2.2.1 オムニムーバー

我々が開発しているATの特徴の一つは、全方位に移動できることである。我々はこれをオムニムーバーと呼んでいる。これは、その場回転をして行きたい方向を向き、その方向に前進するという掃除ロボットのような機能ではなく、静止した状態でどの方向にも進めるといった機能である。これは、既存の乗り物にはない移動方法である。 我々は、この全方位移動が持つ特性を生かした障害物回避の研究を行っている。ATは障害物を回避する際に方向を変更することなく、そのまま横に移動できる。この手法には、車などの移動体のように回避するにあたって現状よりも対象に接近することなく回避することができ、方向転換に場所を取らなくてすむといった利点ある。しかし、本論文では、障害物を回避する時に真横の方向に避けるといった動作は行わない。詳細については4章にて述べる。 この全方位移動を実現するために、我々は、以前からロボットコンテストの競技用ロボットなどで採用されているオムニホイールを採用した。このホイールの外観を図に示す。オムニホイールは、ひとつの車輪に垂直に配置された複数の小さな車輪が付いている構造になっている。

図2.2: オムニホイール

車輪に対して進行方向に進む場合は大きい車輪が回転し、車輪に対して垂直方向に進む場合は大きい車輪は停止し、小さい車輪が回転して横滑りしている状態になる。それぞれ独立した4つの車輪を制御することで、全方位移動、その場回転といった動作が可能になる。大きい車輪はモータによって制御することができるが、小さい車輪は動力が存在せず、転がるだけになっている。 オムニホイールの欠点としてあげられるのは、移動に対する効率が悪いことである。場合によってはオムニホイールが空転しながら移動するため、バッテリーの消費が走行距離に対して多いのである。 また、オムニホイールには弾力性がないため、走行している地面の影響を受けやすく、凹凸の激しい道ではその震動が搭乗者に直接伝わってしまう。また、車輪が円形になっていないため、走行時に騒音が出やすいのも欠点である。こういった点はまだ改善しなければならない。

2.2.2 全方位移動のメカニズム

全方位移動、およびその場回転は、図に示されるように非平行に設置された4個のオムニホイールを個別に制御することによって実現している。オムニホイールとベルトでつながれた高トルク(750W)のサーボモータは任意の速度制御が可能である。

図2.3: 全方位移動のメカニズム

前進させる場合は、図の(A)と(C)のタイヤを正転(図の正の向きに回転)させ、(B)と(D)を反転(図の負の向きに回転)させることで実現することができる。斜め方向に走行させる場合は、右斜め前に移動する場合を例にとると、(A)のタイヤを正転、(D)のタイヤを反転させ、(B)と(C)のタイヤを停止させてそれらに付いている小さいタイヤを転がすことで実現することができる。また、任意の方向に走行させる場合は、それぞれのタイヤの回転数を微妙に調節することによって実現することができる。このように、正面を向いたまま任意の方向に走行できるため、図のように障害物回避をスムーズに行うことができる。なお、その場回転は、4つのタイヤをすべて正転または反転することによって実現できる。

図2.4: 全方位移動による障害物回避

3.1.1 コマンドの説明

ATに対する命令の最小単位であるコマンドについて一つずつ詳細に説明する。

まず、平行化コマンドは、ApproachWallとMoveWithTagで使用されている。ApproachWallではこのコマンドしか使用されていないが、MoveWithTagではATが壁と一定距離をとることができるようにしている。

壁接近コマンドは、ParallelToWallとMoveWithTagで使用されている。このコマンドは動作の開始と、動作完了の確認の2つの機能を持っている。このコマンドが起動している最中に同じコマンドを送信すると、それが動作完了確認のコマンドになる。最初は、壁が存在する範囲の開始角度・壁が存在する範囲の終了角度・壁に向けたいATの側面の角度、という3つの引数を用いて命令を送るが、2回目以降は、回転後に壁の存在する範囲の開始角度・回転後に壁の存在する範囲の終了角度・ATのどの側面が壁を向いた状態で終了するか、という3つの引数を用いて命令を送る。MoveWithTagでは、平行化コマンドと共に用いられ、ATが壁と平行になりながら走行することができるようにしている。

平行移動コマンドは、MoveWithTagとMoveWithDistanceで使用されている。引数は、モータの回転数・走行する方向・物体がATまでどの程度近づいたらATを停止させるか、の3つである。走行する方向とは、ATがその向きを向いて前進するということではなく、その方向に横滑り移動するということである。第三引数については後述する。

最短距離測定コマンドは、MoveWithDistanceで使用されている。引数は、壁が存在する範囲の開始角度・壁が存在する範囲の終了角度、の2つである。レーザーレンジセンサによって360°それぞれの距離を測定し、その中の最小値と、その角度を返す。MoveWithDistanceでは、横の壁がなくなって交差点に進入したか、逆に、交差点から通路に進入したかの判定のために用いられる。この動作については後述する。

回転コマンドは、Turnで使用されている。このコマンドも1回目に送信するのと、このコマンドが実行中に送信するのとで機能が異なる。1回目はATを何度回転させたいかを引数とするが、実行中に送った場合、3軸角度センサの値を確認しながら、指定した角度だけ回転したかどうかを判定するために使用される。

速度計測コマンドは、MoveWithTagとMoveWithDistanceで使用されている。平行移動コマンドの第三引数として、どの距離までATが何かに接近したら停止するというものがあると述べたが、そこでATが停止したときに、ATの速度が低下するので、その時に走行の処理を終了する。その時の速度が一定値以下になったかどうかの判定を行うために使用するコマンドである。このコマンドはフェイルセーフのための機能として存在している。

3.1.2 プロセスの説明

ATには5つのプロセスが存在し、それらを組み合わせることによって自動走行を実現している。5つのプロセスをそれぞれ定義し、その後それぞれの動作について詳細に述べる

【ApproachWall】 ATは、RFIDタグを読み取るため、また、壁との距離を計測して自身の位置を把握するために壁に接近しなければならない。そのために必要なのが壁に接近する機能である。

接近したい壁の存在する角度の範囲と、その壁までどれだけ近づくかを指定すると、ATはその指定した壁からの距離まで移動し、その距離まで到達したときに停止する。指定した距離よりも壁から離れていた場合は壁に接近し、近かった場合は壁から離れる。

【ParallelToWall】ATは、壁沿い走行を実現するために、壁と平行にならなければならない。ATが走行時に必ずまっすぐ進むという保証はなく、走行している間に進行方向が変わってしまうことがある。そのために必要なのが壁と平行になる機能である。先に紹介したApproachWallと共に使用することで、ATは走行中に壁を手がかりにして壁から一定距離を保ち、かつ壁と平行になり、まっすぐ走行することができるようになる。

対象となる壁の存在する角度の範囲と、ATのどの面をその壁と平行にしたいかを指定すると、ATはその場回転を行い、指定した面を指定した壁に向けようとする。指定したATの面と指定した向きに存在する壁が平行になったときに停止する。

【MoveWithTag】自動走行をする際、ATは地図上の自身の位置を把握しなければならない。自身の位置を把握していなければ、現在どこを走行しているかが分からないため、目的地まで到達することができないからである。我々は、ATが自身の位置を把握するために、環境にRFIDタグを設置している。ATがRFIDタグを読み取ることによって、目的地までの経路の作成や、交差点右左折などのきっかけを見つけることができる。

MoveWithTagのフローを図に示す。

図3.1: MoveWithTagのフローチャート

まず走行開始コマンドをMCServerに送り、走行開始した後は、停止タグに設定したRFIDタグを読み取るか、障害物回避モードに入るか、ATが突き当りの壁に近づくなどして停止するまで走行を続ける。壁沿い走行中は、壁に近づきすぎず、離れすぎず走行しなければならない。そのため、ループ処理によって、一定時間ごとに壁と平行になるコマンド、及び壁と一定の距離をとるコマンドを送っている。こうすることで壁と一定の距離(本研究では、経験的に50cmとしている。)を保ったまま壁と平行に移動することが実現できる。

RFIDタグを読んだときは、それが目的地のタグだった場合、ループを終了して、呼び出し元に戻り、次のプロセスを実行する。

【MoveWithDistance】自動走行中に自身の位置を、タグの存在しない場所で把握しなければならないことがある。たとえば、交差点である。

交差点の右折を例にとると、交差点に差し掛かった後、右折ができるようになるまで交差点に入ったか、つまり、ATの右にあった壁が無くなったかどうかの情報が必要になる。

MoveWithDistanceのフローを図に示す。

図3.2: MoveWithDistanceのフローチャート

MoveWithTagと似ているが、こちらのプロセスでは終了条件がRFIDタグの読み取りではなく、指定方向の距離が一定値以上または一定値以下になったかどうかとなっている。一定値以上か一定値以下かの選択は、コマンドを送るときの引数によって決定される。

また、MoveWithTagのように壁と一定距離を保って走行することはしない。なぜなら、このコマンドの主な使用目的は交差点での右左折であり、交差点に進入した時点でATは壁沿い走行をしなくなるからである。もしも壁と一定距離をとって走行した場合、壁沿い走行をしたのち、交差点に差し掛かった瞬間ATの横にあった壁がなくなり、それでも壁と一定距離を取ろうとするので、まだ完全に交差点に入りきっていないにもかかわらず図のように壁に向かって突進してしまうのである。

図3.3: 正面の距離を測定した場合の動作

このプロセスでは壁を手がかりにせずに走行するため、MoveWithDistanceを実行する前に必ずParallelToWallを実行する必要がある。ParallelToWallを使用しなかった場合、ATと壁が平行になっていないにも関わらず走行してしまうため、ATが壁から離れていってしまって、交差点進入時の判定が正しく行われなくなってしまったり、壁と衝突してしまう恐れがある。

【Turn】このプロセスは、ParallelToWallと同じようにATをその場回転させる機能であるが、異なる点は、壁を基準にしないという点である。数値を指定することによってその角度だけATが回転し、指定した角度だけ回転したら停止する。

なお、これらのプロセスの中で、角度を指定する場合、角度の基準は図のように、ATの正面が0°であり、ATの右側が正、左側は負、ATの背面は±180°で表す。これらの角度を、始点から終点が時計回りになるように指定する。これをATに対する角度とする。

図3.4: ATに対する角度

3.1.3 プロセスの組み合わせについて

• 交差点の右左折

  交差点の右左折の手順を示したのが図である。

  ATが右壁沿いを走っており、交差点を右折する場合を例にとる。

  まず、ATが交差点直前に設置してあるRFIDタグを読んだとき、右にある壁にATの正面を向ける。そのままMoveWithDistanceによって横向きに走行しながら交差点に進入する。

  図のように、ATから見て斜め前の、右折する先の壁との距離を測りながら交差点に進入し、その壁と一定以上の距離を離れた場合は交差点に完全に進入できたと判断して処理を終了する。その後下図の赤い矢印の方向の距離を測定しながら前進する。

  図の赤い矢印の方向の距離が一定値以下になった場合は、完全に目的の経路に進入できたと判断し、右側にある壁にApproachWallによって接近し、ParallelToWallで平行になり、次のプロセスを実行する。

  距離の測定を斜め方向ではなく、真横に対して行った場合、図のように、まだATが交差点に完全に進入していない状態で次の処理を行ってしまうため、前進したときに壁の角に衝突してしまう。

• 以上のことを考えて、我々はcの方向に走行し、手掛かりとなる壁を見つけたのちに目的の経路に移動する方法をとる。交差点の直進移動の手順を示したものが図である。

  右壁沿いをしている状態で交差点を直進する場合を例にとる。まず、ATが交差点直前に設置してあるRFIDタグを読んだとき、MoveWithDistanceモードに入り、前進しながら交差点に進入する。

  交差点の直進

  交差点の右左折と同様に、直進についてもプロセスの組み合わせによって実現することができる。交差点直進を行う場合はATの横に壁が存在しないため、壁沿い走行を行うことができない。ここで問題になるのが、ATの位置と進行方向を知るための手がかりがなくなること である。ATは壁を用いて自身の位置と進行方向を把握しているため、壁がない状態で走行すると、自身がどこにいて、どの向きを向いて走行しているのかというのが分からなくなってしまう。そうなった場合、正しく交差点を越えて再び壁沿いまで移動するのが非常に困難になる。

  図の場合、正しく交差点直進を行おうとした場合、aの経路をたどらなければならない。しかし、先に述べたように、ATは壁を手掛かりにせず走行した場合、aに走れる保証はない。最悪bの方向に走行すれば、まだ交差点を通過することができる。cの方向に進んだ場合、交差点を通過することができないが、手掛かりとなる壁に接近することはできる。

  図のように、ATから見て斜め後ろの交差点の壁との距離を測りながら交差点に進入し、一定以上の距離を離れた場合は交差点に完全に進入できたと判断して処理を終了する。その後、図の矢印の方向に対してApproachWallを行う。これにより、反対側の壁に対してATの正面を向けることができる。

  その後は交差点右折と同じ要領で図のように再び交差点に進入し、ATの正面から壁がなくなったのち、前進する。ATが完全に対面の道路に入った時に横の壁に対してParallelToWallを行い、壁と平行になり、次のプロセスに移行する。

  交差点内では、可能な限り慎重で安全に走行すべきなので、このような若干非効率的な動き方になる。しかし、この方法は搭乗している人間から見ると不自然な動きであり、理想的なものではないので改善の余地がある。

• 突き当りの壁での右左折

  自動走行中に右左折するのは交差点だけではなく、突き当りに壁が存在したときにも行われる。

  ここで使用されるのはMoveWithTagとApproachWallである。突き当りの直前のタグを読んだときに、ATはこの先が突き当りになっているということを把握しているため、MoveWithTagを終了させてApproachWallを実行する。ここでのApproachWallの引数は、壁の存在する方向は30°、反対側は45°の範囲を指定し、正面の壁に対して接近する。図の場合は、-30°から45°となる。

  ApproachWallによる壁への接近が完了したら、次のプロセスを実行する。

3.2.1 RFIDタグによる位置推定

自動走行によって目的地に到達するためには自身の位置を知らなければならない。本研究では、ATの位置と地図とを対応させるためにRFIDタグを用いている。RFIDタグを環境に設置し、それらを地図と対応させることによって、それを読み取ったATがRFIDのタグ番号から現在位置を知ることができる。また、ATに備え付けられている前方と左右のRFIDリーダのうち、どのリーダで読み取ったかによって現在ATがどちらを向いているかということも知ることができる。

3.2.2 壁による位置推定

RFIDタグは壁に設置されているため、ATは必然的に壁沿いを走行しなければならない。しかし、壁沿いを走行するのには他にも理由がある。それは、壁を手がかりにすることによってAT自身の存在する位置の候補をある程度絞り込むためである。たとえば、壁から離れている状態で、壁に設置されているRFIDタグを読むと、ATが向いている角度、RFIDタグからの距離が全く分からない。どのリーダでタグを読んだかという情報からATのおおよその向きを知ることができるが、図、図のように、ATの前面が壁側を向いているか、壁とは反対方向を向いているかといった情報は得ることができない。壁沿いならば、壁を頼りにATを壁と平行にすることができるため、方向を一意に決めることができる。

図3.5: ATが壁側に傾いている

図3.6: ATが壁とは反対方向に傾いている

RFIDリーダは、タグの読み取り範囲を調節できるため、範囲を狭めることでATの位置推定の精度を向上させることができる。しかし、ATの速度が上がった場合、RFIDタグを読む時間があまりにも短くなり、読み取れなくなる恐れがある。そこで、ある程度速度を上げても読み取れるようにRFIDリーダの読み取り範囲を広げた。しかし、読み取り範囲を広げると、向かいの壁に設置されているRFIDタグまで読み取ってしまう恐れがある。それを防ぐためにATが沿っている壁の方向のRFIDリーダのみを読み取り可能になるようにした。プロセスが切り替わるたびに現在沿っている壁に面しているRFIDリーダの読み取りができるようにし、その他のRFIDリーダは読み取りをしないようにしている。

4.2.1 静止障害物の検出

静止障害物の認識は、レーザーレンジセンサによって行われる。図のように、ATの進行方向上の、ATの幅分で3m以内に障害物が存在した場合、ATはそこに静止障害物があると判断する。静止障害物を回避する場合、それにぶつからずに回避することだけを考えて移動すればよいため、比較的容易に回避することができる。

図4.1: 静止障害物の検出

4.2.2 移動障害物の検出

移動障害物は静止障害物よりも離れた距離で認識しなければならない。静止障害物ならばある程度近づいてから回避しても問題ないが、移動障害物はそれ自身が移動しているため、ある程度近づいてしまうと、衝突の危険がある上に、移動障害物が人間であった場合、ATが接近することによって恐怖感を与える恐れがあるからである。そのため、移動障害物の場合は、静止障害物よりも距離の長い地点で回避を開始することが妥当であると考えられる。本来ならば、ATの速度と人間の速度を考慮して回避を開始する距離を決定する必要があるが、本研究ではATの速度を踏まえ、人間の回避を開始するために壁沿い走行モードから障害物回避モードに切り替える距離を10mと設定して話を進める。静止障害物ならば3mで、移動障害物ならば10mで回避を開始したいが、それを行うためには、その時点でそれらが静止障害物か、移動障害物かを把握している必要がある。しかし、壁沿い走行モードでは、障害物とATが10m離れている時点で、それが移動障害物なのか、静止障害物なのかを区別することを行っていない。壁沿い走行モードのときに移動ベクトルを考慮しない理由は、人間が接近したときに必ずしも移動ベクトルを検出することができるとは限らないからである。たとえば、ATが交差点に差し掛かった時、人間がATの走行している通路と交わる通路を歩行している場合、ATと人間の間には壁が存在することになる。レーザーレンジセンサで距離を測定できるのは壁までであり、人間までの距離を測定することはできない。つまり、壁の存在によって人間のいる位置がATにとって死角になるのである。そのため、移動障害物の検知をレーザーレンジセンサで行うと見落としてしまう可能性がある。そのため、壁沿い走行モード時の移動障害物と静止障害物の識別はレーザーレンジセンサ以外の手段を併用する必要がある。

本研究で移動障害物の検知に使用したのは、焦電センサ(焦電型MPモーションセンサNaPiOn、図)である。我々は、検知した結果から人間の速度を推定するため、アナログ型の焦電センサを使用した。焦電センサは、周囲と温度差がある人や物が動く際に発生する赤外線の変化を検出するセンサである。

図4.2: 焦電型MPモーションセンサ

焦電センサは常に赤外線の変化を値として取得している。図と図は、焦電センサが取得した値を可視化したものである。それぞれの図の正方形の点で値が示されている線は焦電センサが実際に取得した値(最小値：0、最大値：999)である。ひし形の点で値が示されている線は実際に取得された値と、一回前に取得された値の差分の値(最小値：-999、最大値：999)である。横軸は時間であり、200ms単位で各焦電センサから値を取得している。人間が焦電センサの前を通っていないときは図のように安定した値を取得し、人間が焦電センサの前を通った時は、図のように上下した値を取得する。安定している状態で取得されている値が600付近であるため、便宜的にこの値を基準値と呼ぶ。焦電センサを管理するMSServer(モーションセンササーバ)は人間が焦電センサの前を通ったことによって値が変化してから人間が焦電センサの前からいなくなって値が安定するまでの間の値を記録している。人間が焦電センサの前を通ったと判断する条件は、差分の値の絶対値が100を超えたときである。焦電センサが移動している物体に反応していない場合は常に図のような値を示すため、差分の絶対値が100を超えることはない。人間が焦電センサの前を去ったと判断する条件は、差分の値の絶対値が3回連続で100を下回った場合である。人間に反応している間にも差分の値が100を下回ることがあるが、人間に反応し続けているので、値はさらに変動する。そのため、3回以上差分の値の絶対値が100を下回るのは値が安定したときのみであると考えられる。また、3回という分析窓長に設定した理由は、人間が通り過ぎたらなるべく早く反応していない状態に切り替えたいためである。人間が通り過ぎてセンサの値が安定したところで人間の速度の推定を行う。

図4.3: 焦電センサが移動している物体に反応していない場合

図4.4: 焦電センサが移動している物体に反応している場合

人間が通過したことを検知するために、焦電センサを用いるよりもカメラを用い、画像処理を行った方が多くの情報を得ることができ、精度良く測定できると考えられるが、人間を検知する装置は、交差点で交わる各通路、出入り口付近など、数多くの場所に置くことを想定しているため、設置コストがかかる。また、焦電センサを用いた方が反応性、処理の簡易さという観点から見て効率的である上に、この手法で必要となるものは人間の速度のみであるため焦電センサで十分であると考えられる。そのため、本研究では人間の検知にカメラではなく、焦電センサを用いることにした。

しかし、焦電センサをRFIDタグのように数多くの場所に設置しようとしても、現実的には困難である。それは、焦電センサはRFIDタグとは違い、電源を必要とするため、また、サーバと通信するためのネットワーク環境を必要とするためである。無線を使うことでネットワークの問題を解決することはそれほど困難ではないが、センサを無数に配置するのは電源供給の観点から一般的に困難である。将来的にどこでも電源が取得できるような環境が実現された場合、センサが反応した場所に人間がいるということが分かるため、人間と遭遇する時刻の予測がより精度よく行えるようになる。

4.3.1 モーションセンササーバ

MSServerは、焦電センサを管理するサーバで、人間の速さ・方向・通過時刻を格納するデータリストを持っている。焦電センサの前を人間が通ったことによって得られたデータを解析し、人間の速度の推定を行う。速度の推定を終えると、そのデータリストに通過した人間の速さ・方向・通過時刻を格納する。

焦電センサにはそれぞれIDが割り当てられており、環境が持つ地図上にその位置が登録されている。ATは走行経路上にある最も近い焦電センサが接続されているMSServerに、ある時間範囲内にセンサの前を通過した人間の情報を問い合わせる。その焦電センサが反応していた場合、MSServerはATにその時間の人間の通過回数、方向を含めた速度、通過時刻と現在時刻の差分を返す。ATはその情報を元に移動障害物といつ遭遇するかを計算する。遭遇予測時刻後に、10m以内にレンジセンサによって障害物の存在を確認したら、その障害物は移動障害物であると判断する。

焦電センサで人間を確認したのちにレーザーレンジセンサでさらに存在を確認している理由は、焦電センサの前を通った人間が必ずしもATの前に現れるとは限らないからである。焦電センサの前を通った人間がATの前に現れる以外に考えられる行動は、折り返す、焦電センサとATの間に存在する部屋に入る、交差点で曲がった、などが挙げられる。人間がATに接近してこないならば、障害物回避モードに移行する必要はない。レーザーレンジセンサを併用することによって、焦電センサの前を通過した人間が本当にATに接近しているかを確認することができる。

4.3.2 速度推定のためのシステム

ATと人間との遭遇予測時刻を計算するために必要なものの一つが、人間の速度である。本研究では人間の速度を直接求めるのではなく、焦電センサによって取得された値を用いることによって、パターン認識的に速度を求めることにした。先に述べたように、我々は、人間の速度を識別するためにアナログ型の焦電センサを使用した。

図4.5: 環境に設置される焦電センサユニット

図4.6: 焦電センサの設置方法

焦電センサは、図のように、二つ一組をユニットとして、交差点や出入り口の前などに、壁と平行に設置されている。図に焦電センサユニットを廊下に設置した状態で上から見た図を示す。二つのセンサの間隔は1mである。廊下などに設置された焦電センサの前を人間が通ることによって、焦電センサは人間を検出する。焦電センサは最大4組8個がMSServerに接続されており、焦電センサが取得した歩行者のデータをサーバが保持し、そのサーバからATに情報を送信することができる。図にてMSServerの構成を示す。

図4.7: モーションセンササーバの構成

4.3.3 人間の速度の推定

ATはまず地図に対して最寄りの焦電センサの場所を問い合わせ、その焦電センサが接続されているMSServerに対して常時問い合わせを行い、そのセンサに関する情報をATが取得する。その情報を元に、ATはそのセンサの前を通って接近してくる人間と遭遇する時刻を計算する。

なお、本研究ではセンサの前を一度に通る人間は1人だけであるという前提の下で行われている。焦電センサが取得した値から、ほぼ同時にセンサの前を通過した人間が何人かを判断するのが困難だったためである。以下に人間の速度を取得する手順を示す。

まず、人間が焦電センサの検出範囲に入ることによって、焦電センサが反応を開始する。焦電センサが反応している間のデータをMSServerが保存し、人間が焦電センサの検出範囲から出た後に反応が終了し、その後取得された値を解析して、人間の歩行速度を3段階で識別する。3段階に分類する根拠は後述する。それらを便宜上「速い」、「普通」、「遅い」の3段階とする。この解析は、事前に用意した被験者の歩行データのサンプルと比較して行われる。3段階の速さの値は、各段階の最大値に誤差を含めたものを採用し、速い場合を2.0m/s、普通の場合を1.7m/s、遅い場合を1.3m/sとした。ただし、速い場合は想定している人間の速度を最大値とした。これら値は、ATから指定時間内に通った人間の速度情報の要請が来たときに、ATに送信するために用いられる。

人間が約1.6m/s以上で歩行していた場合は「速い」と判定され、1.1m/s以上、1.6m/s未満で歩行していた場合は「普通」、1.1m/s未満で歩行していた場合は「遅い」と判定される。

実際に取得された速さごとの波形の例を示す。

図4.8: 人間の歩行速度を3段階で識別したもの

図のAは人間の歩行速度が速い場合、Bは人間の歩行速度が普通である場合、Cは人間の歩行速度が遅い場合を示している。

特徴点として用いたのは、「焦電センサが反応している時間」、「取得した値と、前回取得した値の差分値の極値数」(以下では「差分値の極値数」と表記)である。これらについて説明する。

まず、焦電センサが反応している時間であるが、これは当然人間の速度が速いほど反応時間は短くなる。このことは直感的に理解できるため、この特徴点を用いるのは妥当であると考えられる。図を例にとると、速い場合は6、普通の場合は9、遅い場合は15である。横軸の単位は1点当たり200msであるため、速い場合は1.2秒、普通の場合は1.8秒、遅い場合は3.0秒となる。

そして、差分値の極値数であるが、これは、焦電センサの反応時間に関係する数値である。人間が遅く歩くほど『+』領域上や『-』領域の中で値が変化するため人間が速い速度で歩行するような『+』領域と『-』領域を行き来するだけの場合よりも極地数が多くなると考えられる。そのため、この値を特徴点に含むのは妥当であると考えられる。図を例にとると、速い場合が3、普通の場合が6、遅い場合が9である。

図と図に特徴点として選んだ値をプロットしたものである。横軸は人間の速度で、縦軸は図では焦電センサの反応時間、図では差分の極値数である。

図4.9: 速度に対する反応時間時間の分布

図4.10: 人間の速度に対する差分値の極値数の分布

図に示されるとおり、速度を3段階に分類するのが適切であると考えられる。これらの図から、160m/sで「速い」と「普通」を、110m/sで「普通」と「遅い」を分けるのが適切であると考えられる。ただし、焦電センサでは人間の速度を正確に認識することはできないため、厳密にこれらの値で分類することはできない。

実際に被験者から得た各速度の特徴点の一部を下の表に示す。それぞれ2つの値が一つのマスに入っているが、それぞれ「焦電センサが反応している時間」、「差分値の極値数」である。

図4.11: 各速度の特徴点の比較

表を見ると分かるように、「速い」と「普通」の間、「普通」と「遅い」の間にはそれほど特徴点の値に差がない。4段階、5段階と速度を細かく分類したとしても、適切に速度を識別することはできないと考えられる。

これら3つの値を特徴点として、被験者の歩行データと比較することで、その人間の歩行速度が「速い」か「普通」か、「遅い」かを導き出すことができる。

取得した波形から速度を正確に計算するのは困難である上、正確な速度を取得できたとしても、焦電センサからATに遭遇するまでの間に歩行者の速度が変わることは十分あり得るため、速度に関してあまり高い精度は必要とされない。また、パターン認識を行うときは、直後にATからデータ送信の要請が来ることを考慮し、なるべくタイムラグを減らすために複雑な計算は行っていない。

「焦電センサが反応している時間」、「差分値の極値数」はそれぞれ取りうる値が大きく違うため、そのまま解析を行うと「焦電センサが反応している時間」に重みが付けられる状態になるため、この二つの特徴点を対等なものにするために正規化を行った。

正規化は、行列の変換

y = A^{t}x

を用いた。

xは変換前の特徴点、yは正規化処理を施して得られた特徴点、Aは変換行列である。

図4.12: 数式

dは特徴点の次元数である。ここでj番目の特徴x_{j}の分散σ_{j}^{2}は、以下のように求められる。

図4.13: 数式

ここではxの集合平均を表す。この正規化を、サンプル、そして取得したデータの両方に適応する。被験者の歩行データを用いた速度識別は次のように行われる。

特徴点として「焦電センサが反応している時間」「差分値の極値数」の2種類が存在し、その値の組が各速度毎に約10組存在する。識別を行うための計算に用いるのは、「速い」「普通」「遅い」、それぞれの値の組の平均値である。それぞれのサンプルの平均値を、s_{1}, s_{2}, s_{3} とする。また、

図4.14: 数式

である。

取得したデータを

図4.15: 数式

とする。

取得したデータから最も距離が短いものが該当するものなので、

図4.16: 数式

を求めればよい。

図4.17: 数式

であるため、共通部分の|| x || ^{2} を除いて、

図4.18: 数式

となる。k=0なら「速い」、k=1なら「普通」、k=2なら「遅い」に分類する。

センサを2つ一組にする理由について述べる。ひとつは方向の決定である。1つのセンサの波形のみで右から来たか、左から来たかの識別ができなかったため、2つのセンサを使い、先に反応したセンサから方向を判別している。また、人間がセンサの前で停止したり折り返したりしたなどの判断も行うことができる。

もう一つの理由が、識別の精度を高めるためである。焦電センサによって歩行者の速度を判別するために取得した波形を利用しているのだが、その波形は特徴点が少なく、そしてあまり大きな違いがないため、判別ミスが起こることがある。判別ミスの影響を軽減するために、2つのセンサで同じ計算を行い、得た項目一致した場合はその項目を採用し、双方の計算結果が異なった場合は、その中でより速い項目が選出される。こうすることで、人間が早めに歩いているにもかかわらず、ATが、その人間がゆっくり歩いていると判断ミスをして回避のタイミングが遅れてしまうという状況を回避することができる。

センサが2つ存在するのだから、各センサの反応開始時刻の差分とセンサ間の距離から人間の通過速度を推定できないかと考えたが、検証を行った結果、人間の手の振りによって反応開始時刻に誤差が出てしまうことがわかった。また、手の振りを排除できる位置、かつ歩幅の影響をあまり受けない膝の高さでも同様の検証を行ったが、これに関しても正しい速度を計測することができなかった。正しく速度を計測できないのは、センサ間の距離に原因がある。もしもセンサ間の距離が長く、その間を人間が一定の速度で歩いた場合はほぼ正しい結果を得ることができると考えられるが、本研究で壁に設置される焦電センサ間の距離は極力短くなるようにしているため、たとえ足の動きによる反応開始時刻の誤差が小さかったとしても、センサ間の距離が小さいため、全体に対する誤差の占める割合が大きくなってしまう。そのため、誤差が計算結果に大きく影響してしまうので、2つのセンサの反応開始時刻の差分とセンサ間の距離から人間の速度を推定することは極めて困難であると考えられる。

4.6.1 障害物回避の手法

人間が生活する環境において、移動体が自動走行を行なうためには、自己位置推定問題、環境地図生成問題、ナビゲーション問題を解決する必要があり、近年、さまざまな手法が提案されてきた。これらの多くは、移動体の行動する環境が変化しない静的環境を想定したものである。しかし一般には、人間のようにその位置が時々刻々変化する移動障害物が存在する。本研究では、実環境における人間のような移動障害物の存在する空間内で、環境認識時に静止障害物と移動障害物を判別し、移動障害物の進路を考慮した経路を走行することで、安全かつ効率的な移動障害物回避を実現する。

4.6.2 移動ベクトルの判別

移動障害物は常に同じ場所に存在するわけではないので、一枚の環境地図を用いるのではなく、作成された環境地図を時間方向に比較して差分処理を行うことで、静止障害物と移動障害物を判別する。しかし、ATは移動しているため、環境地図は異なる位置で作成されたものとなる。異なる位置で作成された環境地図の統合には、各環境地図の位置関係を推定する必要があり、環境地図作成時の移動体の自己位置情報が重要となる。移動体の自己位置推定法として、車輪の回転数から走行距離や回転角度を推定するデッドレコニングがよく使用されるが、これのみでは車輪のスリップなどで誤差が蓄積し正しい自己位置推定はできない。よって本研究では、移動体の自己位置推定に各位置での環境地図の重なった部分を用いて位置合わせを行うICP（Iterative Closest Point）アルゴリズムを使用する。ICPアルゴリズムの収束結果を自己位置推定結果として用い、複数位置で作成された環境地図を統合する。

ICPアルゴリズムは、複数の距離データ間で重複して計測された部分を利用して、繰返し計算により誤差関数を最小化する解を求める手法である。具体的には、まず2つの点群があるとき、一方の点群の各点について、他方の点群で最も近い点を対応点とする。そして、各対応点間の距離の2乗和が最小となる移動パラメータを求める。この移動パラメータが環境地図の位置関係であり、環境地図の作成間隔でATが移動した距離となる。

移動障害物は、統合された環境地図を見ると、移動前後の環境地図において、点群が重ならない。そこで、移動前の環境地図において、点群の重ならない部分を探索する。移動体は時刻t-1における計測データと時刻tにおける計測データを比較し差分処理を行う。しかし、この方法では移動障害物は検出できるが、壁などの一部の静止障害物も移動障害物として検出してしまう。そこで，時刻tからt-nまでの合計でn個の環境地図を用いて差分処理を行い、移動障害物を検出する。これにより移動体は移動障害物のみを正確に検出可能となる。

移動障害物の場合、移動先を予測することで、移動方向と同じ方向へとATが移動したり、移動障害物の進路を横切り、進行の妨げになるといった移動障害物への干渉を回避することができると考えられる。本研究では、移動障害物の移動ベクトルを計算し、その移動障害物が等速直線運動を行うことにして、移動先を予測する。移動前後の環境地図で点群の重ならない部分で最も近い点群を対応する移動障害物とし、対応点間の位置関係と計測時間差から移動ベクトルを算出する。

図4.23: 移動障害物の判別と移動ベクトル

4.6.3 回避経路の生成

環境地図と目的地を取得したら、次に現在位置から目的地までの回避経路を計算する。障害物と移動体との接触を避けるために次のような手法をとる。移動体の形状を長方形とし、移動体の性能による許容誤差分を拡張した領域を衝突危険領域とする。この衝突危険領域を障害物側に対して付与することにより、移動体自身は点で表すことができるようになる。移動障害物に対しては移動ベクトル方向に長方形領域をずらした形状の衝突危険領域を設定する。この空間に対して、グラフ構造のパス探索手法に基づいて経路計算を行う。まず、移動障害物を考えず、静止障害物のみでグラフを生成する。グラフのノードは障害物衝突危険領域の頂点とし、エッジは頂点同士を結んだ線分が衝突危険領域に遮られないものを選択し、コストとして距離を与える。このグラフに対して、初期地点から目的地にDijkstra法を適応して最短距離を求める。最短距離に対して移動障害物との衝突判定を行い、相対移動ベクトルから衝突回避点を算出し、新たなノードとエッジに変更する。相対移動ベクトルとは、移動体の移動ベクトルと移動障害物の移動ベクトルの差である。変更したグラフに対して最短経路を再計算する。これを繰り返すことで移動障害物に衝突しない経路を生成することができる。この生成された回避経路に基づいて移動体は移動方向を変更する。

図4.24: 回避経路の生成

これにより生成された経路を図に示す。

図4.25: 生成された経路

中心の長方形はATである。トの字型の点の集合が壁である。ATから上に伸びている短い直線は目的地の方向を指しており、画像上端の円の一部は目的地を表している。図の上側の塗りつぶされた領域は移動ベクトルを表しており、ATに接近している。その周囲の長方形は衝突危険領域を表しており、幅のある障害物を点の集合として見ているため、その点一つ一つに対して衝突危険領域が付与され、複数の長方形が重なって見えている。ATから上に伸びている曲線は生成された経路を表しており、衝突危険領域に侵入しない経路を通っている。

5.2.1 速度推定の精度の向上

本研究では人間の速度推定に焦電センサを用い、提案した識別手法は、「焦電センサが反応している時間」と「取得した値と、前回取得した値の差分値の極値数」を特徴点としたパターンマッチングである。今回行った実験では「速い」場合の正解率が80.0%、「普通」の場合の正解率が73.7%、「遅い」の場合の正解率が64.7%となったが、この正解率をさらに向上させなければならない。そのためにはより適切な特徴点を見つける必要がある。また、特徴点を探すため、さらに多くの被験者から速度データのサンプルを取得する必要がある。その上で、現在解析に使用しているサンプルの平均値を、学習によって重みづけするなどして、識別の精度を向上させなければならない。

5.2.2 区分内での速度による予測遭遇時刻の補正

どのような速度で歩いたとしても、それが同じ区分の速度であった場合、速度推定がおこなわれるとその区間を代表する速度をATに対して送信するため、区分の中でも比較的速い速度で歩いた場合と、比較的遅い速度で歩いた場合とで、人間と遭遇した時のATと人間の距離は変わってしまう。たとえば、1.2m/sで人間が歩いた場合と、1.5m/sで歩いた場合は、両方とも「普通」に分類される。ここで、モーションセンサはATに対して「普通」の区分の代表速度として1.7m/sという値を送る。同じ区間内で速度に幅があったとしても、モードの切り替えは、人間・AT間の距離を10mになった時に行う必要がある。そのためには、区間内で人間の速度が比較的遅かった場合は予測遭遇時刻を遅らせ、比較的速かった場合は予測遭遇時刻を早める手法を確立する必要がある。

しかし、焦電センサは速度測定の分解能が低く、人間の正確な速度を測定することができないため、現在は3段階で速度を分類しているという背景がある。そのため、該当区間内のうち、比較的速いのか、遅いのかという判断まで行うことができない。そのような判断をするためには、焦電センサとは別の方法を用いる必要がある。レーザーレンジセンサでは、交差点などで人間を検知できない可能性があり、たとえ進行方向上に人間が存在しても壁沿い走行モードでは、レンジセンサは移動障害物の移動ベクトルを計算していないため、レンジセンサでも同様に判断をすることができない。ゆえに、この問題を解決するためにはさらに多くのセンサ情報を採り入れる必要がある。

別の角度から見た解決方法として、現在3段階である速度区分を増やす方法がある。速度区分を増やすことにより、各区分の速度の幅を小さくすることが可能になる。今回は人間の速度とそれぞれの特徴点の分布を見て3段階にすることに決定したが、今後新たな特徴点を発見することにより、区分を増やすことができると考えられる。

5.2.3 タグの読み取りによる遭遇時刻の補正

現在は、ATがモーションセンササーバに問い合わせを行い、人間の情報を取得した時に、現在ATが保持しているタグIDから焦電センサまでの距離を計算し、その距離とモーションセンササーバからの情報を基に遭遇時刻までの時間を計算している。しかし、ATは走行を続けていると自身の現在位置の推定に誤差が発生する。人間の情報を取得したときの人間とATの距離が離れているほど遭遇時刻にずれが生じてしまう。また、次のタグを読み取る直前に計算を開始してしまった場合、ひとつ前に読んだタグを基準に予測遭遇時刻を計算してしまうため、その時点で大きな誤差が出てしまう。そうなってしまった場合、速度の推定を誤ってしまったときに、人間がATの目前まで到達するまで障害物回避モードに切り替えることができなくなってしまう恐れがある。

そこで、これを解決する手段としては、タグを読み取るたびに予測遭遇時刻を更新する方法がある。タグを読み取るごとにATは地図上のタグの位置から、焦電センサまでの距離を更新することができるので、より正しい値になるため、誤差が補正されることになる。また、次のタグを読み取る直前で計算を開始してしまう問題も解決することができる。そのため、タグを読み取るごとに予測遭遇時刻を更新することにより、正確に予測遭遇時刻を決定できると考えられる。

他にも、タグを読んでからの時間を考慮することで、走行距離を算出し、それを予測遭遇時刻に反映させる手段もある。しかし、空転が多いオムニホイールの特性上、走行距離に誤差が発生しやすい。時間が経ってしまうと走行距離の推定に大きな誤差が発生してしまうため、この方法は、次のタグを読み取るまでの短い時間ならば有効であると考えられる。

5.2.4 効率性の向上について

人間とAT間の距離が10mよりも短くなると、障害物回避モードへの切り替えが遅れて安全性に問題が出る。それとは逆に、10mよりも距離が長くなると、安全性に関しては特に問題はなくなるが、壁沿い走行モードの半分程度の速度しか出せない障害物回避モードへの切り替えタイミングが早くなるため、目的地に到着するまでに時間が余計にかかり、移動の効率が低くなってしまう。どの程度まで予測遭遇時刻よりも早く障害物回避モードに切り替えても問題ないかということを今後経験的に判断する必要がある。

5.2.5 ATと人間の速度を考慮した遭遇予測時刻の推定

本実験では、人間が3段階のうち、どの速度で歩行していても正確に10mの間隔をあけて停止できるかという検証を行った。しかし、実際は人間の速度に応じてATと人間の間の距離を変えなければならない。人間の速度が遅ければある程度近づいても問題はないが、速度が速ければ遠くで回避を開始しなければならない。これを実現するためには、経験的にどの程度まで接近してもよいかを調べ、ATと人間の相対速度から接近するまでの時間を決定し、それを基に障害物回避モードに切り替えるまでの時間を決定しなければならない。

7.2.1 死角から現れる人間に関する問題

ATに搭載されているレーザーレンジセンサは、周囲の状況を認識するために用いられ、主に壁沿い走行、障害物回避などで使用されている。障害物回避を行うとき、これまではATが事前に進行方向にある障害物の存在を認識していることが前提となっていた。しかし、予期しない障害物、つまり、物陰から突然現れた移動障害物と衝突してしまう可能性がある。事前に障害物が存在していると認識していないため、障害物回避の準備が一般に間に合わないためである。

交差点から人間が突然現れたときに対応するために、焦電センサが活用できる。レーザーレンジセンサは自身と周囲の物体との距離を測定しているが、物体との間に遮蔽するものがある場合は測定できない。しかし、焦電センサを用いれば、レーザーレンジセンサにとって死角になっている場所にいる人間を検知することで、レーザーレンジセンサの原理的な欠点を克服することができる。

しかし、それを実現するためにはまだ問題点が存在する。それは、現在の仕組みでは、人間の存在を確認したのち、レーザーレンジセンサで障害物を確認したときに、それを移動障害物であると判断して障害物回避を開始するため、死角から接近する人間を回避するために障害物回避モードに入る場合は、出会い頭でその人間と遭遇しなければならないことである。だが、その時点で回避行動を開始しても間に合わない場合がある。

ATの自動走行をさらに高度なものにするためには、この問題を解決する必要がある。

7.2.2 突き当たりでの壁と障害物の判定の問題

ATが突き当たりの壁と遭遇した場合、レンジセンサは進行方向上3m以内に物体を検出する。この場合はたとえこの物体が壁であったとしても、障害物があると判断してしまう。壁を障害物と判断してしまった場合、壁に対して障害物回避行動を起こしてしまい、ずっと壁に沿って横向きに走行してしまう。そうなってしまった場合、経路から外れてしまう可能性があり、地図上での自身の位置を見失ってしまうため、またタグを探して初期位置を決定し経路を再探索する必要がある。そのため、移動の効率が悪くなってしまう。逆に、障害物を壁だと認識してしまった場合、障害物にはRFIDタグは付いていないため、タグを読み取ることができず、自身の位置を見失ってしまう。

これを解決するためには、地図上で突き当たりの壁までの距離を調べ、走行中のタグから自身が地図上のどこにいるかを推定し、壁から遠いと判断された場合は、検出されたものは障害物、壁に近い場合はそれが障害物であるか、壁であるかのチェックを行うことが必要になる。また、万が一それで誤認識してしまった時のためのフェイルセーフも実現する必要がある。

7.2.3 焦電センサを用いた地図上の人間の位置の取得

現在は焦電センサを一人の人間の認識、人間の速度の推定及び遭遇時刻の推定にしか用いていないが、将来的には焦電センサの設置方法を検討することで複数の人数を検出する予定である。建物内に多くの焦電センサを設置し、それらを地図と対応させることによって人間の混雑具合などを調べ、経路決定の際に地図上の混雑している経路を避けて、走行しやすい場所を選択することができると考えられる。また、地図上で焦電センサがどのような順で反応したかを調べることで、人間の動きをトレースし、障害物回避モードへの切り替えを効率的に行うことも可能であると考えられる。