点群鳥観図を用いたDNN による油圧ショベル走行時の転倒予測

抄録

本研究では，遠隔操縦による油圧ショベルの安全性向上を目的とした，新たな転倒予測システムについて報告する．災害復旧現場では遠隔操縦の油圧ショベルが投入されることがあるが，その作業は転倒等の危険と隣り合わせである．転倒を防ぐには，事前に転倒の危険性を予測し，危険を回避する方法が有効である．既存の物理モデルに基づく予測方法は，外乱や車両の動きを考慮しておらず，また予測にかかる時間が課題となっていた．本研究では，DNN（Deep Neural Network）を用いて，油圧ショベルの現在から 1秒後までの最大の傾斜角を高速に予測する，新しいシステムを提案する．このシステムは，複雑な物理モデルの解析を必要とせず，センサデータと将来の機体傾斜角の関係を直接学習して予測を行う．さらに， 3 次元点群を鳥観図に変換し，CNN（Convolutional Neural Network）に入力することで，高速な予測を目指す．シミュレーションによる検証では，予測誤差は 0.056rad，予測時間は約 2.79msであり，高い性能を示した．しかし，これらの結果はシミュレーションに基づくものであり，実機での検証が今後の課題である．本研究により，遠隔操縦による油圧ショベルの安全性が向上することが期待される．将来的には，操縦者と機材の安全を保ちつつ，より効率的な作業を実現することが目指される．