Discovery Sagaサイレントキーワード俯瞰

海洋構造物や船舶、あるいは潜水船などの海中ビ-クルの運動を考えるとき、低速域での非線形性や相互干渉やダイナミクスの変化など、古典的な運動理論では極めて取扱いにくい状況がある。学習機能を持つシステムであるニューラルネットワークは、不特定多数の入力に対して、ある出力を表すモデルを表現することができる。本研究ではコントローラをニューラルネットワークで構成し、同定モデルも同じくニューラルネットワークで構成して、その出力を利用してコントローラを適応的に調整しようとするものである。
本年度の研究では、海中ロボットのコンピュータの並列処理機能を利用して、実ロボットを制御する実世界と、ロボットの動特性すなわちニューラルネットで同定された同定モデルを制御する仮想世界とを分離し、仮想世界では、数値シミュレーションにより仮想訓練を繰り返してコントローラを調整させ、ある程度調整が進んだ状況で実世界のコントローラを置き換えるシステムを構築した。この目的の為には、シミュレーションが仮想世界で閉じた形でおこなわれなくてはならない。そこで、差分型の3層のニューラルネットワークの降段に2層の積分層を設け、その出力を入力にもどす、という新しい同定モデルを構築し、その有用性を示した。これを海中ロボットのテストベッド「Twin-Burger」の回頭運動に適用して良好な結果を得た。そこに於いては、同定ネットワークの入力を回頭角速度と制御入力とし、制御出力は、左右のスラスタにより発生する回転モーメントとした。
実ロボットを使った実験において、構築したシステムは良好なコントローラを実時間で作り出すことに成功しており、提案したシステムの有用性を示した。

【研究分担者】
藤井輝夫	東京大学	生産技術研究所	助教授	(Kakenデータベース)