単一センサユニットの計測履歴を用いた非定常流れ下の水中ナビゲーション

- 単一の sensing unit の計測履歴から、causal observer を用いて流れの横方向速度を推定し、固定 navigation controller の入力とする水中ナビゲーション手法。 - 2次元 wake シミュレーションで、body-frame ambient velocity が利用可能な設定。 - 円柱 wake (Re=100) のみで学習し、未学習の Re=205, 240 でも再学習なしで動作。

- 従来の spatial flow sensing は複数点の同時計測を必要とし、ロボットサイズや sensor layout の制約があった。 - 本手法は単一 sensing unit の履歴のみで仮想的に流れを推定し、同時サンプリングを3点からロボット中心1点に削減。 - 直接 spatial sensing と比べ成功率は Re=205 で7.4ポイント、Re=240 で4.6ポイント低いが、current-only observer より30ポイント以上高い。

- causal observer が有限長の計測履歴から現在の横方向流速を推定。 - 推定値を固定 navigation controller の入力として閉ループ制御。 - 学習は円柱 wake (Re=100) のみで実施。 - 横方向速度差が制御に重要であることを component replacement で特定。 - 誤差の持続性 (error persistence) に対する感度を制御された摂動で確認。

- 2次元 wake シミュレーションで検証。 - 円柱 wake (Re=100) で学習し、未学習の Re=205, 240 で成功率 84.4%, 80.6% を達成。 - 直接 spatial sensing および current-only observer と比較。 - 障害物形状として square-prism wake と triangular-prism wake でも評価。 - 過去の flow 情報が過去の goal と yaw 情報がある場合にも有効であることを確認。

- 単一点の flow 履歴の閉ループ有用性を示すが、仮定された observation model の下での結果。 - 障害物形状により性能が変化し、square-prism wake では直接 sensing に近いが triangular-prism wake では低下。 - 横方向速度差が制御に重要である一方、誤差の持続性に敏感。 - 実機適用や他の流れ条件への一般化については要旨からは不明。

- 要旨で参照/比較されている研究: direct spatial sensing, current-only observer, circular-cylinder wake, square-prism wake, triangular-prism wake。 - 関連手法: causal observer, fixed navigation controller, body-frame ambient velocity, component replacement, controlled perturbations。 - 同分野の定番: underwater navigation, flow sensing, wake simulation, reinforcement learning for control (一般的な関連分野として)。