強化学習による小型 AUV の経路最適化モデルの開発

摘要

二酸化炭素に代表される温室効果ガスが地球規模で 増加し，近年地球温暖化問題が深刻化している．海洋は人間活動によって放出された二酸化炭素の約3割を吸収して大気中の二酸化炭素濃度の上昇を抑えており，地球温暖化の進行を抑制する働きをしている．地球 温暖化の原因を究明するためには，地球規模の海洋 大循環における二酸化炭素の移動過程を解析しなければならない．日本の排他的経済水域（EEZ）は世界で6番目の面積であり，この広大な海洋空間には多くの 鉱物資源やエネルギー資源が存在することが近年解明されつつある1)．また，人間が長期に亘って持続的に 化石燃料を利用し続けるためには，石油や天然ガスを探し出す探査・探鉱の技術や生産技術を進歩させる 必要がある．したがって，海洋エネルギー資源や海底鉱物資源の探査・開発には，海面下の状況を広範囲にかけて効率よく低コストで観測する必要がある．船舶による海底調査だけでは莫大な費用と労力，時間がかかる2)．一方で，自律型海中ロボット（Autonomous Underwater Vehicle；以下，AUVという）を利用する ことにより，広範囲にかけて効率よく低コストで海洋環境調査を行うことができる．さらに機体に人工知能を搭載することによって未知環境に対して，効率的に無駄のないタスク処理を行うことが期待されている．そこで，本研究では，水深10m程度の試験水槽で容易に潜航試験を行うことのできる小型AUVを強化学習により知能化し3次元配列を用いた経路最適化モデルを機体に搭載することで，効率的なタスク処理を可能にする．