|
(1)流速分布
PIVは対象とする流体に微小な粒子を混入して、時間的に連続した粒子の投影像から流速分布を求める手法であり、様々な分野で流体の測定や解析するため用いられている。そこで、本研究では連続したレーダ画像から氷海を航行する船舶に対して、流氷の挙動を示した情報を提供できないかと考え、粒子画像流速測定法(Particle Image Velocimetry : PIV)を用いて、オホーツク沿岸の流氷の流速分布の可視化を行い海氷の動きをベクトルによって示した。しかしながら、レーダ画像には多くのノイズ、歪みがあるため、通常の濃度相関法を用い解像度を低く設定した場合、過誤ベクトルが多く含まれる可能性が高くなる。そこで、本年度は比較する画像間に新たな評価関数を導入した濃度相関法を提案し、ロバストな認識方法を実現した。
(2)強化学習法の初期学習の改良
強化学習では一般に、数回の状態遷移のあとに報酬が得られるため、ある状態で行った行動が正しかったどうかの評価が難しい。このような問題は、"報酬遅れ"と呼ばれ、ある状態に対する教師信号が分からないため、一般に学習が困難となり、学習時間の遅れにつながる。すなわち、エージェントがゴールに到達するまで、各状態において正の報酬が与えられないため学習の初期段階においてはランダムにゴールが探索される。海氷航行する船舶にとって、刻々と変化する海氷の開放水面上は、航路の探索時間は大きな問題である。本手法では状態における目的地への距離ではなく、目的地へ向かう方向にエージェントが移動し場合について、その行動に報酬が与えられる項をQ学習則に付加し、初期段階おいてエージェントが目的地に到達させる手法を提案した。
|
