデータ適用判定処理が実行される。すなわち、ステップＳ８０５で、学習データ判定部２５１は、ステップＳ８００の撮像処理で取得されたセンサ情報について、メタデータに基づき、例えば第１の実施形態で説明した判定方法を用いて、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。
【0187】
次のステップＳ８０６で、学習データ判定部２５１は、当該センサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ８０６、「Ｙｅｓ」）、処理をステップＳ８０７に移行させる。ステップＳ８０７で、端末装置１１は、蓄積判定部１０３により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ８０７で、蓄積判定部１０３は、当該センサ情報を、ステップＳ８０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積するよう判定する。蓄積部１０４は、この判定に従い、当該センサ情報を、記憶部１０５に記憶、蓄積する。
【0188】
ステップＳ８０７の処理の後、端末装置１１は、処理をステップＳ８０４ｅｄからステップＳ８０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ８０５～ステップＳ８０７の処理が実行される。
【0189】
一方、ステップＳ８０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ８０６、「Ｎｏ」）、処理をステップＳ８０４ｅｄからステップＳ８０４ｓｔに戻す。
【0190】
当該センサ情報について、各認識器２１０に対するステップＳ８０４ｓｔ～ステップＳ８０４ｅｄの処理が終了すると、端末装置１１は、処理をステップＳ８０８に移行させる。ステップＳ８０８で、端末装置１１は、送信判定部１０７ｅにより、ステップＳ８０４ｓｔ～ステップＳ８０４ｅｄの処理で当該センサ情報の適用先として判定された認識器２１０の数が、十分であるか（例えば、閾値を超えたか）否かを判定する。
【0191】
送信判定部１０７ｅは、当該センサ情報の適用先として判定された認識器２１０の数が十分ではないと判定した場合、処理をステップＳ８１１に移行させる。ステップＳ８１１で、送信判定部１０７ｅは、センサ情報の蓄積処理を行う。例えば、送信判定部１０７ｅは、蓄積部１０４に対して、ステップＳ８０７で記憶部１０５に蓄積されたセンサ情報をそのまま保持するように指示する。蓄積処理が終了されると、この図２４のセクション（ａ）のフローチャートによる一連の処理を終了させる。
【0192】
一方、送信判定部１０７ｅは、ステップＳ８０８で、当該センサ情報の適用先として判定された認識器２１０の数が十分であると判定した場合、処理をステップＳ８０９に移行させる。送信判定部１０７ｅは、ステップＳ８０９で、当該センサ情報の送信処理を行う。送信判定部１０７ｅは、例えば、ステップＳ８０７において記憶部１０５に蓄積されたセンサ情報に対して、ステップＳ８０４ｓｔ～ステップＳ８０４ｅｄの処理により適用可能であると判定された各認識器２１０を示す情報を付加する。
【0193】
次のステップＳ８１０で、各認識器２１０を示す情報が付加されたセンサ情報が記憶部１０５から読み出され、通信部１１０により、ネットワーク１を介してサーバシステム２に送信される。蓄積部１０４は、送信されたセンサ情報を、記憶部１０５から削除する。サーバシステム２は、端末装置１１から送信された当該センサ情報を、当該センサ情報に付加された各認識器２１０を示す情報に基づき、これら各認識器２１０の再学習を行う学習データとして、各認識器２１０に関連付けて、記憶部２０に記憶する。
【0194】
セクション（ｂ）の処理について説明する。蓄積情報出力部１０６は、外部装置がケーブルなどで直接的に接続されると、ステップＳ８２０で、当該外部装置との接続処理を実行する。当該外部装置との接続が確立されると、蓄積情報出力部１０６は、蓄積部１０４に対して、記憶部１０５から、蓄積されたセンサ情報を読み出す指示を出す。蓄積情報出力部１０６は、蓄積部１０４により記憶部１０５から読み出された各センサ情報を、外部装置に送信する。
【0195】
このように、第３の実施形態では、送信判定部１０７ｅによりサーバシステム２に送信されなかったセンサ情報を、任意のタイミングで外部装置に出力することができる。これにより、ネットワーク１による通信コストを掛けずに、センサ情報の効率的な利用が可能となる。
【0196】
（４－１．第１の変形例）
次に、第３の実施形態の第１の変形例について説明する。第３の実施形態の第１の変形例は、上述の第２の実施形態およびその各変形例においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
次に、第３の実施形態の第１の変形例について説明する。第３の実施形態の第１の変形例は、上述の第２の実施形態およびその各変形例においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
【0197】
端末装置１１からネットワーク１を介してサーバシステム２にセンサ情報を送信する際の通信コストは、ネットワーク１に接続するために例えばＷｉ－Ｆｉ（登録商標）のホットスポットを用いる場合や、通信負荷の低いタイミングに通信を行う場合など、変動する。そのため、第３の実施形態の第１の変形例では、ネットワーク通信の料金プラン（時間毎の通信料金情報）や、通信プラン（時間毎の通信量計画）を事前に設定、あるいは、Ｖ２Ｘ等の通信によって設定する。そして、通信コストが低いタイミング、通信負荷が高くない時間帯、自車内の通信量が少ない場合などに、蓄積したセンサ情報を送信するようにする。
【0198】
図２５は、第３の実施形態の第１の変形例に係る端末装置１１の機能を説明するための一例の機能ブロック図である。基本的な構成は、図１４を用いて説明した、第２の実施形態に係る端末装置１１の構成と同様であるため、詳細な説明は省略する。第３の実施形態の第１の変形例に係る端末装置１１では、送信判定部１０７ｅは、送信しないと判定したセンサ情報を蓄積部１０４に渡し、蓄積部１０４は当該センサ情報を記憶部１０５に記憶させ蓄積する。送信判定部１０７ｅは、上述の、通信コストが低いタイミング、通信負荷が高くない時間帯、自車内の通信量が少ない場合などに、記憶部１０５から、蓄積されたセンサ情報を読み出して、ネットワーク１を介してサーバシステム２に送信する。
【0199】
図２６は、第３の実施形態の第１の変形例に係る端末装置１１における処理を示す一例のフローチャートである。なお、図２６において、セクション（ａ）に示されるステップＳ９００～ステップＳ９１１の処理と、セクション（ｂ）に示されるステップＳ９２０～ステップＳ９２４の処理は、例えば別スレッドにより互いに独立して動作する処理である。
【0200】
先ず、セクション（ａ）の処理について説明する。セクション（ａ）の処理は、図１５を用いて説明した第２の実施形態に係る処理と略同一である。すなわち、最初のステップＳ９００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を受信する。次のステップＳ９０１で、端末装置１１は、認識部１０１により、ステップＳ９００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ９０２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0201】
次のステップＳ９０３で、メタデータ解析部２５０により、ステップＳ９００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。
【0202】
次のステップＳ９０４ｓｔは、ステップＳ９０４ｅｄとの間で、センサ情報の全ての適用先、すなわちサーバシステム２が有する各認識器２１０について実行することを示すループ処理の開始を示している。
【0203】
ステップＳ９０５で、端末装置１１は、学習データ判定部２５１により、メタデータ適用判定処理が実行される。すなわち、ステップＳ９０５で、学習データ判定部２５１は、ステップＳ９００の撮像処理で取得されたセンサ情報について、メタデータに基づき、例えば第１の実施形態で説明した判定方法を用いて、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。
【0204】
次のステップＳ９０６で、学習データ判定部２５１は、当該センサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ９０６、「Ｙｅｓ」）、処理をステップＳ９０７に移行させる。ステップＳ９０７で、端末装置１１は、蓄積判定部１０３により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ９０７で、蓄積判定部１０３は、当該センサ情報を、ステップＳ９０６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積するよう判定する。蓄積部１０４は、この判定に従い、当該センサ情報を、記憶部１０５に記憶、蓄積する。
【0205】
ステップＳ９０７の処理の後、端末装置１１は、処理をステップＳ９０４ｅｄからステップＳ９０４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ９０５～ステップＳ９０７の処理が実行される。
【0206】
一方、ステップＳ９０６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ９０６、「Ｎｏ」）、処理をステップＳ９０４ｅｄからステップＳ９０４ｓｔに戻す。
【0207】
当該センサ情報について、各認識器２１０に対するステップＳ９０４ｓｔ～ステップＳ９０４ｅｄの処理が終了すると、端末装置１１は、処理をステップＳ９０８に移行させる。ステップＳ９０８で、端末装置１１は、送信判定部１０７ｅにより、ステップＳ９０４ｓｔ～ステップＳ９０４ｅｄの処理で当該センサ情報の適用先として判定された認識器２１０の数が、十分であるか（例えば、閾値を超えたか）否かを判定する。
【0208】
送信判定部１０７ｅは、ステップＳ９０８で、当該センサ情報の適用先として判定された認識器２１０の数が十分ではないと判定した場合（ステップＳ９０８、「Ｎｏ」）、処理をステップＳ９１１に移行させる。ステップＳ９１１で、送信判定部１０７ｅは、センサ情報の蓄積処理を行う。例えば、送信判定部１０７ｅは、蓄積部１０４に対して、ステップＳ９０７で記憶部１０５に蓄積されたセンサ情報をそのまま保持するように指示する。蓄積処理が終了されると、この図２６のセクション（ａ）のフローチャートによる一連の処理を終了させる。
【0209】
一方、送信判定部１０７ｅは、ステップＳ９０８で、当該センサ情報の適用先として判定された認識器２１０の数が十分であると判定した場合（ステップＳ９０８、「Ｙｅｓ」）、処理をステップＳ９０９に移行させる。送信判定部１０７ｅは、ステップＳ９０９で、当該センサ情報の送信処理を行う。送信判定部１０７ｅは、例えば、ステップＳ９０７において記憶部１０５に蓄積されたセンサ情報に対して、ステップＳ９０４ｓｔ～ステップＳ９０４ｅｄの処理により適用可能であると判定された各認識器２１０を示す情報を付加する。
【0210】
次のステップＳ９１０で、各認識器２１０を示す情報が付加されたセンサ情報が記憶部１０５から読み出され、通信部１１０により、ネットワーク１を介してサーバシステム２に送信される。蓄積部１０４は、送信されたセンサ情報を、記憶部１０５から削除する。サーバシステム２は、端末装置１１から送信された当該センサ情報を、当該センサ情報に付加された各認識器２１０を示す情報に基づき、これら各認識器２１０の再学習を行う学習データとして、各認識器２１０に関連付けて、記憶部２０に記憶する。
【0211】
次に、セクション（ｂ）の処理について説明する。ステップＳ９２０で、送信判定部１０７ｅは、通信部１１０によりネットワーク１に接続する接続処理を行う。次のステップＳ９２１で、送信判定部１０７ｅは、ネットワーク１における通信コストの推定処理を行う。例えば、送信判定部１０７ｅは、ネットワーク１への接続に係る通信プラン、料金プラン、時間帯、ネットワーク１のトラフィック量などに基づき、通信コストを推定する。
【0212】
次のステップＳ９２２で、送信判定部１０７ｅは、ステップＳ９２１で推定された通信コストが安いか否か、例えば、通信コストが所定未満であるか否かを判定する。送信判定部１０７ｅは、推定された通信コストが高いと判定した場合（ステップＳ９２２、「Ｎｏ」）、記憶部１０５に蓄積されたセンサ情報の送信を行わずに、このセクション（ｂ）のフローチャートによる一連の処理を終了させる。
【0213】
一方、ステップＳ９２２で、送信判定部１０７ｅは、ステップＳ９２１で推定された通信コストが安いと判定した場合（ステップＳ９２２、「Ｙｅｓ」）、処理をステップＳ９２３に移行させる。ステップＳ９２３で、送信判定部１０７ｅは、記憶部１０５に蓄積されたセンサ情報の送信処理を行う。例えば、送信判定部１０７ｅは、蓄積部１０４に対して、記憶部１０５に蓄積されたセンサ情報の読み出しを指示する。
【0214】
次のステップＳ９２４で、送信判定部１０７ｅは、ステップＳ９２３での指示に応じて蓄積部１０４により記憶部１０５から読み出されたセンサ情報を、通信部１１０により、ネットワーク１を介してサーバシステム２に送信する。蓄積部１０４は、送信されたセンサ情報を、記憶部１０５から削除する。
【0215】
このように、第３の実施形態の第１の変形例では、取得時にサーバシステム２に送信されずに記憶部１０５に蓄積されたセンサ情報を、通信コストに応じて、ネットワーク１を介してサーバシステム２に送信するようにしている。そのため、センサ情報の送信に係る通信コストを削減することができる。
【0216】
（４－２．第２の変形例）
次に、第３の実施形態の第２の変形例について説明する。第３の実施形態の第２の変形例は、上述の第２の実施形態およびその各変形例においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態の第２の変形例による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
次に、第３の実施形態の第２の変形例について説明する。第３の実施形態の第２の変形例は、上述の第２の実施形態およびその各変形例においてサーバシステム２に送信しなかったセンサ情報に関するもので、これら第２の実施形態およびその各変形例の何れにも適用可能なものである。ここでは、説明のため、第３の実施形態の第２の変形例による処理を、上述した第２の実施形態に対して適用させるものとして説明を行う。
【0217】
第３の実施形態の第２の変形例では、取得時にサーバシステム２に送信されなかったセンサ情報に優先度を付与し、優先度に応じてセンサ情報の蓄積を制御する。すなわち、センサ情報は、含まれる内容や取得時の状況などに応じて優先度が異なる場合がある。そこで、蓄積判定部１０３は、サーバシステム２に送信されなかったセンサ情報の蓄積時に、当該センサ情報に優先度を付与して記憶部１０５に蓄積する。蓄積判定部１０３は、蓄積部１０４（記憶部１０５）の蓄積可能な情報量を超える量のセンサ情報を蓄積する場合、蓄積済みのセンサ情報のうち最も優先度の低いセンサ情報から順次削除していき、優先度の高いセンサ情報を蓄積する。
【0218】
図２７は、第３の実施形態の第２の変形例に係る端末装置１１の機能を説明するための一例の機能ブロック図である。基本的な構成は、図１４を用いて説明した、第２の実施形態に係る端末装置１１の構成と同様であるため、詳細な説明は省略する。第３の実施形態の第２の変形例に係る端末装置１１では、送信しないと判定したセンサ情報を蓄積判定部１０３に渡し、蓄積判定部１０３は当該センサ情報に優先度を付与する。蓄積部１０４は、優先度が付与されたセンサ情報を記憶部１０５に記憶させ蓄積する。このとき、蓄積判定部１０３は、記憶部１０５に空き容量が無い場合に、記憶部１０５に記憶される各センサ情報のうち最も低い優先度が付与されたセンサ情報を削除する。
【0219】
また、送信判定部１０７ｅは、上述の、通信コストが低いタイミング、通信負荷が高くない時間帯、自車内の通信量が少ない場合などに、記憶部１０５から、蓄積されたセンサ情報を読み出して、ネットワーク１を介してサーバシステム２に送信する。
【0220】
図２８は、第３の実施形態の第２の変形例に係る端末装置１１における処理を示す一例のフローチャートである。なお、図２８において、セクション（ａ）に示されるステップＳ１０００～ステップＳ１０１７の処理と、セクション（ｂ）に示されるステップＳ１０３０～ステップＳ１０３４の処理は、別スレッドにより互いに独立して動作する処理である。
【0221】
先ず、セクション（ａ）の処理について説明する。セクション（ａ）の処理は、ステップＳ１０００～ステップＳ１０１０の処理が、図１５のフローチャートにおけるステップＳ４００～ステップＳ４１０の処理と略同一である。すなわち、最初のステップＳ１０００で、端末装置１１は、撮像部３００により撮像処理を行い、カメラ１２から撮像画像による画像データと、カメラ１２による撮像に係るメタデータとを含むセンサ情報を受信する。次のステップＳ１００１で、端末装置１１は、認識部１０１により、ステップＳ１０００の撮像処理で取得されたセンサ情報に基づき物体認識処理を行う。次のステップＳ１００２で、端末装置１１は、認識結果利用部３０１により、認識部１０１の物体認識処理による認識結果を用いた処理を実行する。
【0222】
次のステップＳ１００３で、メタデータ解析部２５０により、ステップＳ１０００の撮像処理で取得されたセンサ情報からメタデータを取得し、取得したメタデータの解析処理を実行する。
【0223】
次のステップＳ１００４ｓｔは、ステップＳ１００４ｅｄとの間で、センサ情報の全ての適用先、すなわちサーバシステム２が有する各認識器２１０について実行することを示すループ処理の開始を示している。
【0224】
ステップＳ１００５で、端末装置１１は、学習データ判定部２５１により、メタデータ適用判定処理が実行される。すなわち、ステップＳ１００５で、学習データ判定部２５１は、ステップＳ１０００の撮像処理で取得されたセンサ情報について、メタデータに基づき、例えば第１の実施形態で説明した判定方法を用いて、各認識器２１０のうち対象の認識器２１０に適用可能かを調べる。
【0225】
次のステップＳ１００６で、学習データ判定部２５１は、当該センサ情報を対象の認識器２１０に適用可能であると判定した場合（ステップＳ１００６、「Ｙｅｓ」）、処理をステップＳ１００７に移行させる。ステップＳ１００７で、端末装置１１は、蓄積判定部１０３により、適用先の学習データの蓄積処理が実行される。すなわち、ステップＳ１００７で、蓄積判定部１０３は、当該センサ情報を、ステップＳ１００６で適用可能であると判定された、対象の認識器２１０に対する学習データとして蓄積するよう判定する。蓄積部１０４は、この判定に従い、当該センサ情報を、記憶部１０５に記憶、蓄積する。
【0226】
ステップＳ１００７の処理の後、端末装置１１は、処理をステップＳ１００４ｅｄからステップＳ１００４ｓｔに戻し、各認識器２１０のうち次の認識器２１０を対象の認識器２１０として、ステップＳ１００５～ステップＳ１００７の処理が実行される。
【0227】
一方、ステップＳ１００６で、対象のセンサ情報を対象の認識器２１０に適用可能ではない判定した場合（ステップＳ１００６、「Ｎｏ」）、処理をステップＳ１００４ｅｄからステップＳ１００４ｓｔに戻す。
【0228】
当該センサ情報について、各認識器２１０に対するステップＳ１００４ｓｔ～ステップＳ１００４ｅｄの処理が終了すると、端末装置１１は、処理をステップＳ１００８に移行させる。ステップＳ１００８で、端末装置１１は、送信判定部１０７ｅにより、ステップＳ１００４ｓｔ～ステップＳ１００４ｅｄの処理で当該センサ情報の適用先として判定された認識器２１０の数が、十分であるか（例えば、閾値を超えたか）否かを判定する。
【0229】
一方、送信判定部１０７ｅは、ステップＳ１００８で、当該センサ情報の適用先として判定された認識器２１０の数が十分であると判定した場合（ステップＳ１００８、「Ｙｅｓ」）、処理をステップＳ１００９に移行させる。送信判定部１０７ｅは、ステップＳ１００９で、当該センサ情報の送信処理を行う。送信判定部１０７ｅは、例えば、ステップＳ１００７において記憶部１０５に蓄積されたセンサ情報に対して、ステップＳ１００４ｓｔ～ステップＳ１００４ｅｄの処理により適用可能であると判定された各認識器２１０を示す情報を付加する。
【0230】
次のステップＳ１０１０で、各認識器２１０を示す情報が付加されたセンサ情報が記憶部１０５から読み出され、通信部１１０により、ネットワーク１を介してサーバシステム２に送信される。蓄積部１０４は、送信されたセンサ情報を、記憶部１０５から削除する。サーバシステム２は、端末装置１１から送信された当該センサ情報を、当該センサ情報に付加された各認識器２１０を示す情報に基づき、これら各認識器２１０の再学習を行う学習データとして、各認識器２１０に関連付けて、記憶部２０に記憶する。
【0231】
送信判定部１０７ｅは、ステップＳ１００８で、当該センサ情報の適用先として判定された認識器２１０の数が十分ではないと判定した場合（ステップＳ１００８、「Ｎｏ」）、処理をステップＳ１０１１に移行させる。
【0232】
ステップＳ１０１１で、蓄積判定部１０３は、当該センサ情報（新規センサ情報とする）に対して優先度を設定する。例えば、蓄積判定部１０３は、新規センサ情報が有するメタデータに基づき優先度を設定することができる。また、蓄積判定部１０３は、認識部１０１の認識結果に基づき新規センサ情報に優先度を設定することができる。例えば、蓄積判定部１０３は、新規センサ情報に対して、認識結果が示す認識率が高い程、高い優先度を設定するようにできる。
【0233】
次のステップＳ１０１２で、蓄積判定部１０３は、記憶部１０５に新規センサ情報を記憶できるだけの空き容量があるか否かを判定する。例えば、蓄積判定部１０３は、蓄積部１０４に対して記憶部１０５の空き容量を問い合わせる。
【0234】
蓄積判定部１０３は、ステップＳ１０１２で、記憶部１０５に新規センサ情報を記憶できるだけの空き容量があると判定された場合（ステップＳ１０１２、「Ｎｏ」）、処理をステップＳ１０１７に移行させる。ステップＳ１０１７で、蓄積判定部１０３は、蓄積部１０４に対して、新規センサ情報の記憶部１０５への記憶を指示する。記憶部１０５は、この指示に応じて、新規センサ情報を記憶部１０５に記憶させ蓄積する。センサ情報の記憶部１０５への記憶が完了すると、このセクション（ａ）のフローチャートによる一連の処理が終了される。
【0235】
一方、蓄積判定部１０３は、ステップＳ１０１２で、記憶部１０５に新規センサ情報を記憶できるだけの空き容量が無いと判定された場合（ステップＳ１０１２、「Ｙｅｓ」）、処理をステップＳ１０１３に移行させる。ステップＳ１０１３で、蓄積判定部１０３は、蓄積部１０４に対して、記憶部１０５に蓄積されている各センサ情報のうち、最低の優先度が設定されているセンサ情報の探索を指示する。
【0236】
次のステップＳ１０１４で、蓄積判定部１０３は、ステップＳ１０１３で探索されたセンサ情報の優先度と、新規センサ情報の優先度と、を比較する。比較の結果、ステップＳ１０１３で探索されたセンサ情報（最低優先度センサ情報とする）の優先度の方が、新規センサ情報の優先度よりも高いと判定した場合（ステップＳ１０１４、「最低優先度データの優先度が高い」）、このセクション（ａ）のフローチャートによる一連の処理を終了させる。この場合、新規センサ情報は、例えば破棄される。
【0237】
一方、蓄積判定部１０３は、ステップＳ１０１４で、新規センサ情報の優先度の方が、最低優先度センサ情報の優先度よりも高いと判定した場合、（ステップＳ１０１４、「新規優先度データの優先度が高い」）、処理をステップＳ１０１５に移行させる。ステップＳ１０１５で、蓄積判定部１０３は、蓄積部１０４に対して、記憶部１０５から最低優先度センサ情報を削除するよう指示する。蓄積部１０４は、この指示に応じて、当該最低優先度センサ情報を記憶部１０５から削除する。
【0238】
次のステップＳ１０１６で、蓄積判定部１０３は、蓄積部１０４に対して、新規センサ情報の記憶部１０５への記憶を指示する。記憶部１０５は、この指示に応じて、新規センサ情報を記憶部１０５に記憶させ蓄積する。センサ情報の記憶部１０５への記憶が完了すると、このセクション（ａ）のフローチャートによる一連の処理が終了される。
【0239】
セクション（ｂ）の処理について説明する。図２８のセクション（ｂ）による処理は、図２６のセクション（ｂ）の処理と略同一である。すなわち、ステップＳ１０３０で、送信判定部１０７ｅは、通信部１１０によりネットワーク１に接続する接続処理を行う。次のステップＳ１０３１で、送信判定部１０７ｅは、ネットワーク１における通信コストの推定処理を行う。例えば、送信判定部１０７ｅは、ネットワーク１への接続に係る通信プラン、料金プラン、時間帯、ネットワーク１のトラフィック量などに基づき、通信コストを推定する。
【0240】
次のステップＳ１０３２で、送信判定部１０７ｅは、ステップＳ１０３１で推定された通信コストが安いか否か、例えば、通信コストが所定未満であるか否かを判定する。送信判定部１０７ｅは、推定された通信コストが高いと判定した場合（ステップＳ１０３２、「Ｎｏ」）、記憶部１０５に蓄積されたセンサ情報の送信を行わずに、このセクション（ｂ）のフローチャートによる一連の処理を終了させる。
【0241】
一方、ステップＳ１０３２で、送信判定部１０７ｅは、ステップＳ１０３１で推定された通信コストが安いと判定した場合（ステップＳ１０３２、「Ｙｅｓ」）、処理をステップＳ１０３３に移行させる。ステップＳ１０３３で、送信判定部１０７ｅは、記憶部１０５に蓄積されたセンサ情報の送信処理を行う。例えば、送信判定部１０７ｅは、蓄積部１０４に対して、記憶部１０５に蓄積されたセンサ情報の読み出しを指示する。
【0242】
次のステップＳ１０３４で、送信判定部１０７ｅは、ステップＳ１０３３での指示に応じて蓄積部１０４により記憶部１０５から読み出されたセンサ情報を、通信部１１０により、ネットワーク１を介してサーバシステム２に送信する。蓄積部１０４は、送信されたセンサ情報を、記憶部１０５から削除する。
【0243】
このように、第３の実施形態の第２の変形例では、サーバシステム２に送信されなかったセンサ情報に優先度を設定し、記憶部１０５にセンサ情報を記憶できるだけの空き容量が無い場合に、優先度の低いセンサ情報を削除するようにしている。これにより、記憶部１０５の記憶容量を節約できる。また、優先度の高いセンサ情報は記憶部１０５に蓄積されるため、記憶部１０５に記憶されるセンサ情報を所定のタイミングで読み出してサーバシステム２に送信することで、センサ情報の効率的な利用も可能であり、また、通信コストも削減できる。
【0244】
［５．第４の実施形態］
本開示に係る技術（本技術）は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット等のいずれかの種類の移動体に搭載される装置として実現されてもよい。
本開示に係る技術（本技術）は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット等のいずれかの種類の移動体に搭載される装置として実現されてもよい。
【0245】
図２９は、本開示に係る技術が適用され得る移動体制御システムの一例である車両制御システムの概略的な構成例を示すブロック図である。
【0246】
車両制御システム１２０００は、通信ネットワーク１２００１を介して接続された複数の電子制御ユニットを備える。図２９に示した例では、車両制御システム１２０００は、駆動系制御ユニット１２０１０、ボディ系制御ユニット１２０２０、車外情報検出ユニット１２０３０、車内情報検出ユニット１２０４０、及び統合制御ユニット１２０５０を備える。また、統合制御ユニット１２０５０の機能構成として、マイクロコンピュータ１２０５１、音声画像出力部１２０５２、及び車載ネットワークＩ／Ｆ(interface)１２０５３が図示されている。
【0247】
駆動系制御ユニット１２０１０は、各種プログラムにしたがって車両の駆動系に関連する装置の動作を制御する。例えば、駆動系制御ユニット１２０１０は、内燃機関又は駆動用モータ等の車両の駆動力を発生させるための駆動力発生装置、駆動力を車輪に伝達するための駆動力伝達機構、車両の舵角を調節するステアリング機構、及び、車両の制動力を発生させる制動装置等の制御装置として機能する。
【0248】
ボディ系制御ユニット１２０２０は、各種プログラムにしたがって車体に装備された各種装置の動作を制御する。例えば、ボディ系制御ユニット１２０２０は、キーレスエントリシステム、スマートキーシステム、パワーウィンドウ装置、あるいは、ヘッドランプ、バックランプ、ブレーキランプ、ウィンカー又はフォグランプ等の各種ランプの制御装置として機能する。この場合、ボディ系制御ユニット１２０２０には、鍵を代替する携帯機から発信される電波又は各種スイッチの信号が入力され得る。ボディ系制御ユニット１２０２０は、これらの電波又は信号の入力を受け付け、車両のドアロック装置、パワーウィンドウ装置、ランプ等を制御する。
【0249】
車外情報検出ユニット１２０３０は、車両制御システム１２０００を搭載した車両の外部の情報を検出する。例えば、車外情報検出ユニット１２０３０には、撮像部１２０３１が接続される。車外情報検出ユニット１２０３０は、撮像部１２０３１に車外の画像を撮像させるとともに、撮像された画像を受信する。車外情報検出ユニット１２０３０は、受信した画像に基づいて、人、車、障害物、標識又は路面上の文字等の物体検出処理又は距離検出処理を行ってもよい。
【0250】
撮像部１２０３１は、光を受光し、その光の受光量に応じた電気信号を出力する光センサである。撮像部１２０３１は、電気信号を画像として出力することもできるし、測距の情報として出力することもできる。また、撮像部１２０３１が受光する光は、可視光であっても良いし、赤外線等の非可視光であっても良い。
【0251】
車内情報検出ユニット１２０４０は、車内の情報を検出する。車内情報検出ユニット１２０４０には、例えば、運転者の状態を検出する運転者状態検出部１２０４１が接続される。運転者状態検出部１２０４１は、例えば運転者を撮像するカメラを含み、車内情報検出ユニット１２０４０は、運転者状態検出部１２０４１から入力される検出情報に基づいて、運転者の疲労度合い又は集中度合いを算出してもよいし、運転者が居眠りをしていないかを判別してもよい。
【0252】
マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０又は車内情報検出ユニット１２０４０で取得される車内外の情報に基づいて、駆動力発生装置、ステアリング機構又は制動装置の制御目標値を演算し、駆動系制御ユニット１２０１０に対して制御指令を出力することができる。例えば、マイクロコンピュータ１２０５１は、車両の衝突回避あるいは衝撃緩和、車間距離に基づく追従走行、車速維持走行、車両の衝突警告、又は車両のレーン逸脱警告等を含むＡＤＡＳ(Advanced Driver Assistance System)の機能実現を目的とした協調制御を行うことができる。
【0253】
また、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０又は車内情報検出ユニット１２０４０で取得される車両の周囲の情報に基づいて駆動力発生装置、ステアリング機構又は制動装置等を制御することにより、運転者の操作に拠らずに自律的に走行する自動運転等を目的とした協調制御を行うことができる。
【0254】
また、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０で取得される車外の情報に基づいて、ボディ系制御ユニット１２０２０に対して制御指令を出力することができる。例えば、マイクロコンピュータ１２０５１は、車外情報検出ユニット１２０３０で検知した先行車又は対向車の位置に応じてヘッドランプを制御し、ハイビームをロービームに切り替える等の防眩を図ることを目的とした協調制御を行うことができる。
【0255】
音声画像出力部１２０５２は、車両の搭乗者又は車外に対して、視覚的又は聴覚的に情報を通知することが可能な出力装置へ音声及び画像のうちの少なくとも一方の出力信号を送信する。図２９の例では、出力装置として、オーディオスピーカ１２０６１、表示部１２０６２及びインストルメントパネル１２０６３が例示されている。表示部１２０６２は、例えば、オンボードディスプレイ及びヘッドアップディスプレイの少なくとも一つを含んでいてもよい。
【0256】
図３０は、撮像部１２０３１の設置位置の例を示す図である。
【0257】
図３０では、車両１２１００は、撮像部１２０３１として、撮像部１２１０１，１２１０２，１２１０３，１２１０４，１２１０５を有する。
【0258】
撮像部１２１０１，１２１０２，１２１０３，１２１０４，１２１０５は、例えば、車両１２１００のフロントノーズ、サイドミラー、リアバンパ、バックドア及び車室内のフロントガラスの上部等の位置に設けられる。フロントノーズに備えられる撮像部１２１０１及び車室内のフロントガラスの上部に備えられる撮像部１２１０５は、主として車両１２１００の前方の画像を取得する。サイドミラーに備えられる撮像部１２１０２，１２１０３は、主として車両１２１００の側方の画像を取得する。リアバンパ又はバックドアに備えられる撮像部１２１０４は、主として車両１２１００の後方の画像を取得する。撮像部１２１０１及び１２１０５で取得される前方の画像は、主として先行車両又は、歩行者、障害物、信号機、交通標識又は車線等の検出に用いられる。
【0259】
なお、図３０には、撮像部１２１０１ないし１２１０４の撮影範囲の一例が示されている。撮像範囲１２１１１は、フロントノーズに設けられた撮像部１２１０１の撮像範囲を示し、撮像範囲１２１１２，１２１１３は、それぞれサイドミラーに設けられた撮像部１２１０２，１２１０３の撮像範囲を示し、撮像範囲１２１１４は、リアバンパ又はバックドアに設けられた撮像部１２１０４の撮像範囲を示す。例えば、撮像部１２１０１ないし１２１０４で撮像された画像データが重ね合わせられることにより、車両１２１００を上方から見た俯瞰画像が得られる。
【0260】
撮像部１２１０１ないし１２１０４の少なくとも１つは、距離情報を取得する機能を有していてもよい。例えば、撮像部１２１０１ないし１２１０４の少なくとも１つは、複数の撮像素子からなるステレオカメラであってもよいし、位相差検出用の画素を有する撮像素子であってもよい。
【0261】
例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４から得られた距離情報を基に、撮像範囲１２１１１ないし１２１１４内における各立体物までの距離と、この距離の時間的変化（車両１２１００に対する相対速度）を求めることにより、特に車両１２１００の進行路上にある最も近い立体物で、車両１２１００と略同じ方向に所定の速度（例えば、０ｋｍ／ｈ以上）で走行する立体物を先行車として抽出することができる。さらに、マイクロコンピュータ１２０５１は、先行車の手前に予め確保すべき車間距離を設定し、自動ブレーキ制御（追従停止制御も含む）や自動加速制御（追従発進制御も含む）等を行うことができる。このように運転者の操作に拠らずに自律的に走行する自動運転等を目的とした協調制御を行うことができる。
【0262】
例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４から得られた距離情報を元に、立体物に関する立体物データを、２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物に分類して抽出し、障害物の自動回避に用いることができる。例えば、マイクロコンピュータ１２０５１は、車両１２１００の周辺の障害物を、車両１２１００のドライバが視認可能な障害物と視認困難な障害物とに識別する。そして、マイクロコンピュータ１２０５１は、各障害物との衝突の危険度を示す衝突リスクを判断し、衝突リスクが設定値以上で衝突可能性がある状況であるときには、オーディオスピーカ１２０６１や表示部１２０６２を介してドライバに警報を出力することや、駆動系制御ユニット１２０１０を介して強制減速や回避操舵を行うことで、衝突回避のための運転支援を行うことができる。
【0263】
撮像部１２１０１ないし１２１０４の少なくとも１つは、赤外線を検出する赤外線カメラであってもよい。例えば、マイクロコンピュータ１２０５１は、撮像部１２１０１ないし１２１０４の撮像画像中に歩行者が存在するか否かを判定することで歩行者を認識することができる。かかる歩行者の認識は、例えば赤外線カメラとしての撮像部１２１０１ないし１２１０４の撮像画像における特徴点を抽出する手順と、物体の輪郭を示す一連の特徴点にパターンマッチング処理を行って歩行者か否かを判別する手順によって行われる。マイクロコンピュータ１２０５１が、撮像部１２１０１ないし１２１０４の撮像画像中に歩行者が存在すると判定し、歩行者を認識すると、音声画像出力部１２０５２は、当該認識された歩行者に強調のための方形輪郭線を重畳表示するように、表示部１２０６２を制御する。また、音声画像出力部１２０５２は、歩行者を示すアイコン等を所望の位置に表示するように表示部１２０６２を制御してもよい。
【0264】
以上、本開示に係る技術が適用され得る車両制御システムの一例について説明した。本開示に係る技術は、以上説明した構成のうち、カメラ１２を撮像部１２０３１に適用可能であり、端末装置１１を車外情報検出ユニット１２０３０に適用可能である。本開示の技術を車外情報検出ユニット１２０３０に適用することにより、カメラ１２で取得されたセンサ情報をより効率的に利用することができ、結果として、歩行者などの認識率を高めることが可能となる。また、第２の実施形態およびその各変形例や、第３の実施形態およびその各変形例を車外情報検出ユニット１２０３０に適用することにより、センサ情報を送信するための通信コストを削減することも可能となる。
【0265】
なお、本技術は以下のような構成も取ることができる。
（１）
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備える情報処理装置。
（２）
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記サーバに送信するか否かを、該センサ情報に基づき判定する送信判定部、
をさらに備える前記（１）に記載の情報処理装置。
（３）
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
前記（２）に記載の情報処理装置。
（４）
前記送信判定部は、
次に更新されるまでの時間が所定時間未満の前記センサ情報を前記サーバに送信する、
前記（２）または（３）に記載の情報処理装置。
（５）
前記送信判定部は、
出現の頻度が所定未満の前記センサ情報を前記サーバに送信する、
前記（２）乃至（４）の何れかに記載の情報処理装置。
（６）
他の情報処理装置と通信可能な通信部をさらに備え、
前記送信判定部は、
前記通信部により前記他の情報処理装置と通信を行い該他の情報処理装置が前記サーバに送信するセンサ情報を示す情報を取得し、取得した該情報に基づき、前記センサにより取得されたセンサ情報を前記サーバに送信するか否かを判定する、
前記（２）乃至（５）の何れかに記載の情報処理装置。
（７）
前記センサ情報を蓄積部に蓄積するか否かを判定する蓄積判定部をさらに備え、
前記蓄積判定部は、
前記送信判定部により前記サーバに送信しないと判定された前記センサ情報を前記蓄積部に蓄積する、
前記（２）乃至（６）の何れかに記載の情報処理装置。
（８）
前記送信判定部は、
前記蓄積部に蓄積された前記センサ情報を、通信コストが低いタイミングで前記サーバに送信する、
前記（７）に記載の情報処理装置。
（９）
前記蓄積判定部は、
前記サーバに送信しないと判定された前記センサ情報の優先度を求め、該優先度に基づき該センサ情報を前記蓄積部に蓄積するか否かを判定する、
前記（７）または（８）に記載の情報処理装置。
（１０）
サーバと、
前記サーバと通信可能な情報処理装置と、
を含み、
前記サーバは、
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部を備え、
前記情報処理装置は、
前記第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備える、
情報処理システム。
（１１）
プロセッサにより実行される、
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、
前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
を含む情報処理方法。
（１２）
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、
前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
をコンピュータに実行させるための情報処理プログラム。
（１３）
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部と、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理装置。
（１４）
前記学習データ適用判定部は、
前記センサ情報が示すシーンに基づき、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
前記（１３）に記載の情報処理装置。
（１５）
前記学習データ適用判定部は、
前記センサ情報を変換することで、該センサ情報を前記第２の認識器に学習データとして適用可能となるか否かを判定する、
前記（１３）または（１４）に記載の情報処理装置。
（１６）
前記学習データ適用判定部は、
前記センサ情報が示す、前記センサにより検出されたオブジェクトに応じて、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
前記（１３）乃至（１５）の何れかに記載の情報処理装置。
（１７）
情報処理装置と、
センサにより取得されたセンサ情報を用いて物体認識処理を行う第１の認識部を有し、前記情報処理装置と通信可能な端末装置と、
を含み、
前記情報処理装置は、
学習データに基づく機械学習により前記第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部と、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理システム。
（１８）
プロセッサにより実行される、
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習ステップと、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
を含み、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理方法。
（１９）
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習ステップと、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
をコンピュータに実行させ、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
ための情報処理プログラム。
（１）
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備える情報処理装置。
（２）
前記学習データとして前記第２の認識器に適用するために前記センサ情報を前記サーバに送信するか否かを、該センサ情報に基づき判定する送信判定部、
をさらに備える前記（１）に記載の情報処理装置。
（３）
前記送信判定部は、
前記センサ情報のうち、前記学習データ適用判定部により前記第２の認識器から指定された認識処理が可能な認識器の数が所定数以上のセンサ情報を、前記サーバに送信する、
前記（２）に記載の情報処理装置。
（４）
前記送信判定部は、
次に更新されるまでの時間が所定時間未満の前記センサ情報を前記サーバに送信する、
前記（２）または（３）に記載の情報処理装置。
（５）
前記送信判定部は、
出現の頻度が所定未満の前記センサ情報を前記サーバに送信する、
前記（２）乃至（４）の何れかに記載の情報処理装置。
（６）
他の情報処理装置と通信可能な通信部をさらに備え、
前記送信判定部は、
前記通信部により前記他の情報処理装置と通信を行い該他の情報処理装置が前記サーバに送信するセンサ情報を示す情報を取得し、取得した該情報に基づき、前記センサにより取得されたセンサ情報を前記サーバに送信するか否かを判定する、
前記（２）乃至（５）の何れかに記載の情報処理装置。
（７）
前記センサ情報を蓄積部に蓄積するか否かを判定する蓄積判定部をさらに備え、
前記蓄積判定部は、
前記送信判定部により前記サーバに送信しないと判定された前記センサ情報を前記蓄積部に蓄積する、
前記（２）乃至（６）の何れかに記載の情報処理装置。
（８）
前記送信判定部は、
前記蓄積部に蓄積された前記センサ情報を、通信コストが低いタイミングで前記サーバに送信する、
前記（７）に記載の情報処理装置。
（９）
前記蓄積判定部は、
前記サーバに送信しないと判定された前記センサ情報の優先度を求め、該優先度に基づき該センサ情報を前記蓄積部に蓄積するか否かを判定する、
前記（７）または（８）に記載の情報処理装置。
（１０）
サーバと、
前記サーバと通信可能な情報処理装置と、
を含み、
前記サーバは、
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部を備え、
前記情報処理装置は、
前記第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識部と、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備える、
情報処理システム。
（１１）
プロセッサにより実行される、
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、
前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
を含む情報処理方法。
（１２）
予め学習された第１の認識器により、センサにより取得されたセンサ情報を用いて物体認識処理を行う認識ステップと、
前記第１の認識器とは異なる第２の認識器から、前記センサ情報を用いた認識処理が可能な認識器を、前記センサ情報に基づき指定する認識器判定ステップと、
前記第１の認識器とは異なる第２の認識器に、前記センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
をコンピュータに実行させるための情報処理プログラム。
（１３）
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部と、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理装置。
（１４）
前記学習データ適用判定部は、
前記センサ情報が示すシーンに基づき、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
前記（１３）に記載の情報処理装置。
（１５）
前記学習データ適用判定部は、
前記センサ情報を変換することで、該センサ情報を前記第２の認識器に学習データとして適用可能となるか否かを判定する、
前記（１３）または（１４）に記載の情報処理装置。
（１６）
前記学習データ適用判定部は、
前記センサ情報が示す、前記センサにより検出されたオブジェクトに応じて、前記第２の認識器に該センサ情報を学習データとして適用可能か否かを判定する、
前記（１３）乃至（１５）の何れかに記載の情報処理装置。
（１７）
情報処理装置と、
センサにより取得されたセンサ情報を用いて物体認識処理を行う第１の認識部を有し、前記情報処理装置と通信可能な端末装置と、
を含み、
前記情報処理装置は、
学習データに基づく機械学習により前記第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習部と、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定部と、
を備え、
前記学習部は、
前記学習データ適用判定部により、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理システム。
（１８）
プロセッサにより実行される、
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習ステップと、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
を含み、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
情報処理方法。
（１９）
学習データに基づく機械学習により第１の認識部と、該第１の認識部と異なる第２の認識部と、を生成する学習ステップと、
前記第１の認識部を含む端末装置から送信されたセンサ情報に基づき、前記第２の認識器に、該センサ情報を学習データとして適用可能か否かを判定する学習データ適用判定ステップと、
をコンピュータに実行させ、
前記学習ステップは、
前記学習データ適用判定ステップにより、前記第２の認識器に前記センサ情報を学習データとして適用可能であると判定された場合に、該第２の認識器を、前記センサ情報に基づき再学習して、該第２の認識器を更新する、
ための情報処理プログラム。
【符号の説明】
【0266】
１ ネットワーク
２ サーバシステム
３，２０２ 学習部
１０，１０1，１０2，１０3 車両
１１ 端末装置
１２ カメラ
２０，１０５ 記憶部
２２，２２ａ，２２ｂ，２２ｃ，２２ｄ，１０８，１０８ａ， 学習データ適用判定部
１０１ 認識部
１０３ 蓄積判定部
１０４ 蓄積部
１０６ 蓄積情報出力部
１０７，１０７ａ，１０７ｂ，１０７ｃ、１０７ｄ，１０７ｅ 送信判定部
１１０，１１０ａ，２００ 通信部
１５２ 学習データ即時性算出部
１５３ 学習データ即時性判定部
２０１ 学習データ蓄積部
２１０，２１０1，２１０2，２１０3，２１０4 認識器
２２１，２５０ メタデータ解析部
２３０ ドメイン解析部
２３１ ドメイン評価部
２３２，２４１，２５１ 学習データ判定部
２４０ センシング解析部
３００ 撮像部
３１０ 希少性解析部
３１１ 希少性判定部
３２０ 他車データ蓄積部
２ サーバシステム
３，２０２ 学習部
１０，１０1，１０2，１０3 車両
１１ 端末装置
１２ カメラ
２０，１０５ 記憶部
２２，２２ａ，２２ｂ，２２ｃ，２２ｄ，１０８，１０８ａ， 学習データ適用判定部
１０１ 認識部
１０３ 蓄積判定部
１０４ 蓄積部
１０６ 蓄積情報出力部
１０７，１０７ａ，１０７ｂ，１０７ｃ、１０７ｄ，１０７ｅ 送信判定部
１１０，１１０ａ，２００ 通信部
１５２ 学習データ即時性算出部
１５３ 学習データ即時性判定部
２０１ 学習データ蓄積部
２１０，２１０1，２１０2，２１０3，２１０4 認識器
２２１，２５０ メタデータ解析部
２３０ ドメイン解析部
２３１ ドメイン評価部
２３２，２４１，２５１ 学習データ判定部
２４０ センシング解析部
３００ 撮像部
３１０ 希少性解析部
３１１ 希少性判定部
３２０ 他車データ蓄積部
【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】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】