| Project/Area Number |
20H00284
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 24:Aerospace engineering, marine and maritime engineering, and related fields
|
|---|
| Research Institution | Osaka Metropolitan University (2022)
Osaka Prefecture University (2020-2021) |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
青木 尊之 東京工業大学, 学術国際情報センター, 教授 (00184036)
松田 秋彦 国立研究開発法人水産研究・教育機構, 水産技術研究所(神栖), 主幹研究員 (10344334)
島 伸和 神戸大学, 理学研究科, 教授 (30270862)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥44,590,000 (Direct Cost: ¥34,300,000、Indirect Cost: ¥10,290,000)
Fiscal Year 2022: ¥14,170,000 (Direct Cost: ¥10,900,000、Indirect Cost: ¥3,270,000)
Fiscal Year 2021: ¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2020: ¥13,130,000 (Direct Cost: ¥10,100,000、Indirect Cost: ¥3,030,000)
|
|---|
| Keywords | 自律操船AI / 深層強化学習 / 逆強化学習 / 測線トラッキング / 定点保持 / 自動避航 / 自動離着岸 / 実船実験 / 自律操船 / CFD / 模型実験 / AI / マンマシンインターフェース / 海洋底探査 / 自動操船システム / GPU |
|---|
| Outline of Research at the Start |
海溝型地震や海底火山噴火の予測，熱水活動観測による資源評価など，調査船を用いた海洋底探査の重要性が増している。本研究では，測線の自動トラッキングや外乱下での定点・方位保持，水中探査機への超低速追従など，海洋底探査に求められる高度ミッションを達成するための自律操船AIを開発する。さらに，開発したAIを実海域での探査に投入し，実船実験による実証までを行うことで，今後の海洋底探査を加速する基盤技術として確立する。
|
| Outline of Final Research Achievements |
In this research, we developed AI for automating a series of ship maneuvers required for ocean-bottom exploration, such as line tracking, dynamic positioning, collision avoidance, docking and undocking. Deep reinforcement learning is used to acquire the autonomous control laws, so we designed state inputs, action outputs, and reward functions according to each maneuver. Demonstration experiments were conducted for validating the ship maneuvering AI using model ships or actual ships. Then, we have confirmed not only its maneuvering ability, but also its robustness against sensor noises, modeling errors, and external disturbances. In addition, we have succeeded to visualize rewards reflecting the sensation of experts by inverse reinforcement learning, and to incorporate the transfer learning into enhancing the ship maneuvering AI. These achievements can be led to the basic technologies that will accelerate future ocean-bottom exploration.
|
| Academic Significance and Societal Importance of the Research Achievements |
船舶は慣性が大きく，操船に対する応答性が極めて遅い．また，波や風などの自然外乱を空間的・時間的に把握することは困難である．本研究では，深層強化学習を用いて海洋底探査に求められる高度な判断と緻密な操船を自律操船AIに置き換えることに挑戦した．シミュレーションのみによる研究が数多く報告される中で，実船を用いた実証実験を繰り返し，AIの操船能力に加えてモデル化誤差や外乱影響に対するロバスト性までを実証できたことは学術的に意義がある．また，若年労働者の減少により船員の安定確保が困難となりつつある日本において，無人運航船の早期実現へと繋がる本研究の成果は社会的にも大きな意味がある．
|
