本論文では、自律型水中車両（AUV）を用いた水中協力ターゲット検出に焦点を当て、協力効率と通信隠匿性の間の重要なトレードオフを探求しています。この課題に対処するために、まず共同の軌道および電力制御最適化問題を定式化し、次にそれを解決するための革新的な階層的アクション管理フレームワークを提案します。マクロレベルでは、マスターAUVがエージェント選択プロセスをマルコフ決定過程としてモデル化し、戦略的タスク割り当てのために近接ポリシー最適化アルゴリズムを適用します。マイクロレベルでは、選ばれた各エージェントの非集中型意思決定を部分観測可能マルコフ決定過程としてモデル化し、各エージェントがローカル観測に基づいて軌道と送信電力を動的に調整します。中心集中型訓練と分散型実行の枠組みの下で、ターゲット検出フレームワークはエネルギーと機動性の制約を満たしながら適応的な隠密協力を実現します。このシステムの総合的なモデル化により、複数のAUVの効率的かつ安全な運用に関する理論的洞察と実用的解決策が提供され、水中隠密通信タスクの実行に重要な示唆を与えます。