Large Language Model-based Decision-making for COLREGs and the Control of Autonomous Surface Vehicles

要約

自律水上車両 (ASV) の分野では、主に人間の操縦者向けに定義された海上 COLREG (衝突規制) に対処する意思決定および障害物回避ソリューションを考案することが、長年の差し迫った課題となってきました。
説明可能な人工知能 (AI) と機械学習の最近の進歩により、人間のような意思決定が可能になることが期待されています。
特に、自動運転車などの複雑なシステムの意思決定への大規模言語モデル (LLM) の適用において、重要な開発が行われました。
ただし、COLREG のテキスト的でやや曖昧な性質 (アルゴリズムの観点から見ると) は、LLM の機能とよく一致する課題を提起しており、LLM が近いうちにこのアプリケーションにますます適したものになる可能性があることを示唆しています。
この論文では、ASV に対する LLM ベースの意思決定と制御の最初のアプリケーションを紹介し、実証します。
提案された方法は、オンラインの衝突リスク指数と主要な測定値を使用して安全な操縦のための意思決定を行う高レベルの意思決定者を確立します。
現実的な ASV モデルでのトレーニングとリアルタイム アクション生成をサポートするために、カスタマイズされた設計とランタイム構造が開発されています。
ローカルプランニングと制御アルゴリズムが統合され、下位レベルでのウェイポイント追跡と衝突回避のコマンドを実行します。
著者の知る限り、この研究は、COLREGルールを認識する海事システムの動的制御問題に説明可能なAIを適用する最初の試みであり、この困難な分野の研究に新たな道を開くものである。
複数のテスト シナリオにわたって得られた結果は、各決定に対して人間が解釈可能な推論を提供しながら、オンライン COLREG 準拠、正確なウェイポイント追跡、および実行可能な制御を維持するシステムの能力を実証します。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google