マルチAUVのアドホック・ネットワークに基づくシーン適応型エンボデッド・インテリジェンスによるマルチターゲット追跡

Abstract

急速な海中ネットワーキングおよびマルチエージェント協調技術の進展により、自律型海中ロボット（AUV）のアドホックネットワークが、多標的追跡のような複雑な海上ミッションを遂行するための重要な枠組みとして登場している。 しかし、従来のデータ中心型アーキテクチャは、強い動的なトポロジ変動や、極端に制約された音響通信帯域のもとでは、運用の一貫性を維持することに苦慮している。本稿では、マルチAUVアドホックネットワークのための、シーン適応型の身体性知能（Embodied Intelligence: EI）アーキテクチャを提案する。これは、知覚、意思決定、物理的実行を統合して単一の認知ループに組み込むことで、AUVを身体性を備えた存在として再概念化するものである。これらの層間の機能的な相互作用を実現するために、通信リンクを動的な制約を意識したチャネルとして扱う、ビーコンベースの通信・制御モデルを定義し、高レベルの方策推論と分散型の物理的アクチュエーションとの間のギャップを効果的に埋める。具体的には、提案アーキテクチャは三層の機能フレームワークを採用し、デュアルパス・クリティック機構を備えたシーン適応型MARL（Scene-Adaptive MARL: SA-MARL）アルゴリズムを導入する。シーン・クリティックネットワークと汎用クリティックネットワークを、重みによる動的融合プロセスを通じて統合することで、SA-MARLは、特化した追跡タスクをグローバルな安全性制約から効果的に切り離し、自律的な方策の進化を促進する。評価結果は、提案方式が方策収束を大幅に加速し、主流のMARL手法と比べて優れた追跡精度を達成することを示しており、強い環境干渉や流体的なトポロジ変動のような厳しい条件下でも頑健な性能を維持する。