洋上風力発電所周辺のAUV・ASV航法に世界モデル基盤のLLMプランナー、衝突ゼロを達成

何が起きたか

arxiv.orgに2026年8月20日付で公開された論文(識別番号2608.19661v1)で、洋上風力発電所近傍を航行するAUV(6自由度)とASV(3自由度)のための航法プランナーが提案された。提案手法は、物理に基づくニューラル世界モデル、3フェーズの勾配ベース軌道最適化器、信頼領域ガード付きMPC方式の閉ループ再プランナーの3要素で構成され、LLMが行動を決定し、世界モデルが実行時間を判断する。5つのベンチマークミッションで両車両とも予測衝突ゼロを達成し、GazeboSimでのゴール距離誤差を未接地ベースライン比でASVで70〜82%、AUVで約93%削減した。

詳細

提案手法は、物理に基づくニューラル世界モデル、3フェーズの勾配ベース軌道最適化器、信頼領域ガード付きMPC方式の閉ループ再プランナーの3要素で構成される。LLMは自然言語のミッションを行動系列に変換するが、物理感覚を持たないため、コマンドの実行時間や障害物への漂流を判断できない。世界モデルが実行時間を決定し、8スラスタを6自由度で駆動するAUVと、2つの差動スラスタを3自由度で駆動するASVの両方に対応する。評価では、5つのベンチマークミッションで両車両とも予測衝突ゼロを達成し、GazeboSim(海洋流・波浪・スラスタ動力学を考慮)で未接地ベースライン比のゴール距離誤差をASVで70〜82%、AUVで約93%削減した。さらに、残差ファインチューニングによりサロゲートロールアウトのRMSEをAUVで60%、ASVで69%削減した。ASVでは、衛星画像・海図・予報APIから障害物と環境文脈を抽出するVLM支援セマンティックマッピングパイプラインを実証し、手動指定の障害物形状の代替として96%の航行可能性精度を達成した。

Key Facts

本紙の見方

今回の提案は、LLMベースの航法プランナーに物理世界モデルを組み合わせる点で新規性が高い。LLMは自然言語のミッションを行動系列に変換できるが、物理的な実行時間や障害物への漂流を判断できないという課題に対し、世界モデルが実行時間を決定する役割を担う。この役割分担は、LLMの計画能力と物理シミュレーションの精度を橋渡しするもので、従来のエンドツーエンドの学習やルールベースのプランナーとは一線を画す。特に、8スラスタの6自由度AUVと2つの差動スラスタの3自由度ASVという異なる車両クラスに対応し、それぞれで衝突ゼロを達成した点は、手法の汎用性を示す。 業界構造への含意として、洋上風力発電所の保守点検は、潜水作業や有人船の派遣に代わる自律型ロボットの導入が進む分野であり、今回の航法プランナーはその安全性を高める可能性がある。特に、VLM支援セマンティックマッピングが衛星画像や海図から障害物を抽出する点は、オンボードセンサーに依存しないため、コスト削減と運用の柔軟性につながる。ただし、シミュレーション環境(GazeboSim)での検証であり、実海域での実証はまだ行われていない。 未確定の論点として、実機での検証、計算コスト、世界モデルの学習データの質と量、VLMの精度が悪天候や海況でどう変化するかなどが挙げられる。また、提案手法が他の海洋車両や異なる環境にどの程度一般化するかも今後の課題である。

なぜ重要か

この研究は、LLMの計画能力と物理世界モデルを組み合わせることで、自律型海洋ロボットの航法安全性を大幅に向上させる可能性を示した。洋上風力発電所の保守点検の自律化が進む中、衝突ゼロの航法は運用コスト削減と安全性向上に直結する。