月面群ロボットにおける創発的な協調体温調節

- 月面の洞窟・lava tube 探査のための小型ロボット swarm における、協調的体温調節（thermoregulation）の研究。 - 月の夜は 354 h にわたり表面温度が 95 K 付近まで低下し、単機で使う radioisotope heater を swarm 規模では供給できない。 - そこで swarm 自身を熱遮蔽物として使えるかを検討し、20 台が共有する 1 つの policy を reinforcement learning で獲得。 - 夜明け時点で最も冷たい 5 台の平均温度という単一の終端報酬のみを与えている。

- NASA の CADRE のような協調 rover による分散 mapping は日中のみを対象としており、夜間生存は扱っていない。 - 単機 rover の radioisotope heater による生存は swarm 規模で供給できないという制約がある。 - 本研究は追加の熱源ではなく、swarm の集合・循環行動そのものによる熱遮蔽で生存可能なことを示す点が新しい。 - 位置・間隔・露出・運動を報酬に含めずとも、penguin huddle に類似した 2 つの行動が創発することを示した。

- 20 台のロボットが共有する単一 policy を reinforcement learning で訓練。 - 推定器として evolution-strategies estimator を用いる。 - 報酬は夜の終わりに一度だけ与える終端報酬で、最も冷たい 5 台の平均温度。 - 報酬には位置・間隔・露出・運動に関する項が一切含まれない。 - 共有の空間参照や robot-robot contact を必要としない設計。

- 生存閾値（夜明けに全機生存するための 1 台あたり最小蓄熱量）を測定。 - 10 回の run で 155.6 +/- 1.3 pcm-h（1 pcm-h = 7.2 kJ）という結果。 - これは motionless huddle より 37% 低く、physics-based lower bound の 13% 以内。 - motionless huddle が 6 台失う予算でも全機生存することを確認。 - 20 台から 40 台への retraining なしの転移も確認。

- 創発した集合と、遮蔽された core と露出した rim の間の循環は、emperor penguins が南極の冬を生き延びる行動と同型であると述べられている。 - 共有の空間参照や contact を必要としない点、20 台から 40 台へ retraining なしで転移する点が議論されている。 - 一方で、実機実験や環境条件の感度、他の swarm 規模・形状への一般性については要旨からは不明。

- NASA の CADRE など協調 rover による分散 mapping の研究。 - emperor penguins の huddle に関する生物学的・熱力学的モデル研究。 - reinforcement learning における evolution-strategies estimator を用いた手法（例：CMA-ES 系の policy search）。 - swarm robotics における集合・集合行動の創発に関する研究。