WO2026131066 - VERFAHREN ZUM TRAINIEREN EINES MASCHINENLERNMODELLS, DAS ZUM BESTIMMEN EINER LADEZEIT VON BATTERIEN VON ELEKTROFAHRZEUGEN VORGESEHEN

National phase entry is expected:
Publication Number WO/2026/131066
Publication Date 25.06.2026
International Application No. PCT/EP2025/084876
International Filing Date 01.12.2025
Title **
[German] VERFAHREN ZUM TRAINIEREN EINES MASCHINENLERNMODELLS, DAS ZUM BESTIMMEN EINER LADEZEIT VON BATTERIEN VON ELEKTROFAHRZEUGEN VORGESEHEN
[English] METHOD FOR TRAINING A MACHINE LEARNING MODEL WHICH IS DESIGNED TO DETERMINE THE CHARGING TIME FOR BATTERIES OF ELECTRIC VEHICLES
[French] PROCÉDÉ D'ENTRAÎNEMENT D'UN MODÈLE D'APPRENTISSAGE AUTOMATIQUE QUI EST CONÇU POUR DÉTERMINER LE TEMPS DE CHARGE POUR DES BATTERIES DE VÉHICULES ÉLECTRIQUES
Applicants **
ROBERT BOSCH GMBH
Inventors
DITTBERNER, Andreas
BEDER, Kirill
Priority Data
102024212046.4   17.12.2024   DE
Application details
Total Number of Claims/PCT *
Number of Independent Claims *
Number of Priorities *
Number of Multi-Dependent Claims *
Number of Drawings *
Pages for Publication *
Number of Pages with Drawings *
Pages of Specification *
*
Number of Office Actions *
*
International Searching Authority
*
Recordal of a Change of the Applicant's Name/Address
*
Type of Assignment
*
Applicant's Legal Status
*
*
*
*
*
*
Entry into National Phase under
*
Patent Delivery
*
Translation

* The data is based on automatic recognition. Please verify and amend if necessary.

** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.

Quotation for National Phase entry

Country StagesTotal
China Filing, Examination, Granting1893
EPO Filing, Examination, Granting8736
Japan Filing, Examination, Granting2057
South Korea Filing, Examination, Granting1851
USA Filing, Examination, Granting4740
MasterCard Visa
Total: 19,277
Contact Us
Abstract[German] Die Erfindung betrifft ein Verfahren zum Verfahren zum Trainieren eines Maschinenlernmodells, das zum Bestimmen einer Ladezeit von Batterien (104a, 104b, 104c) von Elektrofahrzeugen (100a, 100b, 100c) vorgesehen ist, umfassend: Bereitstellen (200) von ersten Trainingsdaten (202) von Batterien einer ersten Vielzahl von Elektrofahrzeugen; erstes Trainieren (204) eines Maschinenlernmodells (206), um ein vortrainiertes Maschinenlernmodell (208) zu erhalten; Bereitstellen (224) von für trainierte individuelle Maschinenlernmodelle charakteristische Daten (226), wobei die trainierten individuellen Maschinenlernmodelle jeweils durch zweites Trainieren (216) des vortrainierten Maschinenlernmodells (208), wobei zweite Trainingsdaten (214) jeweils für jedes einer zweiten Vielzahl von Elektrofahrzeugen erhalten worden sind; Bereitstellen (228) von Histogrammen (230) der jeweiligen zweiten Trainingsdaten; Anpassen (232) des vortrainierten Maschinenlernmodells, basierend auf den Histogrammen und basierend auf den für die trainierten individuellen Maschinenlernmodelle charakteristischen Daten, um eines oder mehrere trainierte finale Maschinenlernmodelle (234) zu erhalten; und Bereitstellen (236) des einen oder der mehreren trainierten finalen Maschinenlernmodelle.[English] The invention relates to a method for training a machine learning model which is designed to determine the charging time for batteries (104a, 104b, 104c) of electric vehicles (100a, 100b, 100c), having the steps of: providing (200) first training data (202) relating to batteries of a first plurality of electric vehicles; carrying out a first training process (204) on a machine learning model (206) in order to obtain a pre-trained machine learning model (208); providing (224) data (226) which is characteristic of trained individual machine learning models, each of the trained individual machine learning models being obtained by carrying out a second training process (216) on the pre-trained machine learning model (208), respective second training data (214) having been obtained for each of a second plurality of electric vehicles; providing (228) histograms (230) of the respective second training data; adapting (232) the pre-trained machine learning model on the basis of the histograms and on the basis of the data which is characteristic of the trained individual machine learning models in order to obtain one or more trained final machine learning models (234); and providing (236) the one or more trained final machine learning models.[French] L'invention se rapporte à un procédé d'entraînement d'un modèle d'apprentissage automatique qui est conçu pour déterminer le temps de charge pour des batteries (104a, 104b, 104c) de véhicules électriques (100a, 100b, 100c), comprenant les étapes consistant : à fournir (200) des premières données d'entraînement (202) se rapportant à des batteries d'une première pluralité de véhicules électriques ; à réaliser un premier processus d'entraînement (204) sur un modèle d'apprentissage automatique (206) afin d'obtenir un modèle d'apprentissage automatique pré-entraîné (208) ; à fournir (224) des données (226) qui sont caractéristiques de modèles d'apprentissage machine individuels entraînés, chacun des modèles d'apprentissage machine individuels entraînés étant obtenu en effectuant un second processus d'entraînement (216) sur le modèle d'apprentissage machine pré-entraîné (208), des secondes données d'entraînement respectives (214) ayant été obtenues pour chaque véhicule électrique d'une seconde pluralité de véhicules électriques ; à fournir (228) des histogrammes (230) des secondes données d'entraînement respectives ; à adapter (232) le modèle d'apprentissage machine pré-entraîné sur la base des histogrammes et sur la base des données qui sont caractéristiques des modèles d'apprentissage machine individuels entraînés afin d'obtenir un ou plusieurs modèles d'apprentissage machine finaux entraînés (234) ; et à fournir (236) le ou les modèles d'apprentissage machine finaux entraînés.