ロボット魚が流水環境で目標位置に接近し、その場所に留まり続けることは、自然界の水中環境で活動するロボット魚にとって極めて重要な基本能力である。過去数十年間、遊泳効率と操縦性の向上には多くの進展があったものの、自由遊泳するロボット魚が流れの中で経験する複雑で非線形な流体構造相互作用が十分に解明されていないため、位置保持能力の開発は大きく遅れていた。 この課題に対処するため、研究者らは「SWiFT」（Swimming With Flow Toolbox）という新しいフレームワークを提案した。このフレームワークは、体と尾鰭を持つロボット魚（BCFロボット魚）が未知の乱流環境で自己中心的な位置保持ポリシーを効率的に探索することを可能にする。強化学習（RL）を活用するこのアプローチは、自由遊泳流水槽実験装置、高精度な計算流体力学（CFD）シミュレータ、そして包括的なシミュレーション・実機転移パイプラインを統合している。 開発されたポリシーは、特に距離の二乗平均平方根誤差（RMSE）において、既存の最先端手法を大幅に上回る性能を発揮した。注目すべき点として、流れを直接センシングせず、自己中心的なフィードバック情報のみを用いて、未知の乱流環境での位置保持が実現できることが確認された。この現象は、生物が流れに対して特定の方向を保持する「走水性」という生物学的行動を驚くほど正確に再現している。 SWiFTの成功は、ロボット魚制御を実世界での実装に近づけるだけでなく、水中ロボットが直面する複雑な遊泳タスクに取り組むための基盤としての可能性も示唆している。