過去に目を覚ませ：記憶を用いてロボット上で流体ウェイク効果をモデル化する

要旨: 中型コプターや魚雷のように、周囲の媒質を攪乱することで移動性を獲得する自律飛行・水中ロボットは、隣接するロボットに対する攪乱として働くウェイク（後流）効果を生み出す。流体の複雑な時空間ダイナミクスに起因して、そのウェイク効果はモデル化および予測が難しい。さらに、ロボットの物理的な幾何形状や、複雑な運動パターンとも絡み合っているためである。ニューラルネットワークを用いたデータ駆動型の手法は通常、「被害（sufferer）ロボット」が観測する力へと、2つのロボットの現在状態を対応づける記憶のない（メモリレス）関数を学習する。そのようなモデルは、機敏な（agile）状況ではしばしば性能が低い。ウェイク効果には有限の伝播時間があるため、被害ロボットが観測する攪乱は、過去における相対状態の何らかの関数になっているからである。本研究では、流体を介した2台のロボット間の相互作用を正確にモデル化するために、ウェイク効果予測器が満たすべき性質について、実証的な研究を提示する。4種類の異なる媒質における流体ウェイク効果の時空間的な進展を捉えるために設計した、7つのデータ駆動型モデルを検討する。これにより、モデルを内省し、予測器と媒質の間で精度の向上を可能にする特定の特徴が、なぜ有効なのかを分析できる。実験による検証として、2台の回転するモノコプターに対して現実世界のデータでフィードバック制御を行うための、平面直線形（planar rectilinear）ガントリを開発する。結論として、入力に過去の状態の履歴を保持することと、輸送遅れ（transport delay）の予測を行うことが、正確なウェイク効果予測器を学習するうえで大きく役立つ。