海洋環境での複数ロボットの協調作業は、未知のサンゴ礁構造の探査、海底インフラの点検、捜索救難活動など、様々なミッションに適しています。こうした海洋ミッションは進捗を測定するフィードバック信号が限定的である一方で、安全性と規制要件への厳格な遵守が求められるため、本質的に複数の目的を同時に最適化する必要があります。 従来の共進化アルゴリズムは、限定的なフィードバック信号から協調行動を生成し、複数目的に対応する能力を備えていますが、規制要件への適合性を動的にバランスさせながらチームの性能を最大化することは技術的な課題として残されていました。本研究で提案される多目的フレームワーク「Marine Multi-Objective Compliance-Integrated Coevolution（MMOCIC）」は、学習によって生成された協調行動と規制で定められたコンプライアンス行動を融合させることで、この課題を解決します。重要な発想転換は、規制要件は発見されるべきものではなく既に規定されているものとして捉え、学習とコンプライアンスの役割を明確に分離する点にあります。 提案フレームワークは、実際のハードウェア実験で最大8台のロボットによる協調救助ミッションを実行し、シミュレーション環境では12台まで拡張して、衝突回避を実現しながら高いチーム性能を達成することに成功しました。この成果は、学習ベースの協調制御を現実世界に展開する際に、チーム全体の最適化と確立された規制要件のバランスを取ることの重要性を実証しています。