ホーム > 特許ランキング > 日本電信電話株式会社
知財求人 - 知財ポータルサイト「IP Force」
▶ 日本電信電話株式会社の特許一覧 ▶ 国立大学法人 東京大学の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024109303
(43)【公開日】2024-08-14
(54)【発明の名称】飛行制御システム
(51)【国際特許分類】
B64U 70/97 20230101AFI20240806BHJP
G01S 13/91 20060101ALI20240806BHJP
G01S 13/50 20060101ALI20240806BHJP
B64C 13/18 20060101ALI20240806BHJP
B64U 10/13 20230101ALI20240806BHJP
B64U 20/80 20230101ALI20240806BHJP
G06N 20/00 20190101ALI20240806BHJP
B64D 45/04 20060101ALI20240806BHJP
【ＦＩ】
B64U70/97
G01S13/91 200
G01S13/50
B64C13/18 Z
B64U10/13
B64U20/80
G06N20/00
B64D45/04 B
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2023014023
(22)【出願日】2023-02-01
(71)【出願人】
【識別番号】000004226
【氏名又は名称】日本電信電話株式会社
(71)【出願人】
【識別番号】504137912
【氏名又は名称】国立大学法人 東京大学
(74)【代理人】
【識別番号】100083806
【弁理士】
【氏名又は名称】三好 秀和
(74)【代理人】
【識別番号】100129230
【弁理士】
【氏名又は名称】工藤 理恵
(72)【発明者】
【氏名】飯塚 達哉
(72)【発明者】
【氏名】小阪 尚子
(72)【発明者】
【氏名】中村 亨
(72)【発明者】
【氏名】久田 正樹
(72)【発明者】
【氏名】梅宮 悠輔
(72)【発明者】
【氏名】笹谷 拓也
(72)【発明者】
【氏名】鳴海 紘也
(72)【発明者】
【氏名】川原 圭博
【テーマコード（参考）】
5J070
【Ｆターム（参考）】
5J070AB24
5J070AC01
5J070AC20
5J070AE20
5J070AF06
5J070AK22
5J070BA01
(57)【要約】
【課題】ＵＡＶの着地精度を改善可能な技術を提供する。
【解決手段】レーダを備えた飛行体１０と、前記飛行体が着地するポート２０と、前記飛行体の飛行を制御する制御装置３０と、を備えた飛行制御システム１において、前記制御装置３０は、前記レーダから照射され前記ポートで反射された反射波の解析結果を基に、前記ポートの変動の予測値を計算する推定部３２と、前記ポートの変動の予測値を用いて、前記飛行体の前記ポートへの着地を制御する制御部３３と、を備える。
【選択図】図２
【解決手段】レーダを備えた飛行体１０と、前記飛行体が着地するポート２０と、前記飛行体の飛行を制御する制御装置３０と、を備えた飛行制御システム１において、前記制御装置３０は、前記レーダから照射され前記ポートで反射された反射波の解析結果を基に、前記ポートの変動の予測値を計算する推定部３２と、前記ポートの変動の予測値を用いて、前記飛行体の前記ポートへの着地を制御する制御部３３と、を備える。
【選択図】図２
【特許請求の範囲】
【請求項1】
レーダを備えた飛行体と、前記飛行体が着地するポートと、前記飛行体の飛行を制御する制御装置と、を備えた飛行制御システムにおいて、
前記制御装置は、
前記レーダから照射され前記ポートで反射された反射波の解析結果を基に、前記ポートの変動の予測値を計算する推定部と、
前記ポートの変動の予測値を用いて、前記飛行体の前記ポートへの着地を制御する制御部と、
を備える飛行制御システム。
前記制御装置は、
前記レーダから照射され前記ポートで反射された反射波の解析結果を基に、前記ポートの変動の予測値を計算する推定部と、
前記ポートの変動の予測値を用いて、前記飛行体の前記ポートへの着地を制御する制御部と、
を備える飛行制御システム。
【請求項2】
前記推定部は、
ドップラーレーダ解析により解析された前記反射波の解析結果を基に、前記ポートの位置又は傾きの時間変化の予測値を計算する請求項１に記載の飛行制御システム。
ドップラーレーダ解析により解析された前記反射波の解析結果を基に、前記ポートの位置又は傾きの時間変化の予測値を計算する請求項１に記載の飛行制御システム。
【請求項3】
前記推定部は、
機械学習技術を用いて、前記ポートの位置又は傾きの時間変化の予測値を計算する請求項２に記載の飛行制御システム。
機械学習技術を用いて、前記ポートの位置又は傾きの時間変化の予測値を計算する請求項２に記載の飛行制御システム。
【請求項4】
前記ポートは、
前記飛行体の着地面に散乱体を備える請求項１に記載の飛行制御システム。
前記飛行体の着地面に散乱体を備える請求項１に記載の飛行制御システム。
【請求項5】
前記散乱体は、
コーナリフレクタ構造を備える請求項４に記載の飛行制御システム。
コーナリフレクタ構造を備える請求項４に記載の飛行制御システム。
【請求項6】
前記レーダは、
ミリ波帯のレーダである請求項１に記載の飛行制御システム。
ミリ波帯のレーダである請求項１に記載の飛行制御システム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、飛行制御システムに関する。
【背景技術】
【0002】
非特許文献１には、飛行体（ＵＡＶ：Unmanned Aerial Vehicle）に搭載されたカメラでランディングマットの模様及び位置を認識し、その認識結果を基にＵＡＶの自動着地を制御する方法が記載されている。
【0003】
非特許文献２には、上記方法に加え、対象物に光を照射して反射した光をセンサで捉えて距離を計測するリモートセンシング技術（ＬｉＤＡＲ：Light Detection And Ranging）を用いることにより、ＵＡＶの自動着地精度を高める方法が記載されている。
【0004】
非特許文献３には、ミリ波レーダを用いて車々間の距離を計測する方法が記載されている。非特許文献４には、ミリ波レーダ及びコーナリフレクタを用いてＵＡＶの着地位置を検出する方法が記載されている。
【先行技術文献】
【非特許文献】
【0005】
【非特許文献1】Lingjie Yang、外5名、“Autonomous Landing of a Rotor Unmanned Aerial Vehicle on a Boat Using Image-Based Visual Servoing”、Proceedings of the 2021 IEEE International Conference on Robotics and Biomimetics、December 27-31, 2021、p.1848-p.1854
【非特許文献2】Jonghwi Kim、外2名、“Lidar-guided Autonomous Landing of an Aerial Vehicle on a Ground Vehicle”、2017 14th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI)、June 28-July 1, 2017、p.228-p.231
【非特許文献3】Akash Deep Singh、外3名、“RadHAR: Human Activity Recognition from Point Clouds Generated through a Millimeter-wave Radar”、Session 3: mmWave Sensing and Applications、mmNets ’19、October 25, 2019、p.51-p.56
【非特許文献4】Christopher Doer、外3名、“Radar Based Autonomous Precision Takeoff and Landing System for VTOLs in GNSS Denied Environments”、2020 International Conference on Unmanned Aircraft Systems (ICUAS)、September 1-4, 2020、p.922-p.931
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、霧、雨、雪、夜間等の視界不良状況下では、カメラの計測精度は著しく低下するため、ＵＡＶを上手く着地させることは難しい。また、ＬｉＤＡＲは距離計測に近赤外線を使用するため、カメラの場合と同様に視界不良状況下ではＵＡＶを上手く着地させることは難しい。また、非特許文献４は、着地面が変動しないことを前提とし、高度計のようにＵＡＶと着地面との相対位置を計測するにすぎないため、着地面の位置や傾きが揺れ等で変動する場合にはＵＡＶを上手く着地させることは難しい。
【0007】
本開示は、上記事情に鑑みてなされたものであり、ＵＡＶの着地精度を改善可能な技術を提供することを目的とする。
【課題を解決するための手段】
【0008】
本開示の一態様の飛行制御システムは、レーダを備えた飛行体と、前記飛行体が着地するポートと、前記飛行体の飛行を制御する制御装置と、を備えた飛行制御システムにおいて、前記制御装置は、前記レーダから照射され前記ポートで反射された反射波の解析結果を基に、前記ポートの変動の予測値を計算する推定部と、前記ポートの変動の予測値を用いて、前記飛行体の前記ポートへの着地を制御する制御部と、を備える。
【発明の効果】
【0009】
本開示によれば、ＵＡＶの着地精度を向上可能な技術を提供できる。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下、図面を参照して、本開示の実施形態を説明する。
【0012】
［本開示の概要］
本開示では、レーダを用いた視界不良状況下でのＵＡＶ着地方法を開示する。
本開示では、レーダを用いた視界不良状況下でのＵＡＶ着地方法を開示する。
【0013】
具体的には、視界不良状況下でも計測性能劣化を生じないレーダ技術を用いて着地面の様子を把握し、着地面が揺れ等で動いている場合には当該着地面の位置や傾きを推定し、把握・推定した着地面の状況を基にＵＡＶを着地させる。
【0014】
例えば、ドップラーレーダ解析技術を備えたミリ波レーダを用いて着地面の位置や傾きを推定する。また、着地面の位置や傾きの時間変化を予測可能な機械学習モデルを予め生成しておき、当該機械学習モデルを用いてＵＡＶの着地時に着地面の位置や傾きの時間変化を推定する。
【0015】
これにより、ＵＡＶの着地精度を向上可能となる。その結果、視界不良状況を含む全ての天候下おいて、トラックの荷台、船の甲板、洋上浮遊ポート等の動く着地面への着地が可能となる。また、配送業や海洋環境観測分野等において、ＵＡＶを活用可能となる。
【0016】
［飛行制御システムの構成］
図１は、本実施形態に係る飛行制御システム１の構成例を示す図である。飛行制御システム１は、ミリ波レーダ１１が搭載されたＵＡＶ１０と、コーナリフレクタ構造の散乱体２１が埋め込まれた着地ポート２０と、ＵＡＶ１０の飛行を制御する制御装置３０と、を備える。
図１は、本実施形態に係る飛行制御システム１の構成例を示す図である。飛行制御システム１は、ミリ波レーダ１１が搭載されたＵＡＶ１０と、コーナリフレクタ構造の散乱体２１が埋め込まれた着地ポート２０と、ＵＡＶ１０の飛行を制御する制御装置３０と、を備える。
【0017】
着地ポート２０は、例えば、洋上浮遊ポートである。着地ポート２０のＵＡＶ着地面には、コーナリフレクタ構造を備えた１つ又は複数の散乱体２１が埋め込まれている。コーナリフレクタ構造は、電波の入射方向に電波を反射する特性を備えるので、強く電波を反射可能となり、着地ポート２０の位置や傾きを高精度に把握可能となる。なお、散乱体２１の位置座標及び反射特性は、既知である。
【0018】
図２は、本実施形態に係るＵＡＶ１０及び制御装置３０の構成例を示す図である。ＵＡＶ１０は、ミリ波レーダ１１と、計測装置１２と、制御装置３０と、を備える。本実施形態では、制御装置３０がＵＡＶ１０に内蔵される場合を例としている。
【0019】
ミリ波レーダ１１は、周波数がミリ波帯のレーダを着地ポート２０へ照射し、着地ポート２０上の散乱体２１からの反射波を用いて、位置解析により、現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇを推定（計算）する機能を備える。
【0020】
ミリ波レーダ１１は、上記着地ポート２０上の散乱体２１からの反射波を用いて、ドップラーレーダ解析により、散乱体２１（着地ポート２０）の揺れの速度ｖを測定し、散乱体２１までの距離ｒと散乱体２１の揺れの速度ｖとで構成された２次元空間での反射強度分布を示すレンジドップラーイメージＲＤＩ（Range Doppler Image）を出力する機能を備える。
【0021】
上記ミリ波レーダ１１は、例えば、ミリ波アンテナと、位置解析手段と、ドップラーレーダ解析手段と、で構成される。各手段は、例えば、ハードウェア回路、コンピュータのソフトウェアプログラムである。
【0022】
計測装置１２は、ＵＡＶ１０の加速度ａｖ及び傾きθｖを計測する機能を備える。計測装置１２は、例えば、加速度計、加速度センサである。
【0023】
制御装置３０は、生成部３１と、推定部３２と、制御部３３と、記憶部３４と、を備える。制御装置３０は、例えば、コンピュータ及びソフトウェアプログラムである。
【0024】
生成部３１は、例えば散乱体２１（着地ポート２０）に関するレンジドップラーイメージＲＤＩとＵＡＶ１０の加速度ａｖとＵＡＶ１０の傾きθｖとを入力して着地ポート２０の傾きθｇの時間変化予測値を出力する機械学習モデルＭを予め生成する機能を備える。
【0025】
推定部３２は、ミリ波レーダ１１で行われた反射波の解析結果を基に、着地ポート２０の変動の予測値を計算する機能を備える。
【0026】
例えば、推定部１３２は、上記機械学習モデルＭを用いて、ドップラーレーダ解析により解析されたレンジドップラーイメージＲＤＩ、現時点のＵＡＶ１０の加速度ａｖ、現時点のＵＡＶ１０の傾きθｖを基に、着地時の着地ポート２０の傾きθｇの時間変化予測値を推定（計算）する。
【0027】
制御部３３は、上記着地ポート２０の変動の予測値を用いて、ＵＡＶ１０の着地ポート２０への着地を制御する機能を備える。
【0028】
例えば、制御部３３は、ミリ波レーダ１１で推定された現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇと、推定装置１３で推定された着地時の着地ポート２０の傾きθｇの時間変化予測値と、を基に、ＵＡＶ１０の着地を制御する。
【0029】
記憶部３４は、制御装置３０が扱う各種データを記憶する機能を備える。
【0030】
［機械学習モデルＭの生成方法］
図３は、機械学習モデルＭの生成方法を示すフロー図である。
図３は、機械学習モデルＭの生成方法を示すフロー図である。
【0031】
ステップＳ１０１；
実験環境において、制御装置３０の生成部３１は、下記入出力を持つ機械学習モデルを学習させる。
実験環境において、制御装置３０の生成部３１は、下記入出力を持つ機械学習モデルを学習させる。
【0032】
入力：
・レーダ計測信号（レンジドップラーイメージＲＤＩ）
・ＵＡＶ１０の加速度ａｖ
・ＵＡＶ１０の傾きθｖ
出力：
・着地ポート２０の傾きθｇ（θｇｘ，θｇｙ，θｇｚ）の時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））
なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対する着地ポート２０の座標系（ｘｇ，ｙｇ，ｚｇ）での回転を（θｇｘ，θｇｙ，θｇｚ）と表現している。また、機械学習モデルＭとは、データの学習・推論モデルであり、ＣＮＮ（Convolutional Neural Network）等の公知の機械学習技術を用いて実現可能である。
・レーダ計測信号（レンジドップラーイメージＲＤＩ）
・ＵＡＶ１０の加速度ａｖ
・ＵＡＶ１０の傾きθｖ
出力：
・着地ポート２０の傾きθｇ（θｇｘ，θｇｙ，θｇｚ）の時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））
なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対する着地ポート２０の座標系（ｘｇ，ｙｇ，ｚｇ）での回転を（θｇｘ，θｇｙ，θｇｚ）と表現している。また、機械学習モデルＭとは、データの学習・推論モデルであり、ＣＮＮ（Convolutional Neural Network）等の公知の機械学習技術を用いて実現可能である。
【0033】
［ＵＡＶ１０の飛行制御方法］
図４は、ＵＡＶ１０の飛行制御方法を示すフロー図である。ＵＡＶ１０は、洋上に浮遊する着地ポート２０への着地を試みているものとする。
図４は、ＵＡＶ１０の飛行制御方法を示すフロー図である。ＵＡＶ１０は、洋上に浮遊する着地ポート２０への着地を試みているものとする。
【0034】
ステップＳ２０１；
ミリ波レーダ１１は、ミリ波帯のレーダを着地ポート２０へ照射し、コーナリフレクタ構造を備える散乱体２１からの反射波を用いて、位置解析により、現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇを推定（計算）する。
ミリ波レーダ１１は、ミリ波帯のレーダを着地ポート２０へ照射し、コーナリフレクタ構造を備える散乱体２１からの反射波を用いて、位置解析により、現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇを推定（計算）する。
【0035】
例えば、着地ポート２０の位置（ｘ，ｙ，ｚ）は、着地ポート２０に３つ以上の散乱体２１を埋め込み、それぞれの散乱体２１との距離ｒをレーダにより計測し、三角測量の原理より計算する。
【0036】
例えば、着地ポート２０の傾きθｇは、着地ポート２０に埋め込まれた第１の散乱体２１Ａと第２の散乱体２１Ｂとの間の距離が既知であることから、第１の散乱体２１Ａまでの距離ｒＡと第２の散乱体２１Ｂまでの距離ｒＢとの差を更に用いて計算する。
【0037】
ステップＳ２０２；
次に、ミリ波レーダ１１は、上記散乱体２１からの反射波を用いて、ドップラーレーダ解析により、散乱体２１（着地ポート２０）の揺れの速度ｖを測定し、散乱体２１までの距離ｒと散乱体２１の揺れの速度ｖとで構成された２次元空間での反射強度分布を示すレンジドップラーイメージＲＤＩを出力する。
次に、ミリ波レーダ１１は、上記散乱体２１からの反射波を用いて、ドップラーレーダ解析により、散乱体２１（着地ポート２０）の揺れの速度ｖを測定し、散乱体２１までの距離ｒと散乱体２１の揺れの速度ｖとで構成された２次元空間での反射強度分布を示すレンジドップラーイメージＲＤＩを出力する。
【0038】
ステップＳ２０３；
次に、計測装置１２は、現時点のＵＡＶ１０の加速度ａｖ（ａｖｘ，ａｖｙ，ａｖｚ）及び傾きθｖ（θｖｘ，θｖｙ，θｖｚ）を計測する。なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対するＵＡＶ１０の座標系（ｘｖ，ｙｖ，ｚｖ）での回転を（θｖｘ，θｖｙ，θｖｚ）と表現している。
次に、計測装置１２は、現時点のＵＡＶ１０の加速度ａｖ（ａｖｘ，ａｖｙ，ａｖｚ）及び傾きθｖ（θｖｘ，θｖｙ，θｖｚ）を計測する。なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対するＵＡＶ１０の座標系（ｘｖ，ｙｖ，ｚｖ）での回転を（θｖｘ，θｖｙ，θｖｚ）と表現している。
【0039】
ステップＳ２０４；
次に、制御装置３０は、ステップＳ２０２で出力されたレンジドップラーイメージＲＤＩとステップＳ２０３で計測されたＵＡＶ１０の加速度ａｖ（ａｖｘ，ａｖｙ，ａｖｚ）及び傾きθｖ（θｖｘ，θｖｙ，θｖｚ）とを機械学習モデルＭへ入力し、当該機械学習モデルＭより着地ポート２０の傾きθｇ（θｇｘ，θｇｙ，θｇｚ）の時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））を得る。なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対する着地ポート２０の座標系（ｘｇ，ｙｇ，ｚｇ）での回転を（θｇｘ，θｇｙ，θｇｚ）と表現している。
次に、制御装置３０は、ステップＳ２０２で出力されたレンジドップラーイメージＲＤＩとステップＳ２０３で計測されたＵＡＶ１０の加速度ａｖ（ａｖｘ，ａｖｙ，ａｖｚ）及び傾きθｖ（θｖｘ，θｖｙ，θｖｚ）とを機械学習モデルＭへ入力し、当該機械学習モデルＭより着地ポート２０の傾きθｇ（θｇｘ，θｇｙ，θｇｚ）の時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））を得る。なお、地上の固定座標系（ｘｏ，ｙｏ，ｚｏ）に対する着地ポート２０の座標系（ｘｇ，ｙｇ，ｚｇ）での回転を（θｇｘ，θｇｙ，θｇｚ）と表現している。
【0040】
ステップＳ２０５；
最後に、制御装置３０は、ステップＳ２０１で推定していた現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇと、ステップＳ２０４で推定した着地ポート２０の傾きθｇの時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））と、を基に、ＵＡＶ１０の着地を制御する。
最後に、制御装置３０は、ステップＳ２０１で推定していた現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）及び傾きθｇと、ステップＳ２０４で推定した着地ポート２０の傾きθｇの時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））と、を基に、ＵＡＶ１０の着地を制御する。
【0041】
例えば、制御装置３０は、着地ポート２０の傾きθｇの時間変化予測値（θｇｘ（ｔ），θｇｙ（ｔ），θｇｚ（ｔ））より、現時刻から着地ポート２０の傾きθｇが水平（０°）になるまでの時間を待機時間として計算し、当該待機時間の経過後に現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）にＵＡＶ１０を着地させる。
【0042】
例えば、制御装置３０は、現時点の着地ポート２０の位置（ｘ，ｙ，ｚ）にＵＡＶ１０をホバリング（空中停止）させ、ホバリング時から下降開始までの時間（下降時間）が予め設定されている場合には、当該下降時間の経過後の着地ポート２０の傾きθｇが水平と予測されたタイミングでＵＡＶ１０を着地させる。
【0043】
なお、着地ポート２０の位置（ｘ，ｙ，ｚ）は波の影響を受けて変動する可能性があるので、制御装置３０は、ミリ波レーダ１１により着地直前に測定された着地ポート２０の位置情報を活用することも可能である。
【0044】
［実施例］
７９Ｇｈｚ帯のミリ波レーダを搭載したＵＡＶをコーナリフレクタ構造の散乱体が埋め込まれた洋上浮遊ポートへ着地させる実験を行った。
７９Ｇｈｚ帯のミリ波レーダを搭載したＵＡＶをコーナリフレクタ構造の散乱体が埋め込まれた洋上浮遊ポートへ着地させる実験を行った。
【0045】
（ミリ波レーダの仕様）
ＵＡＶに搭載するミリ波レーダには、７９Ｇｈｚ帯のミリ波ＦＭＣＷ（Frequency Modulated Continuous Wave）レーダを用い、７７Ｇｈｚ～８１Ｇｈｚの帯域を利用した。これにより、３７．５ｍｍの距離分解能（＝光速度／（２×利用帯域幅））を実現した。
ＵＡＶに搭載するミリ波レーダには、７９Ｇｈｚ帯のミリ波ＦＭＣＷ（Frequency Modulated Continuous Wave）レーダを用い、７７Ｇｈｚ～８１Ｇｈｚの帯域を利用した。これにより、３７．５ｍｍの距離分解能（＝光速度／（２×利用帯域幅））を実現した。
【0046】
１つのチャープを照射する時間は１００μｓとし、０．２ｓの周期でドップラーレーダ解析を実行した。これにより、１．０×１０－２ｍ／ｓの速度分解能（＝波長／（２×周期））を実現した。
【0047】
送信アンテナ数は３つとし、受信アンテナ数は４つとした。
【0048】
（洋上浮遊ポートの仕様）
半径２ｍ、高さ１ｍの円柱とした。密度は、５００ｋｇ／ｍ３とした。一辺が２０ｍｍのコーナリフレクタを４つ埋め込んだ。コーナリフレクタの配置位置は、洋上浮遊ポートの中心から０．５ｍ以上とした。
半径２ｍ、高さ１ｍの円柱とした。密度は、５００ｋｇ／ｍ３とした。一辺が２０ｍｍのコーナリフレクタを４つ埋め込んだ。コーナリフレクタの配置位置は、洋上浮遊ポートの中心から０．５ｍ以上とした。
【0049】
（想定する波高）
想定する波高は、１．５ｍとした。
想定する波高は、１．５ｍとした。
【0050】
（波による洋上浮遊ポートの揺れ）
図５に示すように、洋上浮遊ポート及び波を流体シミュレーション上で再現し、洋上浮遊ポートの揺れ（傾斜）の時間変化を求めた。図５（ａ）は、洋上浮遊ポートと波のシミュレーションモデルを示す図である。ｘ方向に波が伝搬する。図５（ｂ）は、波高と洋上浮遊ポートの重心の各時間変化を示すグラフである。図５（ｃ）は、洋上浮遊ポートの傾斜の時間変化（ｙ軸回りの回転角度）を示すグラフである。
図５に示すように、洋上浮遊ポート及び波を流体シミュレーション上で再現し、洋上浮遊ポートの揺れ（傾斜）の時間変化を求めた。図５（ａ）は、洋上浮遊ポートと波のシミュレーションモデルを示す図である。ｘ方向に波が伝搬する。図５（ｂ）は、波高と洋上浮遊ポートの重心の各時間変化を示すグラフである。図５（ｃ）は、洋上浮遊ポートの傾斜の時間変化（ｙ軸回りの回転角度）を示すグラフである。
【0051】
波揺れによる洋上浮遊ポートの角速度は４°／ｓ程度であり、３．５×１０－２ｍ／ｓ程度の速度（＝回転半径×角速度）を各コーナリフレクタが持つことになる。
【0052】
（ＵＡＶの飛行制御プログラムの仕様）
実際のＵＡＶ飛行ログより概算した値を参照し、下降時の飛行制御の事前設定として、ＵＡＶの下降が初速度０．５ｍ／ｓ、一定の加速度－０．０６２５ｍ／ｓ２で変化し、４ｓ後に地面に着地するように設定した。
実際のＵＡＶ飛行ログより概算した値を参照し、下降時の飛行制御の事前設定として、ＵＡＶの下降が初速度０．５ｍ／ｓ、一定の加速度－０．０６２５ｍ／ｓ２で変化し、４ｓ後に地面に着地するように設定した。
【0053】
ミリ波レーダにより洋上浮遊ポートの位置を検出し、洋上浮遊ポートの真上０．５ｍ地点でＵＡＶをホバリングさせる。
【0054】
このとき、レーダ照射、ドップラーレーダ解析、機械学習により、４ｓ後の洋上浮遊ポートの傾きを０．２ｓ周期で予測する。図５（ｃ）に示したように、洋上浮遊ポートの揺れ（傾き）の時間変化のパターンを予め学習しておくことで、４ｓ後の傾きを予測可能である。また、ドップラーレーダ解析おけるレーダの速度分解能と実際のコーナリフレクタの速度の観点においても、レーダにより洋上浮遊ポートの動きを正確に捉えることが可能である。
【0055】
４ｓ後の傾きが水平と予測されたタイミングで下降を開始するように飛行制御を行う。
【0056】
［機械学習モデルＭの変形例１］
機械学習モデルＭの入出力データには、様々なバリエーションが考えられる。
機械学習モデルＭの入出力データには、様々なバリエーションが考えられる。
【0057】
（入力データのバリエーション）
着地ポート２０の傾きθｇの時間変化は、必ずしもＵＡＶ１０の加速度ａｖや傾きθｖに直接依存しない。そこで、機械学習モデルＭは、図６（ａ）に示すように、レンジドップラーイメージＲＤＩのみから着地ポート２０の傾きθｇの時間変化予測値を計算（推論）する機械学習モデルでもよい。
着地ポート２０の傾きθｇの時間変化は、必ずしもＵＡＶ１０の加速度ａｖや傾きθｖに直接依存しない。そこで、機械学習モデルＭは、図６（ａ）に示すように、レンジドップラーイメージＲＤＩのみから着地ポート２０の傾きθｇの時間変化予測値を計算（推論）する機械学習モデルでもよい。
【0058】
また、図６（ｂ）（ｃ）に示すように、ＵＡＶ１０の加速度ａｖと傾きθｖのうちいずれか一方のみを更に入力して着地ポート２０の傾きθｇの時間変化予測値を出力する機械学習モデルＭでもよい。その他、ＵＡＶ１０の加速度ａｖ及び傾きθｖ以外のデータ情報を更に入力して着地ポート２０の傾きθｇの時間変化予測値を出力する機械学習モデルＭでもよい。
【0059】
（出力データのバリエーション）
本実施形態では、機械学習モデルＭが、レンジドップラーイメージＲＤＩ等から着地ポート２０の傾きθｇの時間変化予測値を出力（推論）する場合を例に説明した。その他、機械学習モデルＭは、例えば、位置解析結果、ドップラーレーダ解析結果、レンジドップラーイメージＲＤＩ等から、着地ポート２０の位置（ｘ，ｙ，ｚ）の時間変化予測値を出力（推論）するようにしてもよい。
本実施形態では、機械学習モデルＭが、レンジドップラーイメージＲＤＩ等から着地ポート２０の傾きθｇの時間変化予測値を出力（推論）する場合を例に説明した。その他、機械学習モデルＭは、例えば、位置解析結果、ドップラーレーダ解析結果、レンジドップラーイメージＲＤＩ等から、着地ポート２０の位置（ｘ，ｙ，ｚ）の時間変化予測値を出力（推論）するようにしてもよい。
【0060】
［機械学習モデルＭの変形例２］
本実施形態では、着地ポート２０の傾きや位置の時間変化予測値を推定する推定手段として、機械学習モデルを用いる場合を例に説明した。機械学習モデルは、時間変化予測値を推定する推定手段の例であり、着地ポート２０の傾きや位置の時間変化予測値を推定可能な任意の推定手段を利用可能である。例えば、カルマンフィルター等の物理モデルに基づき予測する推定手段を用いてもよい。
本実施形態では、着地ポート２０の傾きや位置の時間変化予測値を推定する推定手段として、機械学習モデルを用いる場合を例に説明した。機械学習モデルは、時間変化予測値を推定する推定手段の例であり、着地ポート２０の傾きや位置の時間変化予測値を推定可能な任意の推定手段を利用可能である。例えば、カルマンフィルター等の物理モデルに基づき予測する推定手段を用いてもよい。
【0061】
［ＵＡＶ１０及ぶ制御装置３０の構成の変形例］
本実施形態では、制御装置３０がＵＡＶ１０の内部に配置される場合を例に説明した。制御装置３０は、ＵＡＶ１０の外部に配置してもよい。この場合、ＵＡＶ１０は、制御装置３０との間で、所定の無線網や有線網を介して、着地ポート２０の傾きや位置の時間変化予測値の推定要求や推定結果を送受信する。これにより、複数のＵＡＶ１０に対する飛行制御を一元管理可能となる。
本実施形態では、制御装置３０がＵＡＶ１０の内部に配置される場合を例に説明した。制御装置３０は、ＵＡＶ１０の外部に配置してもよい。この場合、ＵＡＶ１０は、制御装置３０との間で、所定の無線網や有線網を介して、着地ポート２０の傾きや位置の時間変化予測値の推定要求や推定結果を送受信する。これにより、複数のＵＡＶ１０に対する飛行制御を一元管理可能となる。
【0062】
［着地ポート２０の変形例］
本実施形態では、着地ポート２０が散乱体２１、コーナリフレクタ構造を備える散乱体２１を備える場合を例に説明した。これらの散乱体２１は、着地ポート２０の反射強度を高めるための手段であり、リファレンスとして利用することで着地面情報の検出性能を高める効果があるが、なくてもよい。
本実施形態では、着地ポート２０が散乱体２１、コーナリフレクタ構造を備える散乱体２１を備える場合を例に説明した。これらの散乱体２１は、着地ポート２０の反射強度を高めるための手段であり、リファレンスとして利用することで着地面情報の検出性能を高める効果があるが、なくてもよい。
【0063】
［実施形態の効果］
本実施形態によれば、レーダを備えたＵＡＶ１０と、ＵＡＶ１０が着地する着地ポート２０と、ＵＡＶ１０の飛行を制御する制御装置３０と、を備えた飛行制御システム１において、制御装置３０は、レーダから照射され着地ポート２０で反射された反射波の解析結果を基に、着地ポート２０の変動の予測値を計算する推定部３２と、着地ポート２０の変動の予測値を用いて、ＵＡＶ１０の着地ポート２０への着地を制御する制御部３３と、を備えるので、ＵＡＶ１０の着地精度を向上可能となる。
本実施形態によれば、レーダを備えたＵＡＶ１０と、ＵＡＶ１０が着地する着地ポート２０と、ＵＡＶ１０の飛行を制御する制御装置３０と、を備えた飛行制御システム１において、制御装置３０は、レーダから照射され着地ポート２０で反射された反射波の解析結果を基に、着地ポート２０の変動の予測値を計算する推定部３２と、着地ポート２０の変動の予測値を用いて、ＵＡＶ１０の着地ポート２０への着地を制御する制御部３３と、を備えるので、ＵＡＶ１０の着地精度を向上可能となる。
【0064】
本実施形態によれば、推定部３２は、ドップラーレーダ解析により解析された反射波の解析結果を基に、着地ポート２０の位置又は傾きの時間変化の予測値を計算するので、ＵＡＶ１０の着地精度をより向上可能となる。
【0065】
本実施形態によれば、推定部３２は、機械学習技術を用いて、着地ポート２０の位置又は傾きの時間変化の予測値を計算するので、ＵＡＶ１０の着地精度をより向上可能となる。
【0066】
本実施形態によれば、着地ポート２０は、ＵＡＶ１０の着地面に散乱体２１を備えるので、ＵＡＶ１０の着地精度をより向上可能となる。
【0067】
本実施形態によれば、散乱体２１は、コーナリフレクタ構造を備えるので、ＵＡＶ１０の着地精度をより向上可能となる。
【0068】
本実施形態によれば、レーダは、ミリ波帯のレーダであるので、ＵＡＶ１０の着地精度をより向上可能となる。
【0069】
以上、本実施形態によれば、視界不良状況を含む全ての天候下おいて、トラックの荷台、船の甲板、洋上浮遊ポート等の動く着地面への着地が可能となり、配送業や海洋環境観測分野等においてＵＡＶ１０を活用可能となる。
【0070】
［その他］
本開示は、上記実施形態に限定されない。本開示は、本開示の要旨の範囲内で数々の変形が可能である。
本開示は、上記実施形態に限定されない。本開示は、本開示の要旨の範囲内で数々の変形が可能である。
【0071】
上記説明した 本実施形態の制御装置３０は、例えば、図７に示すように、ＣＰＵ９０１と、メモリ９０２と、ストレージ９０３と、通信装置９０４と、入力装置９０５と、出力装置９０６と、を備えた汎用的なコンピュータシステムを用いて実現できる。
【0072】
メモリ９０２及びストレージ９０３は、記憶装置である。当該コンピュータシステムにおいて、ＣＰＵ９０１がメモリ９０２上にロードされた所定のプログラムを実行することにより、制御装置３０の各機能が実現される。
【0073】
制御装置３０は、１つのコンピュータで実装されてもよい。制御装置３０は、複数のコンピュータで実装されてもよい。推定装置１３は、コンピュータに実装される仮想マシンであってもよい。
【0074】
制御装置３０用のプログラムは、ＨＤＤ、ＳＳＤ、ＵＳＢメモリ、ＣＤ、ＤＶＤ等のコンピュータ読取り可能な記録媒体に記憶できる。コンピュータ読取り可能な記録媒体は、例えば、非一時的な（non-transitory）記録媒体である。制御装置３０用のプログラムは、通信ネットワークを介して配信することもできる。
【符号の説明】
【0075】
１ 飛行制御システム
１０ ＵＡＶ
１１ ミリ波レーダ
１２ 計測装置
２０ 着地ポート
２１ 散乱体
３０ 制御装置
３１ 生成部
３２ 推定部
３３ 制御部
３４ 記憶部
９０１ ＣＰＵ
９０２ メモリ
９０３ ストレージ
９０４ 通信装置
９０５ 入力装置
９０６ 出力装置
１０ ＵＡＶ
１１ ミリ波レーダ
１２ 計測装置
２０ 着地ポート
２１ 散乱体
３０ 制御装置
３１ 生成部
３２ 推定部
３３ 制御部
３４ 記憶部
９０１ ＣＰＵ
９０２ メモリ
９０３ ストレージ
９０４ 通信装置
９０５ 入力装置
９０６ 出力装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】