　ピッキング方法の判断をするAIはシミュレーションにより生成した画像と実画像により学習する。ピックアップする製品の3Dモデルを入力しシミュレーターでさまざまな荷積み状態をランダムで生成。それを上方から撮影した画像モデルを用意し実画像を加えた学習データとし、学習させる。これらによって実現した画像撮影シミュレーションと、エディンバラ大学との共同開発で実現したピッキング動作シミュレーションを組み合わせて、AGVの移動速度に応じて最適につかめる状態にある製品を判別するという仕組みである。

カメラ画像から最適なピッキング方法を判断するAIの学習方法（クリックで拡大）出典：日立製作所

　実証では、AIの学習に必要だった画像データが4万2000枚で、AGVの走行速度が毎秒0.3mと同0.5mの2パターンで実施。AGVで搬送中の物品の取り出しとケース内物品の位置や傾きに応じたAGVの速度変更、AGVの無停止による作業時間短縮の効果、などを検証した。

実証の様子（クリックで拡大）

　結果として、AGVを止めることなくピックアップできることで、従来技術により止まってピックアップするケースと比べて、38％の作業時間削減を実現できることを確認したという。

　精度については認識率8割程度だというが「ピックアップしやすいものを選ぶので、全ての製品を認識できなくてもよい。認識率は8割でもピックアップの成功率はそれよりも高い」と日立製作所研究開発グループデジタルテクノロジーイノベーションセンター主任研究員の木村宣隆氏は述べている。

　同技術は主に物流や倉庫を対象としているが、実導入に向けた課題としては「まだ学習に必要な実画像が多く必要だという点が課題だ。これをどうやって低減するのかが重要。現状はまだ研究レベルだが、完璧な形にするのは当面は難しい。導入できるところから切り出して導入できるようにしていきたい」と木村氏は今後の抱負について述べている。

【動画】AGVが運ぶ部品を、AGVを止めることなくピックアップする技術のデモ。箱の中身の製品の並び方で減速している

協働ロボット、ロボットシステムに残された課題と未来
協働ロボットを現場で活用するのにどのような工夫が必要か――。ロボット技術の総合展示会「2017国際ロボット展」では、ロボットメーカーおよびユーザー企業によるパネルディスカッション「ロボットフォーラム2017」が実施され、協働ロボットの意義について語った。
機械は人の仕事を奪わない、“人とロボットがともに働く現場”が拡大へ
2016年は人工知能関連技術が大きな注目を集めて「機械が人間の仕事を奪う」という議論が大いに盛り上がりを見せた。こうした一方で2017年には「現場」において、こうした動きと逆行するように見える「人とロボットが協力して働く世界」が始まりを迎える。
いまさら聞けない産業用ロボット入門〔前編〕
日本は「ロボット大国」とも呼ばれていますが、その根幹を支えているのが「産業用ロボット」です。それは世界の産業用ロボット市場で圧倒的に日本企業がシェアを握っているからです。では、この産業用ロボットについてあなたはどれくらい知っていますか？今やあらゆるモノの製造に欠かせない産業用ロボットの本質と基礎を解説します。
製造現場での普及を2倍に、ロボット新戦略が目指すロボットと共に働く未来
日本政府が主催する「ロボット革命実現会議」は、ロボット活用の技術的および規制面でのロードマップを示した「ロボット新戦略」を発表した。本稿では、この新戦略の中で示されている「モノづくり」分野への取り組みにフォーカスし、その内容を紹介する。
ロボット活用拡大のボトルネック、ロボットインテグレーターの現実
あらゆる現場で労働人口不足などが深刻化する中、その解決策としてロボット活用への期待が高まっている。しかし、現実的にはロボットを現場で実装するロボットシステムインテグレーターが不足しており、ロボット活用の裾野が広がらない状況になっている。経済産業省関東経済産業局がまとめた「ロボットシステムインテグレーターに関する調査結果」の内容をまとめた。
プロジェクターで作業指示、生産性を1.5倍にする組み立て屋台
OKIはユーザーイベント「OKI PREMIUM FAIR 2017」において、人手による組み立てセル生産の効率化を低コストで実現する「プロジェクションアセンブリーシステム」を参考出展した。
加速するスマート工場化、その手前で考えておかなければならないこと
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。本連載では、第4次産業革命で起きていることや、必要となることについて、話題になったトピックなどに応じて解説していきます。第17回となる今回は、あらためてスマートファクトリーへの取り組みと顕在化する課題などをまとめたいと思います。