2025S-OS1-6 モデルベースオフライン強化学習を用いた自動着桟操船のための軌道追従制御

抄録

強化学習は環境の不確実性を考慮しつつ最適な行動方策を獲得することができるため，船舶の操船制御への適用が注目されている．これまでにも船舶の軌道追従制御のための行動方策を獲得する強化学習法も提案されている．しかし，シミュレーション環境と実環境の乖離が最終的な行動方策の性能を低下させる可能性がある．そこで，本研究では，操船データの不足または偏在に起因する認識論的な不確実性を示すFNNのアンサンブル学習法を導入することで，操縦モデルの予測不確実性を考慮した訓練手法を提案する．本稿では，運航データを基にMMGモデルに基づくシミュレーションデータを用いて検証実験を実施した．その結果，着桟操船軌道を高精度に追従可能であることを確認した．