2022 Fiscal Year Annual Research Report
Development of AI for autonomous ship handling to accelerate ocean-bottom exploration, and its demonstration at actual sea
| Project/Area Number |
20H00284
|
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
橋本 博公 大阪公立大学, 大学院工学研究科, 教授 (30397731)
|
|---|
| 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
|
| Keywords | 自律操船 / 深層強化学習 / 逆強化学習 / 測線トラッキング / 定点保持 / 自動離着岸 / 自動避航 / 実船実験 |
|---|
| Outline of Annual Research Achievements |
本研究は、気象海象が複雑に変化する状況下において、海洋底探査に課せられた高度ミッションを達成するための自律操船AIの開発を目的とする。今年度の研究実績の概要は以下の通り。
①深層強化学習DDPGにより、測線トラッキング用の自律操船AIの開発を行った。風、波、潮流が混在する中で、直線と円弧をランダムに組み合わせた任意の測線をトラッキングすべく、測線と自船の相対位置・方位の履歴をニューラルネットワークへの入力とした。開発したAIの評価のため、水産研究・教育機構の海洋調査船「たか丸」を使用して、AIの舵角指示に従って船員（人間）が操舵する半自動操船実験を複数回実施した。オリジナルのDDPGでは、「出力の非対称性」、「出力値の変化が過大」、「出力変化が高頻度」という3 つの課題があったが、ニューラルネットワーク構成と損失関数の改良により、実船においても滑らかな操船かつ任意の測線を高精度に追従可能であることを確認した。
②風、波、潮流という外乱作用下での定点保持操船の自動化のため、舵角に加えて、可変ピッチプロペラの翼角とバウスラスタのオンオフを制御変数に含めたAIを開発し、「たか丸」で検証実験を実施した。外乱が作用する中での低速操船であり、モデル化誤差の影響が大きいことから、AIによる操船は、シミュレーション結果に比べて定点保持性能が劣る結果となった。このギャップを埋めるため、模型船を用いた転移学習に取り組んだ。その結果、シミュレーション環境での学習に対して、定点保持能力に有意な改善が見られることを確認した。これと平行して、大型フェリーの自動離着岸システムの開発を行い、実船による実証実験を実施した。
③相手船や障害物を避けるための自動避航計画に関して、逆強化学習により船長（エキスパート）の避航操船時の思考の可視化を行った。さらに、衝突危険度予測、最適航路探索のための新たな方法を提案した。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
