ニュースの概要
Frontiers in Marine Scienceに、海中の通信網、複数の自律型無人潜水機（AUV）、機体側で処理を行うエッジAI、複数センサーの統合を組み合わせた測量システムのレビュー論文が載りました。潮流や水温が刻々と変わる動的な海域で、ネットワークでつながった複数のAUVが役割を分担して観測する構成を整理しています。エッジAIは自律航行、対象物の識別、測量計画の見直し、衝突回避を担います。従来の単独機による決まった航路の測量から、状況に応じて動きを変える協調型への移行を描いた内容です。
引用元: Frontiers論文、エッジAIと複数AUVによる自律海洋測量の設計を整理（Frontiers in Marine Science）
分析・見解
一台で全域を測る発想が限界を迎えている
海底測量は長く、母船や単独のAUVが決めた航路を往復する方式で行われてきました。芝刈り機のように縦横に走る方法です。静かな海なら成り立ちます。ところが潮流が強い海域や、海底地形が変わりやすい河口、港湾では事情が違います。測っている間に対象が動くからです。
論文が重視するのは、この「測量中に海が変わる」問題です。一台が数日かけて測る間に、状況が変わって前半のデータが古くなる。複数機で同時に測れば、同じ時間帯のデータを面でそろえられます。
判断を機体に持たせるエッジAIの意味
海中では電波がほとんど届きません。音響通信は使えますが、速度は数キロビット毎秒程度と、携帯電話とは桁が違います。映像やソナー画像を陸に送って判断を仰ぐ方式は、現実的ではありません。
そこで機体の中で判断を完結させる、エッジAI（＝通信先ではなく機器側で処理するAI）が要になります。見つけた物体が岩か沈没物かを機体が判別し、気になる対象があれば周回して詳しく測る。こうした寄り道を人の指示なしで行えます。
私が面白いと考えるのは、AIの精度そのものより、送るデータの量を減らせる点です。生の画像ではなく「ここに直径二メートルの物体あり」という要約だけを送れば、細い音響回線でも群れ全体の情報共有が成り立ちます。
複数センサーの統合が信頼性を底上げする
ソナーは濁りに強いものの解像度に限りがあります。カメラは細部を捉えられますが、濁った水では役に立ちません。慣性センサーは位置を推定できますが、時間がたつと誤差が積もります。
これらを組み合わせるのがセンサーフュージョン（＝複数の計測を合成して精度を上げる手法）です。一つが不調でも他が補うため、海中という過酷な環境では特に価値が高い手法です。
実用化の壁は協調の信頼性と標準化にある
レビュー論文である以上、すぐ商用化できるという話ではありません。複数機の衝突回避や、通信が途切れた機体の復帰手順は、まだ実海域での検証が足りない領域です。機体メーカーごとにデータ形式が違えば、異なる会社の機体を混ぜて運用することもできません。技術より先に、通信とデータの共通規格づくりが普及の速度を決める可能性があります。
ビジネスへの影響
測量コストの構造が変わる可能性
洋上風力の建設や海底ケーブルの敷設では、事前の海底調査が費用の大きな部分を占めます。有人の調査船は一日あたりの傭船費が高く、天候待ちの日も費用が発生します。小型AUVを複数投入して自律的に動かせれば、船の滞在日数を減らせる可能性があります。
ただし機体の購入や保守、運用人材の確保という別の費用が生じます。導入判断では、調査の頻度が年に何回あるかを先に見積もるべきです。年に一度の調査なら外注が合理的で、継続的な監視が必要な港湾や養殖場なら自社運用に分があります。
自社が関われる場所を三つに分けて考える
海洋ビジネスに新規参入する企業にとって、機体そのものを作るのは敷居が高い領域です。現実的な関わり方は、画像識別などのAIソフト、センサーの統合や校正のサービス、取得データの解析と活用の三つに分けられます。
特に三つ目は、藻場の分布や海底ごみの量を継続的に測る用途と相性が良く、ブルーカーボンや海洋清掃の事業と結びつきます。データを持つ企業が、環境価値の証明という次の収益源を取りに行く構図です。
導入前に確認したい三つの点
第一に、通信が切れたときの機体の振る舞いです。第二に、データ形式が他社機器とつながるかどうかです。第三に、識別AIがどの海域のデータで学習されたかです。濁りの強い日本沿岸で、外洋のデータで鍛えたAIがそのまま通用するとは限りません。実証試験を自社の海域で行う条件を、契約前に取り決めておくことをおすすめします。