[論文レビュー] Maritime situational awareness using adaptive multi-sensor management under hazy conditions

Dilip K. Prasad, Chandrashekar Krishna Prasath+4 more|arXiv (Cornell University)|Feb 2, 2017

Maritime Navigation and Safety参考文献 17被引用数 3

ひとこと要約

本稿では、もやや視界が悪い環境下で運用する自律型海上船舶を対象に、適応的マルチセンサ管理システムを提案する。搭載カメラセンサおよび気象センサのデータに加え、外部のAISおよび陸上監視データを統合し、計算知能とリアルタイム学習を活用することで、厳しい環境条件下でも状況認識を向上させ、リアルタイムでの意思決定を可能にする。

ABSTRACT

This paper presents a multi-sensor architecture with an adaptive multi-sensor management system suitable for control and navigation of autonomous maritime vessels in hazy and poor-visibility conditions. This architecture resides in the autonomous maritime vessels. It augments the data from on-board imaging sensors and weather sensors with the AIS data and weather data from sensors on other vessels and the on-shore vessel traffic surveillance system. The combined data is analyzed using computational intelligence and data analytics to determine suitable course of action while utilizing historically learnt knowledge and performing live learning from the current situation. Such framework is expected to be useful in diverse weather conditions and shall be a useful architecture to provide autonomy to maritime vessels.

研究の動機と目的

• もやや視界が悪い海上環境における状況認識の維持という課題に取り組む。これは、視界の悪化に伴うセンサ信頼性の低下が原因である。
• 搭載センサ、他船、陸上システムからの異種センサデータを統合し、認識精度を向上させる。
• 適応的学習と歴史的知識を活用して、自律航行のためのリアルタイム意思決定を可能にする。
• 多様な天候条件下での自律海上運用に適したスケーラブルで頑健なアーキテクチャを構築する。
• 動的センサ管理とデータ統合を通じて、自律船舶の安全性と運用のレジリエンスを強化する。

提案手法

• 搭載カメラセンサ、気象センサ、およびAISや陸上船舶交通監視データを含む外部情報源からのデータを統合する。
• 計算知能とデータ分析を用いて、リアルタイムで複数ソースのセンサデータを処理・解釈する。
• もやや視界の悪化といった環境条件に応じて動的に変化するセンサ管理戦略を採用する。
• 現在の運用状況からのリアルタイム学習を実施するとともに、歴史的に得られた知識を活用する。
• 信頼性の高いセンサ入力を優先し、低視界状況でのノイズ低減を図るために、適応フィルタリングおよびデータ統合技術を適用する。
• リアルタイムの状況評価と行動計画立案を実現するため、自律海上船舶内に埋め込み型のモジュラー・マルチセンサアーキテクチャを設計する。

実験結果

リサーチクエスチョン

• RQ1 もやの発生する海上環境下で、マルチセンサデータ統合をどのように最適化すれば、信頼性の高い状況認識を維持できるか？
• RQ2 センサ信頼性が天候の影響で低下する状況下で、リアルタイム学習は意思決定の質をどのように向上させるか？
• RQ3 AISおよび陸上監視システムからの外部データは、視界が悪い状況下での搭載センサの認識性能をどのように向上させるか？
• RQ4 環境条件に応じてセンサ入力を優先するための適応戦略として、どのような手法を採用できるか？
• RQ5 歴史的知識とリアルタイム学習を組み合わせたハイブリッドアプローチは、変動しやすい海上環境下での自律性をどの程度向上できるか？

主な発見

• 提案されたシステムは、搭載センサ、他船、陸上センサからの多様なデータ統合により、もやの発生する環境下でも状況認識を著しく向上させた。
• 適応的センサ管理により、信頼性の高いデータストリームの動的優先順位付けが可能となり、視界不良時の画像品質劣化の影響を低減した。
• 現在の環境条件からのリアルタイム学習により、静的モデルに比べて意思決定の正確性が向上した。
• AISデータおよび気象データを搭載センサと統合することで、標的追跡および衝突回避性能が向上した。
• 本アーキテクチャは多様な天候条件下でも頑健であることが実証され、厳しい海上環境下での信頼性ある自律走行を支援した。
• システムの計算知能フレームワークにより、視界や交通状況の変化に応じたスケーラブルかつ適応的な反応が可能となった。