[发明专利]模型生成装置及方法、路径搜索装置以及模型生成程序

说明书

本发明的一方面所涉及的模型生成装置通过机器学习，针对各学习数据集，通过将训练地图提供为输入地图，以使由搜索模块搜索的路径适合于由正确答案信息示出的推荐路径的方式来训练搜索模块。模型生成装置在机器学习的期间，在正向传播的阶段，直接计算提取的运算和选择的运算，而在反向传播的阶段，将提取的运算和选择的运算分别置换为可微分的替代运算，通过置换后的替代运算的微分计算，算出与提取的运算和选择的运算各自的微分计算对应的近似梯度。

技术领域

本发明涉及模型生成装置、路径搜索装置、模型生成方法以及模型生成程序。

背景技术

存在搜索从地图(图表)上的开始节点到目标节点(终点)的推荐路径的问题(路径搜索问题)。推荐路径例如是最短路径，路径搜索问题例如是以搜索推荐移动体移动的路径、推荐机器人装置动作的路径等为目的而被解决的。作为该解决路径搜索问题的方法，狄克斯特拉法、最优优先搜索法、A^＊搜索算法(A星搜索算法)等经典的算法被广为人知。

搜索成本最小的路径的方法的基本思路如下所示。

(1)搜索空间由N个(N为自然数)的节点的集合V(V＝{V₁，…，V_N})构成，其中1个为开始(起点)节点(v_s∈V)，另1个为目标节点(v_g∈V)。

(2)准备作为确认是否构成推荐路径的对象的候选节点的集合O以及确认完毕的节点的集合C在初始状态下，仅开始节点v_s属于集合O(O＝{v_s})，集合C为空。

(3)在目标节点v_g包含于集合O之前，反复进行以下的(A)(B)的处理。

(A)从集合O之中选择成本最小的1个节点v^＊(v^＊∈O)，将选择的节点v^＊追加到集合C，并且从集合O除去节点v^＊。

(B)从V提取接近于(例如相邻于)节点v^＊的节点(集合)，将提取到的节点追加到集合O。

(4)若目标节点v_g不包含于集合O，则选择目标节点v_g，将搜索结束。

[式1]

f(v)＝a·g(v，v_s)+b·h(v，v_g)...(式1)

在上述(3)的(A)中用于选择节点v^＊的成本函数f(v)一般能够由上述式1来表现。g(v，v_s)示出从开始节点v_s移动到节点v实际上所花费的成本(例如，实际的移动距离)。h(v，v_g)示出从节点v移动到目标节点v_g所花费的预期成本(例如，直线距离)。a和b是规定将它们分别反映到节点的选择的程度的常数。成本与推荐(成本小)或者不推荐(成本大)经由该节点的程度对应。评价推荐的程度的指标例如可以是距离、时间、费用、危险度、拥挤度、魅力度等。作为一例，在将距离采用为指标的情况下，可以通过上述方法搜索最短路径。