この研究は、国防総省国防高等研究計画局（DARPA）のLearning Introspective Control（LINC）プログラムを支援するためのシードプログラムの一部だ。
Aurora社は、マサチューセッツ工科大学（MIT）航空宇宙制御研究所およびMIT海洋オートノミー研究所（PavLab）と共同で、無人車両（この場合は水上船舶）が車両設計時に予測されなかった状況に遭遇した場合に、その制御法則を適応させることを可能にする機械学習ベースの内観技術を開発し、テストしている。車両は、安全で継続的な運転とタスクの成功裏の完了のために、自律的に制御を再構成する。
航行中の補給（UNREP）は、海上で米海軍艦船への補給を可能にし、これらの艦船がどこにいても常に任務遂行可能な状態を維持できるようにする。通常、このタスクは、受領船と引渡し船の両方の操舵士が手動で実行する必要がある。
Aurora社は、小型USVを使用して、このタスクをどのように自律的に達成できるかをモデル化した。自律システムは、スラスターの故障やベンチュリー効果を含む外乱に直面した。ベンチュリー効果はモデル化が難しく、従来の制御装置ではこれを補正することができなかった。しかし、オーロラの制御アーキテクチャは、この効果をうまく補正し、ミッションを成功させた。
スエズ運河のシナリオでは、2021年にエバー・ギブンという名の船がスエズ運河を6日間封鎖した事件を引き起こした状況を再現した。狭い通路が引き起こすベンチュリー効果は、やはり妨害のひとつだった。
チャールズ川で、研究チームは小型USVの大きさに合わせた仮想運河を作った。ベンチュリー効果をシミュレートすると、USVは仮想運河の土手に向かって押し出された。同時にスラスターの故障を誘発し、遠隔操作で帆を展開して風荷重を増加させた。これらの外乱により、従来のコントローラは故障したが、オーロラのコントローラはすぐに車両制御を取り戻し、仮想運河を安全に走行した。
FALCONプログラムの作業は現在も進行中で、チームは今春、このアーキテクチャをより大型の船舶に展開することを楽しみにしている。この適応制御アーキテクチャは、航空機や陸上車両を含む幅広い複雑なプラットフォーム向けに設計されている。また、LINCプログラムで実証されたように、2台の自律走行車が協調して動作するように完全に統合することもできる。
