リアルタイムAUV経路計画のためのハイブリッド人工ポテンシャル場と時空間トランスフォーマー

自律型水中ビークル（AUV）は複雑で非構造化された水中環境で動作し、効率的かつ安全な経路計画はミッションの成功とエネルギー節約に不可欠です。最近のarXiv論文では、13の経路計画アルゴリズムの包括的な比較評価が行われています。対象は、古典的なグラフ探索法（A*、Dijkstraなど）、サンプリングベースの手法（RRT*など）、メタヒューリスティックス（粒子群最適化(PSO)、遺伝的アルゴリズム(GA)、蟻コロニー最適化(ACO)、蜂コロニー最適化(BCO)など）、および学習ベースのアーキテクチャに及びます。特に、人工ポテンシャル場（APF）と時空間（ST）トランスフォーマーを組み合わせた提案されたハイブリッドアプローチに重点が置かれています。高解像度の水中地形図上の5つのナビゲーションシナリオで評価した結果、すべてのアルゴリズムが100%のタスク完了を達成しましたが、経路の最適性、衝突回避、計算負荷の間に重要なトレードオフが明らかになりました。ハイブリッドAPF+STトランスフォーマーは、平均経路長（943.15単位）で最短、低衝突率（0.031）、効率的な計算時間（0.96秒）を達成し、フォールバックメカニズムを必要とするスタンドアロンの学習モデルや、より高いレイテンシを生じる古典的手法を凌駕しました。古典的アルゴリズムは衝突のない経路を保証しますが、経路長が過大で処理時間が長く、動的な水中運用には適していません。逆に、メタヒューリスティックアプローチは軌道の複雑さを導入し、厳格なエネルギー制約には不適切です。ハイブリッドフレームワークは、APFの反応的な障害物回避とSTトランスフォーマーの大域的経路最適化能力を調和させ、時空間情報を活用して動的環境に適応します。実験結果は、複雑な地形や移動する障害物を扱う際の堅牢性を強調しており、資源制約のある水中システムにおけるリアルタイムAUVナビゲーションの有望なソリューションを提供します。この研究は、海洋探査、環境モニタリング、軍事作戦など、信頼性と効率的なナビゲーションが最重要視されるアプリケーションにとって重要な前進を示しています。