ADAPT: An Autonomous Forklift for Construction Site Operation

本論文は、AI駆動型の知覚機能と従来の制御手法を統合し、複雑な建設現場をナビゲートする完全自律型オフロードフォークリフトであるADAPTを提示しており、広範な実世界でのテストを通じて、様々な天候条件下における資材ハンドリングにおいて人間と同等の性能を達成できることを実証している。

要約

建設現場を、重い資材をトラックから特定の場所へと運び出す、混沌とした泥だらけのダンスフロアだと想像してみてください。通常、フォークリフトの運転手は、埃や雨の中で目を細めながら、フォークをどこに差し込めばよいか推測しようと苦心しています。これは、疲れやすく、時間がかかり、危険な作業です。

この論文では、たとえ地面が凹凸だらけで天候が悪くても、自律的にこの作業を行うことができる「ロボット・フォークリフト」であるADAPTを紹介します。ADAPTを、単なる硬直した倉庫用ロボットとしてではなく、混乱した建設現場を考え、見て、自走することができるスマートな全地形対応トラックと考えてください。

ADAPTの仕組みを、簡単なパーツに分けて説明します。

1. ボディ：脳を持つタフなトラック

ADAPTはゼロから作られた新しい機械ではありません。標準的な heavy-duty なトラック搭載型フォークリフト（Palfinger BM154）に、「脳」と「神経」を与えたものです。

• 神経（センサー）： 目のかわりに、一連のセンサーを備えています。世界を3Dで捉えるためのLiDAR（コウモリのソナーのようなものですが、レーザーを使います）、パレットを見つけるためのステレオカメラ（人間の目のようなもの）、そして地図上の現在地を知るためのGPSを使用します。
• 脳（コンピュータ）： すべてのデータを瞬時に処理する頑丈なコンピュータを搭載しています。それは、決して疲れることなく、瞬きもせず、ミリ秒単位で最も安全な経路を計算する副操縦士を持っているようなものです。

2. 「目」：混沌の中を見通す

建設現場は散らかっています。パレットは整然と並んでいるわけではなく、あちこちに散らばっており、時には泥に覆われています。また、地面もデコボコしています。

• パレットの発見： ADAPTは、何百万ものコンピュータ生成画像で訓練された特別な「AI探偵」を使用します。カメラを通して世界を見つめ、「これは木製のパレットだ！」と判断します。たとえ一部が隠れていても、パレットがどこにあり、どのように傾いているかを正確に把握します。
• 「魔法の」地図： 砂利の山や水たまりの上を走行できるかどうかを知るために、ADDTは2.5Dマップを作成します。これは、単に「何がどこにあるか」だけでなく、どの場所が走行可能で、どの場所が「進入禁止」エリアであるかを知っている地形図のようなものです。走行しながら常にこのマップを更新し、障害物がどこにあったか、あるいはどこに移動したかを記憶します。

3. 「記憶」：すべての所在を知る

建設現場で運転する際の一番難しいことの一つは、GPS信号が不安定になったり、地面が変動したりすることです。

• ファクターグラフ： 論文では、「ファクターグラフ」と呼ばれる巧妙な数学的トリックについて説明しています。フォークリフトの位置、GPS、そして目にするパレットを繋ぐ巨大なウェブ（網）を想像してください。もしGPS信号が揺らいでも、ウェブが目にするパレットの周囲で引き締まり、フォークリフトの軌道を維持します。それは、床が揺れているときに手すりに掴まるようなものです。フォークリフトは、パレットをアンカー（錨）として利用し、精度を保ちます。
• 結果： たとえGPS信号が一瞬途切れたとしても、ロボットはピックアップしようとしているパレットに対して、自分が正確にどこにいるのかを知っています。

4. 「手」：荷物を持ち上げる

ADDTがパレットを見つけたら、次はそれを掴まなければなりません。ここが難しい部分です。

• 「感触」： フォークリフトには、フォークの部分に特殊な圧力センサーが付いています。これは、敏感な指先を持っているようなものです。フォークがパレットに触れると、ロボットはいつ押し込むのを止めるべきかを正確に理解します。ただ推測するのではなく、接触を「感じる」のです。
• 接近： 「ビジュアル・サーボイング（視覚による制御）」という技術を使用します。ターゲットにカーソルを完璧に合わせようとするビデオゲームを想像してください。ADDTは、カメラが見ているものに基づいて位置を絶えず調整し、フォークがパレットの穴に完璧に滑り込むまで調整を続けます。

5. 「安全ガード」：衝突する前に止まる

建設現場には、予期せぬ事態が満載です。他のトラック、作業員、そして犬などが現れます。

• 「見張り」： ADAPTには、進行方向をスキャンする専用の安全システムがあります。もし、進路を横切る可能性のある動くもの（人間やショベルカーなど）を検知した場合、人間のように回避行動を取ろうとはしません。代わりに、ブレーキをかけ、待機します。
• 人間のバックアップ： このシステムはまだ完璧ではありません。もしロボットが行き詰まったり混乱したりした場合は、人間の作業員が介入して状況を解決し、その後、ロボットが再びシームレスに作業を引き継ぐことができます。それは、道に迷ったときに乗客に助けを求め、乗客が道を教えた後に再び運転を再開する自動運転車のようなものです。

大規模テスト：ロボット vs 人間

研究者たちは単にロボットを作っただけではありません。彼らはこれをテストにかけました。ADAPTを、20年の経験を持つ人間のフォークリフト運転手と比較したのです。

• 判定： 様々な天候条件下（雨を含む）において、ADAPTは熟練した人間とほぼ同等のパフォーマンスを発揮しました。それは信頼でき、安全で、効率的でした。
• 教訓： 論文は、ロボットが建設現場での資材移動という、汚れていて危険で退屈な作業をこなせる未来が近づいていると結論付けています。これにより、人間の仕事はより安全になり、プロセスはより効率的になります。

要約すると： ADAPTは、レーザー、カメラ、そしてスマートな数学を用いて、混乱した建設現場をナビゲートし、散乱したパレットを見つけ、それらを安全に持ち上げ、運び、周囲の状況を注意深く監視しながら衝突を回避する、タフな自動運転フォークリフトです。それは、雨の中でも泥の中でも、人間と同じように働くことができますが、疲れることはありません。

技術概要

技術要約：ADAPT – 建設現場作業のための自律型フォークリフト

問題提起

効率的な資材物流は、建設業界におけるコストとスケジュールの管理において極めて重要であるが、手動による取り扱いは依然として非効率性、遅延、および安全上のリスクを伴う。自律システムは、構造化された環境（例：倉庫）や特定の屋外セクター（例：露天掘り採掘、農業）では成熟しているが、建設現場に自律型フォークリフトを導入することには特有の課題が存在する。制御された環境とは異なり、建設現場は非構造的であり、動的な障害物、凹凸のある地形、および変動する天候を特徴とする。さらに、業界は熟練労働者の不足と高い安全リスクに直面しており、資材取り扱いに起因する事故は、死亡事故やコストに大きく寄与している。自律型建設機械に関する既存の研究は、完全なローディングサイクルの包括的な実世界評価や、定義されたガイディングシステムなしで非構造的な屋外環境において堅牢に動作する能力に欠けていることが多い。

手法

本論文では、定義されたインフラを必要とせず、非構造的な建設環境で動作するように設計された自律型オフロードフォークリフトであるADAPT（Autonomous Dynamic All-terrain Pallet Transporter）を提示する。本システムは、AI駆動の知覚と、伝統的な意思決定、計画、および制御の手法を統合している。

システムアーキテクチャ

• ハードウェアプラットフォーム： 中央関節式全輪駆動車両であるPalfinger BM154トラック搭載フォークリフトをベースとしている。これは、低レベルの安全性およびアクチュエーション制御のためのB&R X90 PLCと、高レベルの知覚および計画のための堅牢な産業用PC（IPC）からなる分散処理アーキテクチャを用いて改造されている。
• センシング・スイート： 本システムは、以下のマルチセンサ構成を利用している：
  • RTK-GNSS (Septentrio mosaic-H)： センチメートルレベルのグローバルな自己位置推定のため。
  • LiDAR： マッピングおよび障害物検知用の広視野Ouster OS1-64、フォーク方向の物体検知およびトラックのエッジ検知用の狭視野Livox Mid-70、および近距離精密検知用のSick picoScan150 2D LiDAR。
  • ステレオカメラ (ZED 2i)： パレットの検出およびポーズ推定の中核。
  • プロプリオセプション（固有感覚）： ホイールエンコーダ、中央ジョイント用のリニアポテンショメータ、および油圧フィードバック用の圧力センサ。

知覚および自己位置推定

• ジョイントの自己位置推定およびパレットのマッピング： システムは、フォークリフトのポーズとパレットのポーズを共同で推定するためのファクターグラフベースの最適化フレームワーク（iSAM2を使用）を採用している。この手法は、オドメトリ、GNSS、およびパレット検知を融合させる。自然な特徴に依存する標準的なSLAMとは異なり、この手法はオブジェクトのポーズ（パレットの位置）を高レベルのランドマークとして使用して動作するため、GNSS信号が劣化した場合でも堅牢な動作が可能となる。
• 走行可能性マッピング： LiDARデータから、3段階のプロセス（シングルスキャン分析、3Dボクセル集計、および標高マップ生成）を用いて2.5D標高マップを生成する。このマップは、通行可能な地面、障害物、および傾斜を区別し、凹凸のある地形での転倒防止に不可欠である。
• パレット検出およびポーズ推定： システムは、ユーロパレットを検出し、ステレオ深度データからその6Dポーズを推定するために、合成的に訓練された幾何学ベースのニューラルネットワークを使用する。訓練パイプラインは、シム・トゥ・リアル（Sim-to-Real）のギャップを最小限に抑えるために150,000組以上の合成ステレオ画像ペアを生成する。ポーズ推定には、パートコンステレーションモデルと、パレット原点におけるステレオ深度測定に基づく精緻化ステップが用いられる。
• 障害物検知： 高速に反応するセンサフレームベースのシステムは、LiDAR点群に対してDBSCANクラスタリングを行い、静的および動的な障害物を検知する。カルマンフィルタを用いた「検知による追跡（tracking-by-detection）」パラダイムを採用して、軌道を予測し衝突リスクを評価し、衝突が差し迫った場合には緊急停止をトリガーする。

計画および制御

• タスク計画： ビヘイビアツリーフレームワーク（BehaviorTree.CPP）が、パレットの探索、ターゲットの選択、接近、積み込み、スロットへの移動、および荷降ろしを含む高レベルのタスク実行を管理する。これにより、モジュール性と動的な状況への反応性が提供される。
• モーション計画および制御： パス計画のために、中央関節式車両の運動学に適応させたReeds-Shepp構成を持つハイブリッドA*プランナーを使用する。リアプノフベースのパス追従コントローラは、正確な軌道追従を保証する。
• ドッキング： 精密なパレットへの係合は、最終接近時に深度カメラとLiDARの測定値を統合してフォークを動的に調整するビジュアルサーボイングによって達成される。

主な貢献

1. 自律型オフロードフォークリフトの開発： 非構造的な屋外環境においてローディングおよびアンローディング操作が可能な完全なシステムを開発し、様々な天候条件下（低度から中度の降雨下での堅牢な動作を含む）において、人間による操作に近い性能を実証した。
2. 新規のファクターグラフベースの最適化： パレットを高レベルのマップ特徴量として扱うことで、パレットローディングタスクにおける物体操作の精度を高めるよう特別に設計された、精密な車両自己位置推定とパレットマッピングのための共同最適化フレームワーク。
3. 革新的なフォーク接触測定： コスト効率を維持しながら、操作の堅牢性と運用安全性を高めるために圧力フィードバックを利用するシステム。
4. 包括的な性能評価： 実世界の屋外環境において、エキスパートである人間のオペレーター（20年以上の経験を持つ）と比較した詳細な定量的分析を行い、運用の効率性、堅牢性、および人間による介入の頻度を評価した。

結果

システムは、建設現場での広範な実世界テストを通じて検証された。

• 自己位置推定の精度： GNSSが利用できないシナリオ（初期化後にGNSSを無効化することでシミュレート）において、オドメトリとオンラインのパレット検知の融合により、フォークリフトとパレット間の平均位置RMSE（平方根平均二乗誤差）が、オドメトリ単独の場合と比較して65%（0.182 mから0.064 mへ）減少した。
• ポーズ推定： パレットのポーズ推定システムは、センサーからの距離が減少するにつれて誤差が減少する、フォーク挿入に十分な精度を達成した。
• 運用性能： 人間のオペレーターとの比較分析により、自律型フォークリフトが人間と同等の性能で動作できることが示された。システムは、様々な天候条件下でローディングおよびアンローディングのサイクルを正常に完了した。
• 人的介入： 柔軟な使用における100%の運用信頼性は達成されなかったが、システムはシームレスなヒューマン・マシン・インタラクションのコンセプトに基づいて設計されている。作業員は安全または運用上の理由で介入することができ、その後、自律運転はスムーズに再開された。

意義および主張

本論文は、AD以外の（ADAPTの）特性が、非構造的な屋外環境の特有の課題に対処することで、より安全で効率的な建設物流への実現可能な道筋を提供すると主張している。著者らは、本研究が成熟した屋内オートメーションと、より過酷な条件の建設現場との間の溝を埋めるものであることを強調している。自律型オフロードフォークリフトが経験豊富な人間のオペレーターに匹敵する性能を達成できることを実証することで、本研究は、オートメーションが建設業界における労働力不足と安全リスクに対する実現可能な解決策であることを示唆している。結論として、すべての条件下での完全な自ノミ（フルオートノミー）はまだ現実ではないものの、AI駆動の知覚と古典的な制御手法の統合、および堅牢なヒューマン・イン・ザ・ループの安全コンセプトを組み合わせることで、複雑で動的な環境における信頼性の高い運用が可能になる。