少子高齢化に起因する労働力減少や作業効率化を背景に、搭載したセンサにより周辺環境を認識し、人と共存して自律的に移動する自律移動ロボットへの期待が高まっています。

搬送、清掃、警備、農業分野、スマートシティなど、屋内外問わず人が存在する環境に自律移動ロボットの需要は拡大しています。

しかし、人が存在する環境は、温度、天候、季節、人や物の動きなど周囲の環境が予測不能に変化します。

そこで、安全かつ確実に作業可能な自律移動ロボットを開発するには、予測不能かつ屋内外問わず多様な環境において自己位置推定のロバスト性向上が求められます。

ロボットが自律移動するには、搭載されたセンサが周囲の環境を観測し、その観測を基にロボット自身がどこにいるか、正確な位置を把握すること(自己位置推定)が必要になります。

自己位置推定の課題として、センサの位置推定精度が環境によってそれぞれ変化するといったことが挙げられます。例えば、LiDARは周囲に障害物が少ない場所において位置推定を誤りやすく、カメラは暗所において位置推定を誤りやすいといった特徴があります。

そのため、多様な環境においてロバストな位置推定を行うためには、特性が異なる複数のセンサを併用する必要があります。

ロボット自身に搭載した複数センサの併用法として、先行研究[1]による複数センサの選択的統合法が提案されました。

先行研究では特性の異なる複数センサからそれぞれ異なる位置推定法を用いているため、それぞれの位置推定結果は異なると想定されることから、「同時に同様の壊滅的な誤差を含む位置情報が算出されることは稀」という前提を置きました。

その前提のもとで、各位置推定法から算出された存在確率分布の類似性判別による選択的な統合をすることで、真の位置と著しく異なるバイアス分布を検出、排除することが可能となり、ロバスト性の向上が確認されました。

fig1: 選択的統合法

また、先行研究では選択的統合法により算出された経路上にセンサ毎の排除された領域をプロットした「信頼性マップ」を構築しました。

信頼性マップにより位置推定が破綻しやすい領域を可視化することが可能になり、センサを増設することでロバスト性が向上するという仮説が立てられました。

fig2: 信頼性マップ

センサの増設

センサの増設にはロボット自身への増設と環境への増設の2種類があります。

ロボットへの増設には、特性の異なるセンサの種類、数に制限があり、一台あたりの移動体のコストが増加するといった問題があります。

一方、環境への増設なら、観測視点の違いにより特性の異なる情報源として期待でき、他の移動体と環境に設置したセンサを共有することでコストの増加を低減することができます。

また、選択的統合法において環境に設置したセンサを利用することで、IoTの発展によるスマートシティとの連携が容易になったり、高価なセンサを削減し「ロボットに搭載した安価なセンサ＋環境に設置したセンサ」を用いた安価な位置推定システムの可能性が高まります。

提案

しかし、「位置推定が破綻しやすい領域にセンサを増設することでロバスト性が向上する」という仮説がもし成り立ったとしても、「どんなセンサがその領域に有効か分からない」という問題があります。

そこで本研究では、選択的統合法に増設した環境設置センサを利用できるよう拡張し、複数の環境設置センサの信頼性マップを構築、比較することで位置推定が破綻しやすい領域に有効なセンサを提示するシステムの構築を目的とします。

まずその第一歩として、先行研究の「位置推定が破綻しやすい領域にセンサを増設することでロバスト性が向上する」という仮説の検証に現在取り組んでおります。

[1] 大橋臨　名古屋大学博士論文「自律移動体の位置推定のロバスト性向上を目指したセンサ統合に関する研究」　2021