制御サーバ（３０）によって実行される、被制御デバイス（２０）を制御する方法（４０）であって、前記制御が、無線通信システム（７０）を使用して前記被制御デバイスへ制御コマンドを送信することによって前記被制御デバイスにタスクを実行させることを目的とし、前記無線通信システムが、それぞれの異なるＱｏＳレベルに関連付けられた異なるサービス品質ＱｏＳフローの確立をサポートし、前記制御方法（４０）が、
－前記被制御デバイスへ制御コマンドを送信するための少なくとも２つのＱｏＳフローを確立すること（Ｓ４０）と、前記少なくとも２つのＱｏＳフローが、第１のＱｏＳフローと第２のＱｏＳフローとを含み、前記第１のＱｏＳフローが、前記第２のＱｏＳフローに関連付けられたＱｏＳレベルより大きいＱｏＳレベルに関連付けられ、
－前記被制御デバイスへ送信される制御コマンドを判断すること（Ｓ４１）と、
－確立された前記少なくとも２つのＱｏＳフローの中から、前記制御コマンドを送信するのに使用されるＱｏＳフローを選択すること（Ｓ４２）と、
－前記選択されたＱｏＳフローを使用して、前記無線通信システムを介して、少なくとも１つの前記被制御デバイスへ前記制御コマンドを送信すること（Ｓ４３）と、を含み、
前記少なくとも２つのＱｏＳフローが、第１のＱｏＳフローと第２のＱｏＳフローとを含み、前記第１のＱｏＳフローが、前記第２のＱｏＳフローに関連付けられたＱｏＳレベルより大きいＱｏＳレベルに関連付けられる
方法（４０）。 前記被制御デバイスによって実行される前記タスクは、それぞれのＱｏＳレベル要件が関連付けられた複数の連続する段階を含み、前記ＱｏＳフローを選択することは、確立された前記少なくとも２つのＱｏＳフローのうち、前記タスクの前記現在段階に必要な前記ＱｏＳレベルと適合するＱｏＳレベルを提供するという点で前記タスクの前記現在段階と適合するＱｏＳフローがいずれかを特定することを含み、前記選択されるＱｏＳフローは、前記タスクの前記現在段階と適合すると特定されたＱｏＳフローに一致する、請求項１に記載の制御方法（４０）。 前記ＱｏＳフローを選択することは、
－前記無線通信システムが輻輳しているかどうか、または輻輳寸前であるかどうかを評価することと、
－前記無線通信システムが輻輳していること、または輻輳寸前であることを検出したことに応じて、前記ＱｏＳフローの前記選択中に前記第１のＱｏＳフローを考慮しないことと、を含む、請求項１または２に記載の制御方法（４０）。 前記被制御デバイスによって実行される前記タスクの現在段階に必要なＱｏＳレベルが、確立された前記少なくとも２つのＱｏＳフローのうちの前記第１のＱｏＳフロー以外のＱｏＳフローによっても提供される場合にのみ、前記無線通信システムが輻輳していること、または輻輳寸前であることを検出したことに応じて、前記ＱｏＳフローの前記選択中に前記第１のＱｏＳフローが考慮されない、請求項３に記載の制御方法（４０）。 前記第１のＱｏＳフローは、前記タスクの前記現在段階に必要な前記ＱｏＳレベルが、確立された前記少なくとも２つのＱｏＳフローのうちの別のＱｏＳフローによって提供されないと判断された場合にのみ使用される、請求項２に記載の制御方法（４０）。 前記被制御デバイスから制御フィードバックを受信すること（Ｓ４４）をさらに含み、前記ＱｏＳフローは、前記受信された制御フィードバックに基づいて選択される、請求項１から５のいずれか一項に記載の制御方法（４０）。 前記ＱｏＳフローの前記選択は、強化学習アルゴリズムを使用して学習された機械学習モデルを含む選択ポリシーを使用する、請求項６に記載の制御方法（４０）。 前記機械学習モデルは、深層Ｑ学習強化学習アルゴリズムを使用して学習されたニューラルネットワークを含む、請求項７に記載の制御方法（４０）。 前記強化学習アルゴリズムは、第１の項と第２の項とを組み合わせた報酬関数を使用し、
－前記第１の項は、前記制御サーバによる前記被制御デバイスの前記制御の制御性能を表し、前記制御性能が低下すると前記報酬を減少させ、
－前記第２の項は、前記第２のＱｏＳフローが使用されるときと比較して前記第１のＱｏＳフローが使用されるときに前記報酬を減少させる、請求項７または８に記載の制御方法（４０）。 前記強化学習アルゴリズムは、前記第２のＱｏＳフローが使用されるときと比較して前記第１のＱｏＳフローが使用されるときにより小さい報酬を返す報酬関数を使用し、前記機械学習モデルの前記学習は、前記結果的に得られる選択ポリシーが制御性能基準を満たすという制約の下で実行される、請求項７または８に記載の制御方法（４０）。 前記制御サーバは、複数の被制御デバイスを制御し、前記選択ポリシーの前記機械学習モデルは、マルチエージェント強化学習アルゴリズムを使用して学習される、請求項７または８に記載の制御方法（４０）。 少なくとも１つのプロセッサによって実行されると、請求項１から１１のいずれか一項に記載の制御方法（４０）を実行するように前記少なくとも１つのプロセッサを構成する命令を備える、コンピュータプログラム製品。 少なくとも１つのプロセッサによって実行されると、請求項１から１１のいずれか一項に記載の制御方法（４０）を実行するように前記少なくとも１つのプロセッサを構成する命令を備える、コンピュータ可読記憶媒体。 被制御デバイス（２０）を制御する制御サーバ（３０）であって、前記制御は、前記被制御デバイスにタスクを実行させることを目的とし、前記制御サーバ（３０）は、請求項１から１１のいずれか一項に記載の制御方法（４０）を実行するように構成された処理回路（３１）および通信ユニット（３２）を備える、制御サーバ（３０）。 請求項１４に記載の制御サーバ（３０）と、無線通信システム（７０）を介して前記制御サーバによって制御される少なくとも１つの被制御デバイス（２０）と、を備える、制御システム（１０）。 制御サーバによって実行され、被制御デバイスを制御する制御アプリケーションを実行する制御方法であって、無線通信システムを使用して前記被制御デバイスへ制御コマンドを送信することによって前記被制御デバイスに連続する複数の段階を含むタスクを実行させることを目的とし、前記無線通信システムが、それぞれの異なるＱｏＳレベルに関連付けられた異なるサービス品質（ＱｏＳ）フローの確立をサポートし、前記制御方法が、
前記タスクを実行する前記被制御デバイスを制御するとき、前記制御アプリケーションが達成すべき期待体験品質（ＱｏＥ）を定義することと、
前記被制御デバイスへ制御コマンドを送信するための少なくとも２つのＱｏＳフローを確立することと、
前記タスクの現在段階の前記被制御デバイスへ送信される制御コマンドを判断することと、
確立された前記少なくとも２つのＱｏＳフローのうち、前記タスクの前記現在段階に必要な前記ＱｏＳレベルと適合するＱｏＳレベルを提供するという点で前記タスクの前記現在段階と適合するＱｏＳフローがいずれかを特定することにより、確立された前記少なくとも２つのＱｏＳフローの中から、前記制御コマンドを送信するのに使用されるＱｏＳフローを選択することと、
前記選択されたＱｏＳフローを使用して、前記無線通信システムを介して、少なくとも１つの前記被制御デバイスへ前記制御コマンドを送信することと、を含み、
前記少なくとも２つのＱｏＳフローが、第１のＱｏＳフローと第２のＱｏＳフローとを含み、
前記第１のＱｏＳフローのＱｏＳレベルが前記第２のＱｏＳフローのＱｏＳレベルよりも大きい制御コマンド配信性能を達成でき、
前記制御コマンド配信性能は、いかに信頼できるように制御コマンドが前記被制御デバイスに配信されうるか、および／または、いかに速く制御コマンドが前記被制御デバイスに配信されうるかを示し、前記複数の段階はそれぞれのＱｏＳレベル要件と関連付けられ、
前記選択されるＱｏＳフローは、前記タスクの前記現在段階の前記期待ＱｏＥを達成可能にする
制御方法。 前記ＱｏＳフローを選択することは、
前記無線通信システムが輻輳しているかどうか、または輻輳寸前であるかどうかを評価することと、
前記無線通信システムが輻輳していること、または輻輳寸前であることを検出したことに応じて、
前記被制御デバイスにより実行される前記タスクの前記現在段階に必要な前記ＱｏＳレベルが、確立された前記少なくとも２つのＱｏＳフローのうちの前記第１のＱｏＳフロー以外のＱｏＳフローによっても提供される場合にのみ、前記ＱｏＳフローの選択中に前記第１のＱｏＳフローを考慮しないことと、を含む、
請求項１に記載の制御方法。 前記第１のＱｏＳフローは、前記タスクの前記現在段階に必要な前記ＱｏＳレベルが、確立された前記少なくとも２つのＱｏＳフローのうちの別のＱｏＳフローによって提供されないと判断された場合にのみ使用される、請求項１に記載の制御方法。 前記被制御デバイスから制御フィードバックを受信することをさらに含み、前記ＱｏＳフローは、前記受信された制御フィードバックに基づいて選択される、請求項１に記載の制御方法。 前記ＱｏＳフローの前記選択は、強化学習アルゴリズムを使用して学習された機械学習モデルを含む選択ポリシーを使用する、請求項４に記載の制御方法。 前記機械学習モデルは、深層Ｑ学習強化学習アルゴリズムを使用して学習されたニューラルネットワークを含む、請求項５に記載の制御方法。 前記強化学習アルゴリズムは、第１の項と第２の項とを組み合わせた報酬関数を使用し、
前記第１の項は、前記制御サーバによる前記被制御デバイスの前記制御の制御性能を表し、前記制御性能が低下すると報酬を減少させ、
前記第２の項は、前記第２のＱｏＳフローが使用されるときと比較して前記第１のＱｏＳフローが使用されるときに前記報酬を減少させる、請求項５に記載の制御方法。 前記強化学習アルゴリズムは、前記第２のＱｏＳフローが使用されるときと比較して前記第１のＱｏＳフローが使用されるときにより小さい報酬を返す報酬関数を使用し、前記機械学習モデルの前記学習は、結果的に得られる前記選択ポリシーが制御性能基準を満たすという制約の下で実行される、請求項５に記載の制御方法。 前記制御サーバは、複数の被制御デバイスを制御し、前記選択ポリシーの前記機械学習モデルは、マルチエージェント強化学習アルゴリズムを使用して学習される、請求項５に記載の制御方法。 少なくとも１つのプロセッサに、請求項１に記載の制御方法を実行させるための命令を備える、コンピュータプログラム。 少なくとも１つのプロセッサに、請求項１に記載の制御方法を実行させるための命令を備えるコンピュータプログラムを記憶した、コンピュータ可読記憶媒体。 被制御デバイスを制御する制御サーバであって、前記制御は、前記被制御デバイスにタスクを実行させることを目的とし、前記制御サーバは、請求項１に記載の制御方法を実行するように構成された処理回路および通信ユニットを備える、制御サーバ。 請求項１２に記載の制御サーバと、無線通信システムを介して前記制御サーバによって制御される少なくとも１つの被制御デバイスと、を備える、制御システム。