3．結果

3.1 樹高マップ

 図 ４ には、2017 年 8 月 5 日に観測された画像から推定されたピーカンナッツの樹高マップを示した。 図 ４より樹高が高い領域と低い領域が散在していることがわかる。 この樹高マップを別の日の樹高マップと比較することで、その期間の樹高成長量を評価することができる。 そうすることで、広大な果樹園の中で生育が著しく悪い樹木を効率よく検出することができる（図５）。

3.2 NDVI マップ

 図 6 は、2017 年 6 月 3 日に可視近赤外カメラにより撮影された画像から作成されたピーカンナッツ樹木の葉の NDVI マップを示している。

 ピーカンナッツ樹木の葉は品種によって異なるため、NDVI マップ上の値も品種によって異なる。 そのため、同じ圃場内であっても、品種ごとに NDVI 値を評価する必要がある。本研究では、高空間分解能で観測可能なUAVを使用しているため品種ごとのNDVI値の評価を可能にしている。
 図７は，健康な樹木とxylellaとよばれるウイルスに感染した樹木の比較写真である．健康な樹木では枝先まで葉が生い茂っているのに対し，感染樹木では葉が枯れ落ちている．図 ８にUAVによる各樹木のNDVIの違いを確認すると，健康な樹木と感染している樹木でNDVIの値および形状に違いがあることがわかる．具体的には、葉が疎になっている感染樹木では，健康な樹木と比べて樹木全体のNDVIの値が低くなっていることに加え，隙間が存在することから一本の樹木の中で値に斑が生じている．このようにNDVI情報を評価することにより広域な農場から不健康な樹木を速やかに検出することが可能となる。

3.3 熱赤外画像マップ

 図９には、2017年6月3日に熱赤外カメラにより観測された地表面温度マップを示した。図９から、ピーカンナッツの樹木が植えられたエリアで温度が低いことがわかる。 植物は土壌よりも温度が一般的に低いため、これは予想された結果になった。日中、植物は太陽光を吸収して光合成を行い、ピーカンナッツの樹木の葉は活発に蒸散を行い、温度上昇を防ぐことが知られている。したがって、温度情報は植物の状況を評価するために有効である。
 さらに、図９に注目すると熱赤外カメラで観測された地表面温度マップから果樹園の中に大きな円があることが発見された。過去の衛星画像（Google Earth、2011 年 5 月 20 日撮影）や農場経営者からの情報によると、ピーカンナッツの樹木を栽培する前に、ここではピボット灌漑によるアルファルファ栽培が行われていたことがわかった。マップの温度は円の内側で高く、円の外側で低いことを示しており、高温を示す地域では生育阻害の可能性があると考えられる。農場経営者はピーカンナッツの樹木をよりよく成長させるためにアルファルファ栽培をおこなっていたにもかかわらず逆にアルファルファ栽培領域の成長がよくないことがわかり大変驚いていた。

4．考察と結論

 本研究では、米国アリゾナ州の64 ヘクタールのピーカン果樹園で、UAV を使用した連続モニタリング方法を確立した。特に、米国アリゾナ州のピーカンナッツ果樹園を対象に、可視近赤外と熱赤外カメラを搭載したUAV による樹木の NDVI モニタリング、樹高マップの作成、および地表温度分析を実施しました。確立された継続的な監視方法から、NDVIマップを利用して広大な圃場内で容易に不健康樹木を早期発見する手法は、生産性の維持・向上に役立つことを示せた。特に、生産者を悩ませるXylellaに感染した樹木はいち早く発見することが望まれている。
 また、熱赤外センサにより観測されたUAV 画像は、ピーカンナッツを植えてから 3 年後に、ピボット灌漑によるアルファルファ栽培の円形の痕跡があったことを示した。アルファルファを含むマメ科植物は土壌を肥沃にすることが知られている¹⁰⁾が、樹木はこれに反応していないようであり、その地域は樹木に有害であるように見える.米国アリゾナ州の土壌は石灰質であることが知られているため、この円は実際には乾燥地の灌漑でよく見られる塩の蓄積によって引き起こされている可能性があると想定している¹¹⁾が、これを結論付けるには、土壌のテストを実施し検証する必要がある。
 今後は、本研究で得られた可視近赤外・熱赤外データの値や樹高マップなどの変数と実際のピーカンナッツの収量との関係を調査し、UAVによるさらなるフィールドモニタリング手法の有用性を検証する予定である。

謝辞
この研究は、North Bowie Farmingおよび一般財団法人生産技術研究奨励会の支援を受けて実施された。ここに感謝の意を表します。

【著者紹介】
沖　一雄（おき　かずお）
京都先端科学大学工学部　教授
東京大学生産技術研究所　特任教授

■略歴
1997年筑波大学大学院社会工学研究科博士課程修了後、国立環境研究所、群馬大学工学部、東京大学大学院農学生命科学研究科、東京大学生産技術研究所と異動し、現在、京都先端科学大学工学部および東京大学生産技術研究所に所属している。また、途中、イタリア・イスプラにあるJoint Research Centreへの研究留学や、数年間の内閣府総合科学技術会議へ出向（併任）の経験を持つ。研究では、一貫して環境、農業分野における衛星リモートセンシング手法の開発に従事してきたが、この頃、農業生産者に役立つドローンでのリモートセンシング手法の開発にも興味を持ち、是非、農学と工学の融合による食料生産技術分野の確立に貢献したいと思っている。食料生産技術研究会を運営中。

４．土砂災害初期対応における現場活動の課題

4.1 情報収集と安全確保の課題

土砂災害では、土砂や瓦礫、広範囲に達する泥水によって道路網が寸断され、車両が進入できない場所も多い。このような地上からの限られた目線では十分に情報収集が行えないため、災害状況や被害の全体像を早期に把握することが難しい（図2）。さらに、平成30年7月豪雨のように、広域で同時多発するケースもあり³⁾、現場活動のリソース（部隊）が分散する。また、防災ヘリの数は限られるため、速やかに上空からの情報収集ができるとは限らない。平成26年8月豪雨による広島市の土石流災害では、各地で同時に発生した土石流により住宅や道路が流失し、地域の景観が一変した。これにより、道路や建物などのランドマークが失われ、既存の地図が使えない状況となった⁴⁾。

検索活動の第一の課題は、要救助者・行方不明者の特定に時間を要することが挙げられる。自治体が把握している住民情報と居住実態が異なることは多く、災害当時の在・不在や、訪問者の存在もあるために、要救助者の特定には相当な時間と労力を要する。聞き取りで有力な情報が得られない場合、要救助者がいる可能性が高い場所の絞り込みが難しくなり、空間検索と最終検索の効率は大きく低下する。
次に、安全確保の課題として、情報の少ない初期対応フェーズでは特に、土砂の流出傾向が不明な中での活動となるため、安全監視員の配置と退避経路や退避場所の確保が課題になる。例えば土石流が秒速10ｍで流下すると想定した場合、活動場所から600m上流部に安全監視員や監視装置を配置できれば、60秒間で退避できる範囲で活動を展開できるが、常に退避時間に余裕を持たせた安全監視体制が構築できるとも限らない。こうした現場の安全確保対策は、現場の状況がほとんど分かっていない現場到着直後の情報収集の段階から必要となる。このため、夜間や道路でアクセスできる範囲が大きく限定される状況では、検索救助活動の開始までに長時間を要することもある。

4.2 救助活動の課題

流出した土砂、瓦礫等が障害となって車両で現場に到達できない場合、活動に必要な資機材を人力で搬送しなければならない。多くの場合、障害物は人力で撤去が難しい重量物であり、さらに撤去後の一時置き場や廃棄場所までの搬送も課題となる。
現場活動者の個人レベルでも救助活動には困難を伴う。降雨時には視界不良に加えて会話も不明瞭となり、ぬかるみの移動やその中での重量物の扱いが難しく、疲労を加速させる。加えて、切れた電線や太陽光パネルからの漏電、ガス漏れ等の事故リスクも常時抱えている。
重量物の撤去作業では重機が用いられる場合もある。この際、民間企業の重機が投入されることもあるが、二次災害のリスクが高く一般の工事現場とは異なる安全管理が求められるため、重機操作員の安全確保も課題となる。このほか、重機レンタル費や燃料代の負担、災害によるものか重機か定かではない建物等の破損に対する補償など、災害後に生じる問題も多い。

4.3 情報活動と情報資機材の課題

情報収集では、要救助者と活動現場に関する膨大な情報を扱う。これらは部隊間の無線コミュニケーションと白地図への情報集約によって行われる。無線コミュニケーションには、情報の不正確さ、聞き逃し、現場活動から手が離せず無線対応ができない、振り返って情報を確認できないといった制約がつきまとう。また、白地図へ情報を集約する担当者にとって、多数の部隊や外部組織からの報告を集約して地図を更新し続ける負担は大きい。さらに、長時間の活動では、書き込まれた情報が多くなり、情報の読み取りや外部組織等へ情報共有の困難さが課題となる（図3）。

5. ドローンの活用と現場のニーズ

災害初期対応におけるドローンの活用では、情報収集の課題（4.1）に対する有効策としての活用が先行している状況にある。一方で、ドローンには元来、様々なセンサを搭載できるプラットフォームとしての潜在能力があり、その活用可能性は情報収集だけにとどまらない。例えば空間検索では、瓦礫や土中の要救助者の呼吸や心音などのバイタルサインの検出や、土中の人体の存在の検出、携帯電話の電波発信源の検知といった、要救助者の位置を直接的に特定する技術へのニーズは大きい。これらに対するセンシング技術が登場すれば、人命救助活動のあり方を大きく変えうるものとなるだろう。また、要救助者の特定では人口動態に関するもの（4.1）や、隊員の身体能力の限界（4.2）などの課題を示した。これらの課題についても、現場のニーズと考えることができる。

６. まとめ

土砂災害を例として、災害初期対応フェーズにおける情報収集、検索活動、救助活動の実態と課題を紹介した。現状ではアナログ的な手法が用いられている部分も多く、今後、最新のセンシング技術が活用される余地がある。自然災害の被災地という危険かつ生身の人間には太刀打ちが困難な状況において、センシング技術を通じて人間の活動能力を高めることができれば、安全・安心な社会の発展に貢献できる。土砂災害などの危険な現場活動には、民間企業や研究者の入る余地は通常はほとんどないため、今回はその実態を紹介した。本稿がこの分野に対する技術者の挑戦の幅を広げるきっかけとなれば、これに勝る喜びはない。

【著者紹介】
内山　庄一郎（うちやま　しょういちろう）
防災科学技術研究所　マルチハザードリスク評価研究部門　特別研究員

■略歴
1978年宮城県仙台市生まれ。博士（環境学、東京大学）。2003年より現職。
ドローンによる災害状況把握技術の開発と社会実装に従事。地すべり地形分布図（2014年完了）、災害事例データベース（2012年）、防災科研クライシスレスポンス（現bosaiクロスビュー、2012年）の設計と構築を行った。著書「必携ドローン活用ガイド」など。

3. ドローンの高信頼化に向けたエッジ・クラウド連携のためのタスクマッピング手法

3.1　概要

 ドローンに搭載された小型コンピュータでは多種多様なタスクが繰り返し実行される。機体の安全性を司るタスクに加え、さまざまなセンサ情報の処理や動画像撮影など応用に関するタスクまでその優先度や求められる制約も異なる。IoTの普及に伴い、クラウドとも連携して所望のタスクを実行することが可能となるが、通信遅延の変動により満たすべき処理時間制約を満たせないこともあり得る。本研究では、さまざまな特性を持つタスクをエッジとクラウドに適切にマッピングするタスクマッピング手法を提案した。提案手法では、与えられた通信遅延の状況に応じて必須のタスクを最優先にマッピングしつつ、影響を最小限に抑えるような最適なタスクマッピングを探索する。なお、本手法は文献[21]で発表しており詳細はそちらを参照いただきたい。

3.2　システムモデル

 本研究では、次のようなエッジ・クラウドプラットフォームを想定する。タスクはデータ並列性を持ちエッジまたはクラウド上で実行できる。エッジは複数のプロセッサコアが搭載されており、クラウドは計算資源の制限はない。エッジでタスクが割り当てられると複数のプロセッサコアでタスクが実行される。エッジとクラウドは相互に通信可能であるが通信遅延を考慮する必要がある。各タスクにはデッドライン制約があり、タスクは周期的、非周期的、散発的に繰り返し実行される。タスクは設計時にエッジまたはクラウドに静的に割り当てられる。また実行時に新規のタスクが追加されることはない。

3.3　提案手法

 本研究では、タスクに優先度を持たせ、クリティカルタスクは最優先で制約を満たして実行し、オプショナルタスクは可能な限り実行することで被害を最小化するタスクマッピング手法を提案する。本提案手法は先行研究である文献[22]の組込みシステム用ホモジーニアスメニーコアSoCを対象とした静的タスクマッピング手法をIoT向けに拡張した。
 提案手法ではタスクは重要度とデッドライン制約の2種類の優先度をもち、全てのタスクは以下の3つに分類される。

• Category I: クリティカルかつハードデッドライン
• Category II: クリティカルかつソフトデッドライン
• Category III: オプショナルかつソフトデッドライン

Category IとIIに分類されたタスクはドローンが安全に飛行する上で重要（クリティカル）なタスクでありそのタスクは必ず実行される必要がある。Category IIIのタスクはオプショナルタスクでありシステムは必要に応じてCategory IIIのタスクを放棄することが可能である。また、デッドライン制約に関してはCategory Iのタスクはハードデッドライン、それ以外のタスクはソフトデッドラインをもつ。
 本稿ではスペースの都合で詳細な定式化は割愛するが、この問題を数理計画問題として定式化することで解を求めた。入力はタスクセットとエッジ・クラウド間の通信遅延、出力はタスクのコアへのマッピング結果である。主な制約はハードデッドラインのタスクはデッドライン以内に実行される、タスクが重複してマッピングされない、などである。目的はデッドライン超過コストとタスク放棄コストの最小化である。

3.4　評価実験

 提案手法の有効性を示すために、複数種類のタスクからなるタスクセットを想定し、通信遅延を変化させた場合のタスクマッピング結果を評価した。本実験では以下の通りType A〜Dの4つの種類の合計20個のタスクを想定した。

• Type A: Category I, 5 tasks
• Type B: Category I, 1 task
• Type C: Category II, 4 tasks
• Type D: Category III, 10 tasks

また図1に各タイプのタスクの実行された場所ごとの処理時間を示す。図1はそれぞれのタスクをクラウドで実行した場合、エッジで1コア〜16コアで実行した場合のそれぞれの実行時間を示す。
 図2に実験結果を示す。X軸はエッジ・クラウド間の通信遅延時間を示している。Y軸左側と棒グラフはマッピング結果を、Y軸右側と折れ線グラフはソフトデッドラインを持つタスクのうちの最大超過時間を示している。棒グラフの青はエッジ、オレンジはクラウド、グレーは廃棄されたタスク数をそれぞれ表す。図2より、遅延時間が短い間はクラウドも活用しつつタスクが実行されるが、遅延時間が増大するにつれクラウドでの処理からエッジでの処理に移行し、実行できないタスクが放棄される結果となった。放棄されたタスクはオプショナルなタスクで、それらのタスクが犠牲になることでクリティカルなタスクの実行が可能となっている。加えてタスクのデッドラインミスが許容されるソフトデッドラインタスクの最大超過時間も遅延時間の増大によって増加していることがわかる。このように、通信遅延時間の変化により最適なタスクマッピングは異なり、エッジ・クラウド間のタスクマッピングを適切に切り替えることで、信頼性の向上に貢献できると考えられる。

3.5　まとめ

 本研究では飛行前に最適なタスクマッピングを求める静的タスクマッピング手法を開発した。提案手法により通信遅延の変化により最適なタスクマッピングを求めることができた。特に、タスクの放棄を許容することでデッドラインを満たすことが可能となった。今後の課題はより実用的なタスクモデルでの評価や飛行中に適切なタスクマッピングを求める動的タスクマッピング手法の開発が挙げられる。

4. 今後の方向性

 ドローンの高信頼化を実現するためには、障害物回避や自己位置推定などを駆使しつつ起こりうる様々な事象に備えることが重要である。しかし先に述べた通りドローンを取り巻く環境は多岐に渡り、事前に全ての事象に備えることは現実的ではない。特に飛行環境は想定外の事象に溢れており、想定外を如何に想定してそれに備えるかは非常に大きな課題である。
 加えて想定された事象が発生した場合に瞬時に対応することは被害を最小限に収めるためにも極めて重要である。先に述べた通りIoTではエッジとクラウドの通信遅延が問題となり、クラウドで瞬時の対応が必要な処理を実行することは現実的ではない。通常エッジの計算資源は限られており、限られた計算資源で高信頼化に必要な処理を行わなければならない。
 ドローンの高信頼化は決して特定の要素技術だけで実現できるものではない。エッジやクラウドの特性や求められる信頼性、考えられる事象などを総合的に捉えたアプリケーションとシステムの協調設計が重要である。高信頼化を支える新しいアプリケーションの開発に加え、そのシステム実装を行うための設計方法論も合わせて議論することで、コストや性能などのトレードオフを考慮した全体最適化が可能となる。このような分野横断的な取り組みが今後ますます重要になると考えられる。

【著者紹介】

吉本　丈（よしもと　じょう）
大阪大学 大学院情報科学研究科 博士前期課程

■略歴
2020年3月 大阪大学 工学部 電子情報工学科 卒業
2022年3月 大阪大学 大学院情報科学研究科 博士前期課程修了
IoTシステムの設計技術に関する研究に従事。

谷口　一徹（たにぐち　いってつ）
大阪大学 大学院情報科学研究科 准教授

■略歴
2002年3月 石川工業高等専門学校 電子情報工学科 卒業
2004年3月 大阪大学 基礎工学部 情報科学科 卒業
2006年3月 大阪大学 大学院情報科学研究科 博士前期課程修了
2007年〜2008年 Katholieke Universiteit Leuven (IMEC)にてInternational Scholar
2009年3月 大阪大学 大学院情報科学研究科 博士後期課程修了、博士（情報科学）
2009年4月〜2017年1月 立命館大学理工学部 助教及び講師
2017年2月 大阪大学大学院情報科学研究科 准教授、現在に至る
VLSI設計技術、システムレベル設計方法論、低消費電力設計技術、サイバーフィジカルシステム設計方法論、次世代アプリケーションなどに関する研究に従事。IEEE、ACM、電子情報通信学会、情報処理学会 各会員。

3 水空合体ドローンの音響測位方式

3.1 基本構成

 水空合体ドローンに適した音響測位システムには、2 に書いたような要件があるが、今回はその中でも、特に小型・低コスト・反射に強いという点を考慮したものを設計・開発した。複数ターゲットの同時測位については、当初は水空合体ドローン 1 式で動作することを想定し、まだ対応していない。
 また、今回は水空合体ドローン自体が試作であったため、音響測位システムも柔軟に変更可能なものを短期間で開発する必要があった。
 水中音響測位の方式は主として LBL(Long Base Line)、SBL(Short Base Line)、SSBL(Super Short Base Line) の 3 方式がある [8] が、小型という要件を考慮すると、SSBL 方式が最も適しているといえる。
 SSBL 方式について簡単に説明する。図 7 に示すように、空中ドローン側にハイドロフォン（水中マイク）が数 cm の間隔で 3 個、それらが直角二等辺三角形を成すように取り付けられている。音源が十分離れているとみなすと、音響パルスが各マイクに到達する時間差から、上記三角形の各辺と音源の方向との成す角がそれぞれ求まる。ここから、音源の存在する方向が特定できることになる。音響パルスの検出や各ハイドロフォン間の受信時刻差は、送・受信信号間及び受信信号同士間の相互相関関数の計算により、正確に求める。

 水中ドローンにつける装置を小さく低コストにするため、トランスポンダー (音響パルスを受信したのちに送り返す) ではなくピンガー (音響パルスを発射するのみ) とした。また、反射波との分離を容易にするために、発射する音響パルスの周波数を比較的高く、パルス長を比較的短くした。すなわちパルスとしては周波数 50kHz 前後のチャープ信号、パルス幅は 1.6mS とした。周波数が高くなると距離による減衰が大きくなるが、水中ドローンの活動範囲は空中ドローンから数十メートルの範囲内であるため、50kHz であれば問題はない。
 また開発期間短縮のため、ピンガーでの音響パルス信号生成処理は Arduino で、空中ドローン側のレシーバーでの受信信号処理は Rasberry Pi で行うこととし、ソフトウェア開発を比較的容易にしている。さらにピンガーの音波発生器 (トランスデューサー) と圧力センサ (後述) の部分については、[9] で述べた実験で使用したものを流用している (図 8)。なお、簡易的な音響測位技術は、[10, 11, 9] にあるように、動物の生態調査にも利用されている。ここでは、イルカの鳴き声 (超音波) を捉えることでその位置を把握している。

 図 9 と図 10 にそれぞれピンガーとレシーバーのブロック図を示す。図 11 に示すように、水中ドローンにピンガー、空中ドローンにレシーバーを搭載し、水中ドローンの位置情報を LTE 経由で陸上まで送信している。運用者は地図上で空中・水中ドローンの位置を確認しながら遠隔操縦を行う。
 表 2 に音響測位システムの主要諸元を示す。パルス幅が 1.6mS と短いため、ピンガーの電池持ちは比較的良い。
 水中ドローンに搭載するのがトランスポンダーではなくピンガーであるため、SSBL では空中ドローンから

見た水中ドローンの相対的な方向しかわからない。絶対位置を特定するためには、両ドローン間の距離もしくは水中ドローンの深度が分かればよい。このため、つぎの 2 つの方法を備えている。

 方法 (1) は GPS の受信可能な屋外でしか使用できず、方法 (2) はその他の場合も含め常に使用可能である。
しかし方法 (2) では、位置推定の精度が深度計の精度に依存することになる。

3.2 ピンガーの時計のドリフトの影響

 前述の通り、親機と子機の基準時刻の合わせこみを潜航前に実施し、以後は音響パルスの受信時刻から子機までの距離を算出している。このため、パルス発射時刻がずれてくると、測位誤差につながってくる。
 レシーバーは GPS から得られる正確な時刻を使っているが、ピンガーの時計の精度は、レシーバーとの同期後は発信器の安定性に依存する。今回のピンガーに搭載できるような小型低消費電力の発信機としては TCXO（温度補償型水晶発振器）が適する。現状使用しているものの安定度（実力値）は 10ppb であるため、 3 時間連続稼働したとしても理論上最大 16cm の誤差に留まる。現状、水中ドローンは自動航行ではなく人間が伝送映像を見ながら操作していることを考えると、その測位誤差としては十分小さいといえる。

4 測位性能試験結果

 音響水槽にて、ピンガーを測位ターゲットとしてレシーバーを旋回装置に取り付け (図 13)、方位推定精度の確認を行った。旋回装置は一定の回転速度でゆっくりと 360 度回転し、その時の俯角と方位角を音響測位で推定した。
 図 14 はピンガーの深度を 1.3 メートルとしたときの俯角と方位角の推定値である。またピンガー深度 1.3 メートルと 5 メートルの時の推定角度誤差を表 3 に示す。一般に SSBL 方式の場合、測位対象が浅い場所に

あり俯角が小さいと測位誤差は大きくなるが、表 3 では深度 5m の時に誤差 0.5 度以下、深度 1.3m であっても誤差約 1 度以下と、今回の利用シーン (水中ドローンは自律航行ではなく遠隔からの手動操作) のためには十分な高精度が出ている。

5 おわりに

 本稿では、筆者らが開発している水空合体ドローンの音響測位システムについて説明した。小型化のため SSBL 方式とし、また浅海域で使用するため、音響パルスを反射に強い設計としている。さらに低コスト・短期間で開発するため、Arduino や Rasberry Pi を活用している。
 現状、水中ドローンは遠隔からの手動操作となっているが、今後、自動潜航を実現するためには、音響測位の更なる安定化・高精度化が重要となる。このため方式改良を続けるとともに、多数のドローンが同時に作業可能とするため、複数のターゲットの同時測位機能も実現する予定である。

【著者紹介】

川田　亮一（かわだ　りょういち）

■略歴
1991年，東大大学院了．同年，現KDDI入社，研究所に勤務．映像処理，特に動き補正TV方式変換，画質評価／監視，画像符号化などの研究 開発に従事．1997～1998年，米コロンビア大客員研究員．2014～2016年，慶大SFC上席研究員（W3Cフェロー）．2016～2018年，内閣府上席政策調査員．現在，水空合体ドローンの音響測位技術の研究開発に従事．博士（工学）．

西谷　明彦（にしたに　あきひこ）

■略歴
1986年，鹿児島県立鹿屋高卒．現 KDDI 入社後は，OSI 通信，分散システム，サイレント障害検知技術に関する研究に従事後，研究フィールドを海洋に移す．2016年より深海探査技術の世界大会に，日本チーム（Team KUROSHIO）の一員として挑戦．2019年より海中光無線技術の応用研究，水空合体ドローンの開発等に取り組み中．

小島　淳一（こじま　じゅんいち）

■略歴
1981年，東工大大学院工学研究科修士課程了，国際電信電話株式会社（現KDDI株式会社）入社，海底ケーブルの保守・点検に関連する研究開発に従事．海底ケーブル調査・点検用の自律海中ロボット（AUV）を開発．近年は水中音響技術を応用した研究開発を行う．2021年，定年退職し現在に至る．2016年，科学技術賞（開発部門）受賞，IEEE会員．