被災地探査や原子力発電所建屋内情報収集のための半自律ロボットを用いたセマンティックサーベイマップ生成システムの開発(委託研究); 令和元年度英知を結集した原子力科学技術・人材育成推進事業

廃炉環境国際共同研究センター; 東京工芸大学*

JAEA-Review 2020-062, 47 Pages, 2021/01

JAEA-Review-2020-062.pdf:3.43MB

日本原子力研究開発機構(JAEA)廃炉環境国際共同研究センター(CLADS)では、令和元年度英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という)を実施している。本事業は、東京電力ホールディングス福島第一原子力発電所の廃炉等をはじめとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、様々な分野の知見や経験を、従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究及び人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、研究課題のうち、平成30年度に採択された「被災地探査や原子力発電所建屋内情報収集のための半自律ロボットを用いたセマンティックサーベイマップ生成システムの開発」の令和元年度の研究成果について取りまとめたものである。本研究の目的は、災害時においてヒトの立ち入りが困難となった原子力発電所建屋内などの状況調査を対象に、簡単・安全・迅速に複数種類の情報(空間線量,温度,障害物等)を含んだセマンティックサーベイマップを生成する半自律ロボットシステムの研究・開発(カメラシステム,セマンティックSLAM,移動経路学習及び安全な経路提示システム)である。

深層強化学習による高周波加速電圧パターン生成の試み

田村 文彦

no journal, , 

陽子シンクロトロンでは、加速開始から終了まで高周波電圧をパターンとして変化させる。加速基本波のみのパターンの場合は、解析的な式を用い、縦方向のエミッタンスとモーメンタムフィリングファクターをパラメータとしてパターンを求めることができる。一方、大強度陽子加速器では加速基本波に加え2倍高調波電圧を加えた運転によるバンチ操作が必要となってくるが、この場合最適な電圧は自明ではなく、最適化は縦方向トラッキングシミュレーションを援用しながら手作業で行っているのが現状である。ここに、深層強化学習は手順の最適化に適した手法であることから、これをパターンの最適化に用いることができるのではないかと考えた。パターン最適化の構想について報告する。