北京大学と大連海事大学の研究チームは共同で、様々な流体力学的流れ場を受動的に知覚するためのディープラーニング支援型バイオミメティック水中トライボエレクトリックウィスカーセンサー（UTWS）を設計した。この論文は、「Deep-learning-assisted triboelectric whisker for near field perception and online state estimation of underwater vehicle.」 というタイトルで、インパクトのある学術誌 Nano Energy (Impact Factor: 16.8) に掲載された。
本論文の著者らは、NOKOVモーションキャプチャシステムを用いて、水中ビークルのニアフィールド知覚とオンライン状態推定を実現するための深層学習支援型生体模倣ウィスカーセンサーをサポートした。水中モーションキャプチャシステムが捉えた車両のリアルタイムの運動データ（速度と加速度）を用いて、車両の運動状態とウィスカーセンサーからの電気信号をリンクさせたデータセットを作成した。多チャンネル信号のディープラーニング解析により、ウィスカーセンサーとロボットの運動状態の間の高次マッピングメカニズムを解明し、水中ビークルのリアルタイム速度推定を可能にした。設計された水中トライボエレクトリックウィスカーセンサー（UTWS）は、流速、迎角、航跡を含む2次元流れ場の様々な特性を識別することができる。本研究は、大きな技術的進歩をもたらすだけでなく、水中インテリジェントデバイスのナビゲーションと測位への新たなアプローチを提供するものである。
背景
水中センシング技術は、水中での目標検出や追跡システム、水中ビークル群運用など、様々な分野で重要な役割を果たしている。同期型水中センシングには、主に光学技術（レーザーベース）と超音波技術（ソナーベース）が含まれる。しかし、レーザー方式も超音波方式も、水中環境では多くの干渉要因の影響を受け、センシング範囲や精度が低下する。さらに、アクティブ・センシング法であるソナーは、エネルギー消費が大きい、構造が複雑、探知されやすいなどの課題に直面している。そのため、多くの研究者が、水中インテリジェント・デバイスの知覚能力を高めるために、流体力学的センシングを含む代替センシング技術を模索している。
海洋生物の触覚器官は、周囲の環境を正確に測定・識別することができる。海洋生物の感覚行動にヒントを得て、研究者たちは様々な水中バイオミメティック触覚センサーを設計し、水中バイオミメティック触覚センシングの可能性を実証してきた。しかし、触覚センサーは、信号対雑音比が低い、感度が低い、適応性が低いなどの課題に直面している。トライボエレクトリック・ナノジェネレータ（TENG）は革新的な電気機械変換法であり、その主な利点は、環境に存在するノイズの多い機械的外乱を高振幅の電気信号に変換できることである。本研究では、様々な流体力学的流れ場を受動的に感知できるバイオミメティックな水中トライボエレクトリックウィスカーセンサーを設計し、さらにディープラーニングモデルを用いて水中航行体のオンライン速度推定を可能にする。
研究ハイライト
1.センシングユニットは、水中のイオンによる信号干渉を最小限に抑えるため、デュアルチャンバーシールド技術を採用している。
2.UTWSは、21msの高速応答時間、3.16V/m・s・¹の高感度、61.66dBのS/N比という優れた利点を実証。
3.UTWSを搭載した水中航走体は、検証シナリオにおいて二乗平均平方根誤差が約0.093であり、オンライン速度推定を正確に行うことができる。
テスト実験
バイオニック水中トライボエレクトリックウィスカーセンサー（UTWS）は、アスペクト比0.403の楕円形ウィスカーシャフト、毛包-洞穴複合体の神経構造を模した4つの柔軟なトライボエレクトリックセンシングユニット、海洋動物の頬の表皮を模した柔軟な波形ジョイントから主に構成されている。
水中トライボエレクトリックウィスカーセンサ（UTWS）の構造と動作メカニズム a. 流体力学的流れ場のパッシブセンシングにおけるUTWSの応用 b. 毛包-洞複合体の神経構造 c. UTWSの基本構造 d. UTWSの上面図 e, f, g. UTWSの動作メカニズム。
設計プロセスでは、水中のイオンからの干渉を最小限に抑えるため、デュアルチャンバーシールド技術が用いられた。UTWSは、21msという高速応答時間や61.66dBという高いS/N比など、印象的な利点を実証した。ディープラーニング解析技術を使用してマルチチャンネル信号を処理することにより、UTWSを搭載した水中航走体は、検証テストにおいて約0.093の二乗平均平方根誤差で、オンライン速度推定を達成することができる。これらの結果は、UTWSに基づく提案されたディープラーニング支援センシング技術が、水中ビークルのローカルナビゲーションタスクにおける統合ツールとして可能性を示していることを示している。
ROVのオンライン状態推定におけるUTWSの検証 a. NOKOVによって取得されたランダムな旋回運動データ b. ROVのリアルタイムの速度推定 c. 旋回運動軌道に沿ったROVの角速度 d. 予測された軌道の誤差帯。e. 円運動軌道におけるROVの角速度 f. 慣性計測ユニット（IMU）に基づく加速度 g. 実際の軌道、UTWSに基づく予測軌道、IMUに基づく予測軌道の比較。
本研究では、ゼニガタアザラシの敏感なヒゲにヒントを得て、様々な流体力学的流れ場を受動的に知覚し、水中航走体の状態をリアルタイムに推定するための、深層学習支援型バイオミメティック水中トライボエレクトリックヒゲセンサ（UTWS）を設計する。NOKOVモーションキャプチャシステムは、高精度の水中ビークル位置データを提供する。
ここでごニーズを出ること
-
もっと多い情報に関して、メッセージをしたりしてください。
-
- 確認