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

要約

自律型地表車（ASV）の分野では、主に人間のオペレーター向けに定義されている海事コロレグ（衝突規制）に対処する意思決定と障害物回避ソリューションの考案は、長い間差し迫った課題でした。
説明可能な人工知能（AI）と機械学習における最近の進歩は、人間のような意思決定を可能にすることで有望であることを示しています。
特に、自動運転車などの複雑なシステムの意思決定に大規模な言語モデル（LLM）の適用において、重要な開発が発生しています。
ただし、Colregsのテキストでやや曖昧な性質（アルゴリズムの観点から）は、LLMSの機能とうまく調和する課題を提起し、LLMがこのアプリケーションにすぐに適している可能性があることを示唆しています。
このペーパーでは、ASVのLLMベースの意思決定と制御の最初の適用を提示および実証します。
提案された方法は、オンライン衝突リスクインデックスと重要な測定値を使用して、安全な操作の意思決定を行う高レベルの意思決定者を確立します。
テーラードデザインとランタイム構造は、リアルな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開発されています。
ローカルプランニングおよび制御アルゴリズムが統合されて、ウェイポイントのフォローと衝突回避のコマンドを下位レベルで実行します。
著者の知る限り、この研究は、コロレグの規則を認識し、この挑戦​​的な分野での研究のための新しい道を開く海上システムの動的な制御問題に説明可能なAIを適用する最初の試みを表しています。
複数のテストシナリオで得られた結果は、各決定に対して人間の解釈可能な推論を提供しながら、オンラインのColregsコンプライアンス、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示しています。

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