UTオースティン校：ドローン再計画は2〜3回で十分

テキサス大学オースティン校のRohan Ghuge氏が、ミシガン大学のRayen Tan氏とViswanath Nagarajan氏とともに率いたこの研究は、自律運用でよく知られた問題に対処している。ドローンは限られた情報でミッションを開始し、データを集めるにつれて最適な経路が変わることがある。完全適応型システムは新しい情報が入るたびに計画経路を変え続け、より良い経路を生むが、計算資源と時間を消費する繰り返し計算が必要になる。もう一方の極端は非適応型システムで、何を発見しても当初の経路をたどる。チームが開発したハイブリッド手法はその中間に位置する。車両は「ラウンド」と呼ばれる一定期間、計画経路をたどり、そのラウンド中に集めた情報を使って次の経路を計算する。

シミュレーションでは、適応ラウンドを2回使うハイブリッド解法が完全適応型モデルより15倍速く、コストはわずか12%増だった。研究者らは収穫逓減も見出した。3ラウンドを超えると精度は大きく改善しなかった。Ghuge氏はこう述べている。「良い意思決定にすべてのデータは必要ない。捜索を逐次行うなら、2〜3ラウンドで十分だ」。この知見は、航空機がバッテリー、搭載コンピューティング資源、通信の制約に直面するため、ドローン運用で重要になりうる。

より広い要点は、意思決定の頻度を増やしても必ずしも比例して良い結果にはならないということだ。ただし、これまでの証拠は飛行試験ではなくコンピューターシミュレーションによるもので、この研究はドローン自体がエリアを15倍速く捜索できることを意味しないと述べられている。2ラウンドモデルが実際のミッションに通用するかは、こうしたバッテリー、コンピューティング、通信の制約が現場でどう作用するかにかかっている。