波浪による動揺を伴う海上プラットフォームへの無人航空機（UAV）の自動着陸は、海洋における重要な技術課題である。従来の着陸方式では、プラットフォームの不規則な上下動、時間とともに変化する姿勢、そして着陸時の不確実な接触条件など、複数の要因が着陸の精度と安全性を脅かしていた。既存のモデルベースの手法は正確な動き予測とオンライン最適化を必要とするため計算負荷が大きく、一方でエンドツーエンドの学習アプローチは訓練の複雑性が高く、その制御判断の解釈性に課題を残していた。 本研究で提案されたWaveLanderは、強化学習（RL）を活用した階層的制御フレームワークである。このアプローチの核となる特徴は、垂直方向の着陸判断を低レベルの飛行安定化から分離する点にある。上層のRL政策はプラットフォーム相対位置の観測から単一のスカラー値である垂直速度参照値を生成し、一方で従来的な低レベル飛行制御器が姿勢の安定性と側方追跡を維持する構造となっている。この設計により、複雑な動的プラットフォーム着陸問題が低次元でタイミング認識型の制御問題へと簡潔に定式化される。 シミュレーション実験では、ランダム化された波浪誘起プラットフォーム運動の下で、WaveLanderが堅牢な着陸性能を達成し、未訓練の外乱条件に対しても汎化できることが実証された。明示的な切り替え規則を必要とせず、滑らかな着陸挙動を実現している点も注目すべき点である。この成果は、海洋UAV回収における学習ベース制御の可能性を示唆しており、今後の海上オペレーション自動化の発展に貢献する重要なステップとなる。