[論文レビュー] Large Language Model-based Decision-making for COLREGs and the Control of Autonomous Surface Vehicles
本論文は、リアルタイムでのCOLREGs準拠を保証する説明可能でリスクに配慮した推論を備えた、自律型海上船（ASV）向けの最初のLLMベースの意思決定フレームワークを提示する。オンラインでの衝突リスク評価と、人間が理解可能なLLM生成意思決定を統合することで、与圧・直進などのCOLREGs準拠の行動を実現するとともに、動的な海上環境下でも正確なウェイポイント追従を維持する。
In the field of autonomous surface vehicles (ASVs), devising decision-making and obstacle avoidance solutions that address maritime COLREGs (Collision Regulations), primarily defined for human operators, has long been a pressing challenge. Recent advancements in explainable Artificial Intelligence (AI) and machine learning have shown promise in enabling human-like decision-making. Notably, significant developments have occurred in the application of Large Language Models (LLMs) to the decision-making of complex systems, such as self-driving cars. The textual and somewhat ambiguous nature of COLREGs (from an algorithmic perspective), however, poses challenges that align well with the capabilities of LLMs, suggesting that LLMs may become increasingly suitable for this application soon. This paper presents and demonstrates the first application of LLM-based decision-making and control for ASVs. The proposed method establishes a high-level decision-maker that uses online collision risk indices and key measurements to make decisions for safe manoeuvres. A tailored design and runtime structure is developed to support training and real-time action generation on a realistic ASV model. Local planning and control algorithms are integrated to execute the commands for waypoint following and collision avoidance at a lower level. To the authors' knowledge, this study represents the first attempt to apply explainable AI to the dynamic control problem of maritime systems recognising the COLREGs rules, opening new avenues for research in this challenging area. Results obtained across multiple test scenarios demonstrate the system's ability to maintain online COLREGs compliance, accurate waypoint tracking, and feasible control, while providing human-interpretable reasoning for each decision.
研究の動機と目的
- 国際海上衝突防止規則（COLREGs）は自然言語で記述されており、人間と同等の推論を要するが、自律型海上船（ASV）がこれを準拠できるようにする挑戦に取り組む。
- 従来のルールベースシステムの限界を克服するため、大規模言語モデル（LLM）を用いた説明可能なAIを導入し、COLREGsをリアルタイムに解釈・適用する。
- 高レベルのLLMベース意思決定と低レベルの局所的計画・制御を統合したハイブリッドアーキテクチャを構築し、安全で準拠性があり、追跡可能なASV航行を実現する。
- 各行動意思決定の背後にある理由を人間が読み取れる形で出力することで、自律海上システムにおける透明性と信頼性を向上させる。
- オーバーテイキング、クロスイン、ヘッドオンなどの多様な状況を含む動的で複雑な海上出会いのシナリオにおいて、LLMの実用性と有効性を実証する。
提案手法
- リアルタイム入力（距離、方位、CPA（最接近点）、T_CPA（CPAまでの時間）、オンライン衝突リスクインデックス）を処理する高レベルのLLMベース意思決定モジュールを採用し、出会い状況を評価する。
- 文脈パラメータと規則を組み合わせたプロンプト工学フレームワークを設計し、Rule 15（与圧義務）やRule 17（直進義務）などのCOLREGs規則を正確に解釈できるようにする。
- LLMが出力する行動を、局所的計画アルゴリズムを用いたウェイポイント追従および衝突回避を実行する低レベル制御システムと統合する。
- 入力の飽和、外乱、非ホロノミック制約を含む、現実的な動的特性を持つ非線形ASVモデルを用いて、実世界の海上行動をシミュレートする。
- 学習とリアルタイム推論の両方をサポートするランタイムアーキテクチャを実装し、意思決定の応答性と一貫性を確保する。
- 説明可能なAIの原則を適用し、各行動の背後にある自然言語による根拠を生成する。具体的には、関連するCOLREGs規則とリスク値、D_CPA、T_CPAなどの重要なパラメータを明示的に参照する。
実験結果
リサーチクエスチョン
- RQ1大規模言語モデル（LLM）は、自然言語で記述されたCOLREGs規則を、ASVのリアルタイム海上意思決定において正確に解釈・適用できるか？
- RQ2LLMベース意思決定を低レベル制御システムとどのように統合することで、動的出会いシナリオにおける安全性とCOLREGs準拠性を両立できるか？
- RQ3LLMは、自律航行意思決定の透明性と信頼性を高めるために、人間が理解可能な追跡可能な推論をどの程度提供できるか？
- RQ4リスクに配慮したLLM意思決定は、多様な出会いタイプにわたり一貫したCOLREGs準拠を維持するとともに、振動的または一貫性のない行動を防げるか？
- RQ5オンライン衝突リスク評価とLLM推論を統合することで、複雑な海上環境における状況認識と意思決定の質がどのように向上するか？
主な発見
- LLMベースのシステムは、出会い状況（例：オーバーテイキング、クロスイン）を正しく分類し、相対方位とリスクパラメータに基づいて適切なCOLREGs規則（例：与圧義務のRule 15、直進義務のRule 17）を適用した。
- 相対方位が150.09°（右舷側）のクロスイン状況では、高リスク、低D_CPA（12.4m）、臨界T_CPA（3.2s）のため、自船が与圧義務を負うと特定し、「右舷に転舵して与圧」との意思決定を下した。
- 左舷側に相手船がいるクロスイン直進状況では、中程度のリスク値（0.78）、T_CPA 53.27秒、D_CPA 296.21メートルを維持し、適切に「リスクは存在するが管理可能。相手船が左舷側のため、直進義務を維持する」との根拠を提示した。
- すべてのテストシナリオにおいて、一貫性があり振動のない行動を示した。リスクに配慮した意思決定とルールベースの一貫性により、不規則な行動を回避した。
- CPAに基づくリスクインデックスなどのオンラインリスクインデックスとLLM推論を統合することで、安全性、準拠性、ミッション目標のバランスを取った、実現可能で予測可能な制御行動を達成した。
- フレームワークは完全に説明可能な意思決定ログを生成し、各行動が特定のCOLREGs規則と重要なパラメータ（リスク値、D_CPA、T_CPA）を明示的に参照する自然言語の根拠とともに出力された。これにより、透明性と監査可能性が向上した。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。