MEKAWIRE
中級arXiv

水中ロボの模倣学習:NYUのROV方策、プールで93.3%、沈没船で66.7%

Greta Perez-Haiek, Luca Macesanu, Kevin Angers, Mohammed Imam, Timothy Gambin, Christopher ClarkNew York University; University of Malta
30秒で読む

ニューヨーク大学とマルタ大学のプレプリントは、小型水中ロボットが自律で航行し物体を扱う模倣学習方策を訓練した。プールでは最良モデルが部分成功を含め93.3%を達成し、マルタ沖の第2次大戦沈没船ではロープへの係留に66.7%成功した。

研究課題

陸上の固定ロボットアームで機能する行動模倣やVLA(視覚言語行動)モデルは、潮流に揺られ濁った水中を見る遠隔操作型水中ロボット(ROV)も制御できるのか。

問題

水中ロボットには固定された土台がなく、波と潮流で6自由度に揺れ続ける。カメラの視点とグリッパーの位置は常に変わり、光は深さとともに弱まり、浮遊物が映像をぼかす。このため水中の点検や作業の大半は今も人が操縦している。

従来の手法

従来の水中学習研究は陸上で学習した方策の移植か、認識にとどまっていた。Hugging FaceのSmolVLAなどの汎用方策や単一タスク用のACTは卓上アームでしか検証されていなかった。

新しい手法

研究チームはプールで静水と人力で起こした乱流の条件で遠隔操作デモを1616件集め、入力する姿勢情報だけが異なる汎用モデルDynamicVLAを14種類訓練した。方策は操縦者と同じジョイスティック型の指令をBlue RoboticsのBlueROV2に送る。現場ではマルタのマリーナと沈没船コラリータX127で748件を集め、ACTとSmolVLAを比べた。収集、学習、展開のコードはBluEmbodied Kitとして公開した。

結果

プールでの実機評価1260回(1モデル90回、3タスク各30回)で、14モデル中10モデルがカメラのみの基準モデル(部分成功込み60.0%、厳密46.7%)を上回った。ロール、ピッチ、ヨーだけを加えた最良モデルは部分成功込み93.3%、厳密72.2%。20ステップの行動チャンク1回の推論に約95〜129ミリ秒かかった。海上では508回の合計でACTが47.9%と、SmolVLAの7.9%を大きく上回った。同じACTモデルで沈没船のロープ係留66.7%(21回)、マリーナのはしご係留56.3%(206回)、沈没船の柱への係留36.8%(19回)だった。

限界

プレプリントである。プールは浅く小さく実際の潮流がなく、乱流は人手で起こした。93.3%は色違いの棒をつかんだ場合を部分成功に数えた値で、厳密な成功率は72.2%。現場試験の回数は14回から206回とばらつき、信頼区間が広い項目が多い。簡易グリッパー付きの小型点検用ROV1機種のみでの検証である。

産業への影響

洋上風力や港湾、養殖場の水中点検は操縦者の稼働時間がそのままコストになる。少量の現場デモと基本的な姿勢センサーで単純な把持や係留を2〜4年で自動化できる可能性を示し、人手不足が深刻な日本の港湾やインフラ点検、水中ドローン各社にも参考になる。一方、SmolVLAの現場成績の低さは、汎用モデルが現場データなしでは水中で通用しないことを示す。

論文全文

CC BY 4.0 のもとで公開された論文です。全文は出典を明記して英語のまま転載しています:全文を読む(英語)。原文は arXiv:2610.38199(PDF)。