AIで荷姿の異常を「ありえない精度の高さ」で検出　産総研と豊田自動織機の「冠ラボ」連携技術

（※本記事は「産総研マガジン」に2025年2月5日付で掲載された記事を、許可を得て掲載しています）

人手不足が叫ばれる物流業界では、業務の効率化や自動化が喫緊の課題だ。自動化が強く求められる分野の一つに、トラックからフォークリフトで荷降ろしをする作業がある。固定棚で使用する自動運転フォークリフトはすでに実用化されているが、トラックで輸送されてきた荷物は、荷物を載せるパレット上でのはみ出し（ずれ）や干渉が起こることがあり、その異常を検出しないままフォークリフトで荷降ろししようとすると、荷崩れなどのトラブルが発生してしまう。産総研の連携研究室（冠ラボ）の一つ「豊田自動織機-産総研 アドバンスト・ロジスティクス連携研究ラボ（ALラボ）」では、産総研が開発した最先端のAI技術を活用した「荷姿異常検出」の仕組みを開発し、その実証を行っている。ALラボでこの技術の開発に携わった研究者に、産総研のAI技術との出会い、現場への適用プロセスから成果獲得に至るまでの話を聞いた。

フォークリフトの作業自動化に求められる荷姿の検知

トラックドライバーなどの働き方改革により、効率よくモノが運べなくなる「物流の2024年問題」が、ニュースなどで多く取り上げられている。少子高齢化による働き手の減少も相まって、経済循環への影響が大きくなっている。

豊田自動織機-産総研 アドバンスト・ロジスティクス連携研究ラボ（ALラボ）で、連携研究ラボ長を務める豊田自動織機の横町尚也は、物流の一つの課題をこう説明する。

「これまで、トラックの運転手がフォークリフトを運転し、荷下ろしなどを行うことも少なくありませんでした。しかし、フォークリフトの運転ができる人材の減少や、物流の2024年問題によるトラックドライバーの労働時間削減などが進むと、物流が滞るリスクがあります。トラックからフォークリフトで荷下ろしする作業を自動化する研究は、物流効率化のために不可欠でした」

横町の出向元である豊田自動織機 L&F AR開発部では、すでに自動運転フォークリフトを開発、販売している。

「決まった経路を動くAGF（Automated Guided Forklift）を35年前から製品化しています。しかし、トラックで運ばれてくる荷物の状態はまちまちです。例えば、北海道からキャベツの箱を運んできたトラックでは、移動中の揺れで箱がずれたり、荷物を積むパレットと呼ばれる台に隣のパレット上の荷物が干渉したりするのは当たり前のことでした」と、自動運転フォークリフトの開発に長く携わってきた横町は語る。

豊田自動織機から出向し、現在ALラボで特定集中研究専門員として研究を行う前 伸一は、「トラックで運搬されてくる荷物の移動中の衝撃などで起こるずれや干渉は、人間ならばひと目で認識できます。しかし、既存の自動運転フォークリフトなどのロボットには、その検知が困難でした。そのまま運ぼうとすると、荷物がぶつかったり崩れたりして、トラブルとなるのです」と、説明する。そこで、トラックで運ばれてきた荷物の状態、すなわち「荷姿」に異常がないかを自動検出する仕組みの開発に取り組むことになった。

産総研と豊田自動織機が連携した「冠ラボ」で荷姿異常検出を研究へ

そもそも、産総研のALラボとはどのような組織なのか。2016年、産総研がパートナー企業名を冠した連携研究室（冠ラボ）制度をスタートさせた際に、豊田自動織機がパートナーとなって設立されたのがALラボだ。正式名称の「豊田自動織機-産総研 アドバンスト・ロジスティクス連携研究ラボ」が示すとおり、「先進的な物流」を追究する研究室である。

「豊田自動織機は、繊維機械事業をはじめ、エンジン、自動車、フォークリフトなどを製造するモノづくり企業です。品質や性能が高く、壊れにくい製品を作ることを使命としてきました。一方で、物流の現場では効率化、自動化が強く求められています。そのためにはIT、AIなどの情報技術を使った改善が必要です。豊田自動織機単体では最先端の情報技術を活用した研究開発は難しいことから、産総研の冠ラボ制度によって知恵を借りたいと考えました」と、横町は当時を振り返る。「オープンイノベーションに取り組むべき」と考えてパートナーを探していたところ、産総研の冠ラボ制度を知った。そして、産総研の高い技術や最先端の研究内容に触れ、産総研をパートナーに決めたという。

2021年、前がALラボに出向して、荷姿異常検出の研究開発が本格的に始まった。豊田自動織機で、前は、バッテリーシステムの開発を手掛けていた。AIによる画像認識を活用した荷姿異常検出は、まったく畑違いの分野だった。

「ALラボで荷姿異常検出の開発をする際、『AIに学習させるため、荷姿の画像が1万枚ほしい』と横町さんにお願いしましたが、残念ながらそのようなデータはありませんでした。しかしALラボは、AIの研究をしている片岡先生との連携がありました。『荷姿の異常を検出する仕組みを開発したいのです』と相談したところ、『できますよ』と」

前が「片岡先生」と呼ぶのは、産総研 人工知能研究センター コンピュータビジョン研究チーム 上級主任研究員の片岡裕雄である。

数式から作り出したデータセットでAIを事前学習

片岡は、数式ドリブン教師あり学習（FDSL：Formula-driven Supervised Learning）と名付けた画像認識AIを開発した人物だ。論文発表を経て、2022年に産総研からその研究成果が発表されている。深層学習（ディープラーニング）では、大量の教師データを学習させてモデルを作成するのが基本だが、画像認識の場合は、多くの実画像を学習させるのが一般的な手法だ。しかしFDSLでは、数式から生成した画像データを使って学習させる（産総研マガジン「日本発、最高精度の画像認識AIを誰でも実現可能に！」）。

FDSL利用のメリットについて、片岡はこう語る。

「大量の画像を集めた汎用的なデータセットの代表例にImageNetがあります。これは研究には使えますが、商用利用はできません。現場では使うことができないデータセットなのです。だからといって、ネットなどから画像を集めてデータセットを作ると、人間がラベル付けをするアノテーションの作業が必要ですし、データそのものの著作権やプライバシーについてもリスクが高まっています」

このように、実画像を使うモデル作成には、多くの課題が残されている。

一方で、「FDSLでは数式から生成したフラクタル画像や輪郭画像を使うため、人手を介したアノテーションが不要です。数式から生成した画像なので商用利用やプライバシーの問題もなく、そのうえで画像識別精度も一部ではImageNetで学習したモデルより高いという成果も出ています」と、片岡。

実際の画像を使って学習するのではなく、FDSLでは深層学習モデルに適合させて数式から作った画像データセットを使って、「モノを見る機能」を習得させる。この事前学習したモデルに、実際に判別させたい少数の実画像を追加学習させる「転移学習」を施すことで、商用利用できるというわけだ。この技術を、荷姿異常検出に応用することにした。

まずALラボは、荷姿異常検出に必要なタスクを2つに分けた。一つは、荷姿の画像から荷姿の領域を検出すること。もう一つは検出した荷姿領域から、ずれや干渉を検出すること。荷姿領域の検出ではFDSLによる事前学習の後に転移学習を行い、荷姿領域の情報からの異常検出ではALラボが独自に開発した技術を用いる、という役割分担で技術開発を進めていった。

（記事の続きはこちらから。産総研マガジン「「物流自動化の課題」に挑む豊田自動織機と産総研」）

国立研究開発法人産業技術総合研究所のウェブメディア「産総研マガジン」では、注目の科学技術トピックを、研究者がわかりやすく解説した記事を多数掲載しています。毎週水曜新記事公開。他の記事はこちらから。