未知の乱流背景流におけるロボット魚の自己中心的な定点保持

自然水域環境において、ロボット魚が目標位置に接近し、流れの中で定点を保持することは、水中監視やパイプライン点検などの実用的任務を遂行するための基本的かつ重要な能力である。過去数十年にわたり遊泳効率と機動性の向上が進められてきたが、自由遊泳するロボット魚と流れの間の流体構造相互作用は高度に非線形であり、その特性は未だ十分に解明されていない。このギャップを埋めるため、複数の研究機関からなるチームはSWiFT（Swimming With Flow Toolbox）フレームワークを提案した。これは、強化学習を活用して、胴体および尾鰭（BCF）推進方式のロボット魚が未知の乱流背景流において自己中心的な定点保持ポリシーを効率的に探索することを可能にする。

SWiFTフレームワークの核心は、三つの要素を統合したアーキテクチャにある。すなわち、自由遊泳が可能な流水槽実験装置、計算流体力学（CFD）に基づく高効率で物理的に一貫したシミュレータ、そしてシミュレーションから実機への体系的な転送パイプラインである。実験結果は、このフレームワークによって訓練されたポリシーが、すべての評価指標において既存の最先端手法を大幅に上回り、特に距離の二乗平均平方根誤差（RMSE）において一桁以上の改善を示した。

さらに注目すべき点は、ロボット魚が明示的な流れセンシングを一切行わず、自己中心的なフィードバック（加速度や角速度などの自己受容感覚情報）のみで未知の乱流中での定点保持を達成したことである。この結果は、魚類が自然界で示す走流性（rheotaxis）現象——側線系と内耳を介して水流を感知し、体勢を自律的に調整して位置を維持する能力——に極めて類似している。この「盲目的適応」能力は、センサ構成を大幅に簡素化するだけでなく、複雑な水域でのシステムのロバスト性を高める。

本研究の成功は、ロボット魚制御の実世界展開に向けた重要な一歩であると同時に、SWiFTフレームワークが、群れの保持やエネルギー最適経路計画など、より複雑な水中遊泳タスクに取り組むための基盤としての可能性を示している。関連論文は2026年7月にarXivに投稿され、再現可能なシミュレーションおよび実験データが公開されている。