計算機科学：野外での強化学習によるグライダー滑空

滑空する鳥は、獲物を探したり長い距離を移動したりする際に、大気中の上昇する熱プルーム（上昇温暖気流）を利用することが多い。上昇温暖気流は、常に発生し、分裂し、風によって運び去られるので、対流の生み出す景観は起伏が激しく、数分の時間スケールで変化する。こうした複雑な景観の中で、滑空する鳥がどのようにして上昇温暖気流を探し航路を決めるのかは分かっていない。強化学習は、環境手掛かりに応答してなされた一連の決定として効果的な航行戦略を特定する適切な枠組みをもたらす。今回我々は、強化学習を用いて、大気中の上昇温暖気流を自律的に捉えて航路を決定するよう、グライダーを野外で訓練した。我々は、翼長2 mのグライダーにバンク角とピッチを精密に制御する飛行制御器を取り付け、最大の揚力が得られる間隔でバンク角とピッチを調節した。航行戦略は、野外で数日間にわたり収集され、蓄えられたグライダーの経験のみから決定された。この戦略は、グライダーにかかる局所的な鉛直方向の風の加速度とロール方向のトルクを機上で正確に見積もる方法に依存しており、こうした加速度とトルクが航行の手掛かりとなる。我々は、野外実験、数値シミュレーション、大気乱流によって生じた測定雑音の推定値を通して、学習した飛行方針の妥当性を確立した。今回の結果は、鉛直方向の風の加速度とロール方向のトルクが、滑空する鳥に対する効果的な機械感覚的な手掛かりとして働いていることを浮き彫りにするとともに、自律滑空機の開発に直接適用できる航行戦略を提示している。

目次へ戻る