Aeolus Ocean — A simulation environment for the autonomous COLREG-compliant navigation of Unmanned Surface Vehicles using Deep Reinforcement Learning and Maritime Object Detection

要約

海事部門における無人水上車両 (USV) の航行自律化に向けて進むことは、根本的に海の安全化と運用コストの削減につながる可能性があると同時に、海洋研究、探査、監視にさまざまなエキサイティングな新機能も提供します。
ただし、そのような目標を達成するのは困難です。
USV 制御システムは、日中または日中を問わず、現実的な気象条件の影響を受けながら特定のウェイポイントに航行する際に、他の船舶と遭遇した場合の海上衝突防止に関する国際規則 (COLREG) を安全かつ確実に遵守できなければなりません。
夜に。
考えられる多数のシナリオに対処するには、USV を現実の世界で実装する前に、USV が遭遇する現実的な動作条件を再現できる仮想環境を用意することが重要です。
このような「デジタル ツイン」は、深層強化学習 (DRL) およびコンピューター ビジョン (CV) アルゴリズムを使用して USV 制御システムを開発および誘導するための基盤を形成します。
この論文では、現実的な海洋シミュレーション環境における CV ベースの認識を備えた COLREG 準拠の DRL ベースの衝突回避ナビゲーション システムの新規開発について説明します。
このアプローチから得られる訓練された自律エージェントのパフォーマンスは、外洋および沿岸で他の船舶と遭遇した場合のウェイポイントを設定するためのいくつかの成功した航行で評価されます。
トレーニングされたエージェントを含むシミュレーターのバイナリ実行可能バージョンは、https://github.com/aavek/Aeolus-Ocean で入手できます。

要約(オリジナル)

Heading towards navigational autonomy in unmanned surface vehicles (USVs) in the maritime sector can fundamentally lead towards safer waters as well as reduced operating costs, while also providing a range of exciting new capabilities for oceanic research, exploration and monitoring. However, achieving such a goal is challenging. USV control systems must, safely and reliably, be able to adhere to the international regulations for preventing collisions at sea (COLREGs) in encounters with other vessels as they navigate to a given waypoint while being affected by realistic weather conditions, either during the day or at night. To deal with the multitude of possible scenarios, it is critical to have a virtual environment that is able to replicate the realistic operating conditions USVs will encounter, before they can be implemented in the real world. Such ‘digital twins’ form the foundations upon which Deep Reinforcement Learning (DRL) and Computer Vision (CV) algorithms can be used to develop and guide USV control systems. In this paper we describe the novel development of a COLREG-compliant DRL-based collision avoidant navigational system with CV-based awareness in a realistic ocean simulation environment. The performance of the trained autonomous Agents resulting from this approach is evaluated in several successful navigations to set waypoints in both open sea and coastal encounters with other vessels. A binary executable version of the simulator with trained agents is available at https://github.com/aavek/Aeolus-Ocean

arxiv情報

提供元, 利用サービス

arxiv.jp, Google