センサフュージョンは自律移動ロボットのナビゲーションと安全性を向上させます

AMRの応用の可能性は有望ですが、課題にも直面しています

AMRには、コスト削減、安全性の向上、効率の向上を実現するアプリケーション機能があり、そのため、ますます多くの業界がこれを採用し始めています。調査によると、2022年における世界のAMR市場の評価額は86億5,000万ドルで、2022年から2028年までの年間平均成長率（CAGR）は18.3%と予測されています。AMRの発展の見通しは有望ですが、AMRを採用する際には多くの課題も存在しています。

AMRを採用する際の主な課題は、その運用される用途や環境の多様性です。AMRの一般的な用途には、倉庫、農業技術、商業用造園、医療、スマート小売、セキュリティと監視、配送、在庫管理、そしてピッキングと仕分けが含まれます。これらの異なる環境すべてにおいて、AMRは人々の周りで安全に動作することが求められます。

しかし、これらのアプリケーションシナリオの複雑さは、AMR（自律移動ロボット）の作業を非常に困難なものにしています。人間にとって当然とされる状況でも、AMRにとっては対処が難しい場合があります。例えば、配達ロボットが荷物を届ける途中で道の真ん中にボールがあるのを見た場合を想像してください。ロボットはおそらくボールを認識し、それを避けることはできるでしょう。しかし、子供がボールを取りに飛び出してくるかもしれないということを予測するほど賢いのでしょうか。このような複雑な状況は他にも多くあります。例えば、AMRは道路脇のポールに設置された90度の反射鏡を使って、角の先の状況を観察し、事前に交通を予測することができるのでしょうか？AMRは、まだ乾いていないコンクリートの上を歩いてはいけないことを理解できるのでしょうか？これらは人間にとっては日常的なことですが、AMRにとっては課題となるのです。

人間には簡単に理解できるこれらの状況も、ロボットにとってはより困難かもしれません。しかし、適切なセンサーを使用すれば、AMRは人間よりも明るい日光の下で物体を検出できる可能性があります。ただし、新しく注がれたコンクリートやこぼれた液体を識別することは難しいかもしれません。さらに、縁、崖、傾斜、階段もAMRにとっては課題となります。加えて、意図的にAMRに妨害行為を行う場合のような特殊な状況もあり、回避操作システムの設計が必要となるかもしれません。上記で言及した多くの課題を解決するには、AIが最新の大規模言語モデル（LLM）やさまざまな高性能センサーを活用することが求められるでしょう。

AMR向け高性能センサーにはそれぞれの利点と欠点があります

AMRは環境を検知するためにさまざまな種類のセンサーを使用することができ、これらのセンサーは距離と深度の測定を行うと同時に同時位置決めおよび地図作成（SLAM）を実行する必要があります。重要なセンサーメトリクスには、物体検出、物体識別、色認識、解像度、消費電力、サイズ、コスト、範囲、ダイナミックレンジ、速度、そしてさまざまな照明や天候条件下での動作能力が含まれます。

AMR向けに使用可能なセンサーの種類には、CMOSイメージング、直接飛行時間 (dToF) および間接飛行時間 (iToF) の深度センサリング、超音波、レーダー、誘導位置決め、Bluetooth® Low Energy (Bluetooth LE) 技術、慣性センサーなどがあります。各センサータイプにはそれぞれの利点と欠点があります。

例えば、レーダーは低照度や悪天候の条件下で優れた距離および速度性能を提供しますが、色検出能力が低く、初期コストが高く、比較的サイズが大きいという欠点があります（AMRにとって重要な考慮事項です）。LiDARは、高ボリュームのCMOSシリコン鋳造プロセスのおかげで比較的初期コストが低く、夜間や直射日光下でも良好に動作しますが、物体分類能力が劣ります。一方で、iToF深度センサーは優れた解像度と低消費電力の処理能力を持っています。

明らかに、単一のセンサータイプだけを使用するだけでは、上記で言及されたすべての課題に対応するために必要な情報をAMRに提供することはできません。アプリケーションや環境に応じて、AMRは複数またはさらに多様なタイプのセンサーを必要とします。これらのセンサーは単独で動作するのではなく、センサーフュージョンと呼ばれるプロセスで連携して動作します。

自律型移動ロボットはどのようにしてセンサーフュージョンを実現するのか

センサー融合は、センサーやアルゴリズム、モデルなどの2つ以上のデータソースを組み合わせてシステムとその周辺環境をより良く理解するプロセスです。AMRにおけるセンサー融合は、より高い信頼性、冗長性、そして最終的には安全性を提供し、評価結果がより一貫性があり、正確で信頼できるものとなるため、非常に重要です。

センサーフュージョンは、データ収集とデータ解釈という2つの機能を組み合わせたものです。センサーフュージョンの中の"データを解釈する"ステップでは、アルゴリズムやモデルを実装する必要があります。センサーフュージョンの結果は、車両の支援のように人間の習慣に合わせて設計される場合もあれば、セキュリティシステムにおける顔認識のように機械のさらなるアプリケーション向けに設計される場合もあります。

センサーフュージョンには、信号ノイズを低減するなどのさまざまな利点があります。同質センサーフュージョンは相関のないノイズを低減し、異質センサーフュージョンは相関のあるノイズを低減することができます。その本質的な特性により、センサーフュージョンは冗長性を通じて信頼性を向上させます。少なくとも2つのセンサーがあるため、1つのセンサーのデータが失われた場合、検出品質は低下する可能性がありますが、他のセンサーのデータがまだ利用可能であるため、完全には失敗しません。センサーフュージョンは、未測定の状態を推定するためにも使用できます。たとえば、カメラによって物体または物体の一部が視野から隠された場合や、物体または表面がカメラ間で光を反射した場合でも、センサーフュージョンは一定レベルの検出性能を維持します。

これらの利点と市場採用の加速により、センサーフュージョンには、AI搭載アルゴリズムの利用、強化された物体検出と分類、複数のセンサーモダリティを組み合わせた協調的な知覚、そして悪条件下での環境知覚などの新たなトレンドが現れています。センサーフュージョンは360度のサラウンドビューを実現し、リアルタイムセンサーのキャリブレーションなどの機能を可能にします。

センサーフュージョンのための完全なソリューションを提供

AMRにおけるセンサーフュージョンは、産業および輸送アプリケーションにおいて重要な影響を与えることを目指しています。Industry 5.0への進展の過程において、onsemiは効果的な実装を確保するためにセンサーとサブシステムを提供することに注力しています。onsemiのサブシステムソリューションは、多様であり、頑丈な高解像度イメージングシステムから、高パワーのモーター制御やコンパクトで効率的なバッテリー充電ソリューションまで幅広く、すべてが自動車産業における数十年の経験に基づいて構築されています。onsemiのソリューションは連携し、開発プロセスを容易にし、産業用ロボットが最も過酷な環境でも適応性が高く、信頼性のある動作をすることを保証します。

自律型モバイルロボットは、自律型車両と類似した機能を持ち、複数のサブシステムで構成された複雑な設計により、最小限の人間の介入でロボットが移動、観察、操作を安全に行えるようにします。onsemiは、信頼性の高い知的な電力およびセンシングソリューションを通じて、この複雑さを最小化し、設計に必要な構成要素を提供します。

センサーフュージョンの核となるのはセンサーです。センサーからのデータの品質が良くなければ、どんなに優れたアルゴリズムでも高品質な結果を生み出すことはできません。幸いなことに、onsemiはAMRにおけるセンサーフュージョンをサポートするための世界クラスのセンサーとツールキットを提供しています。

onsemiはスマートセンシング技術のリーダーであり、ローリングシャッターおよびグローバルシャッターイメージセンサーの幅広い製品を提供しています。これらのセンサーは、ダイナミックレンジや動体検知機能において業界をリードする性能を備えており、ウェアラブルやコンシューマーエレクトロニクスから要求の厳しい産業用および自動車用アプリケーションに至るまで、さまざまな最終用途の要件を満たします。

onsemiはイメージセンサーに加え、距離検出（LiDAR）用のSiPMも提供しています。この製品ポートフォリオには、超音波センサー、誘導センサー、およびBluetooth® LE技術をサポートするマイクロコントローラーが含まれており、位置検出のためのAoA（到達角度）およびAoD（出発角度）をサポートしています。

具体例として挙げられるのがNCV75215で、超音波駐車距離測定アプリケーション向けのアプリケーション専用標準製品（ASSP）です。この製品は、圧電超音波センサーと組み合わせることで、車両やAMRの駐車時に障害物距離の飛行時間測定を提供します。高感度および低ノイズ動作を特徴としており、標準的な75mmポールで0.25mから4.5mまでの検出が可能で、実際の最短距離は残響長によって決まります。理想的な条件では、完全に調整され一致した外部回路によって最短距離0.2mが実現可能で、実際の検出範囲は圧電超音波トランスデューサと外部アナログ部品に依存します。

このデバイスは、トランスを介してプログラム可能な周波数で超音波トランスデューサを駆動します。受信したエコーは増幅され、デジタル信号に変換され、フィルタ処理され、検出され、内部RAMに保存された時間依存のしきい値と比較されます。障害物までの距離は、送信バーストからエコー認識までの時間によって決定されます。内蔵の双方向I/Oラインは、マスター（ECU）との通信に使用できます。マスターはNCV75215に対してI/Oラインコマンドを送信し、データは同じラインを通じて報告されます。

結論

自律移動型ロボット（AMR）は多くの用途があり、その採用は加速しており、急速な導入を支援する一連のベストプラクティスが登場しています。まず、環境を制御してAMRが遭遇する可能性のある衝突を減らすことが重要です。その例として、製造施設や倉庫施設においてAMR/搬送車（AGV）の経路を指定することが挙げられます。次に、開発プロセス中にデジタルツインを使用して、極端なシナリオを含む正確な使用事例をシミュレーションすることが重要です。そして最後に、インテリジェントセンサー、アルゴリズム、モデルと組み合わせたセンサーフュージョンの統合が不可欠です。onsemiは、イメージセンサーを組み合わせた高解像度イメージングシステム、高出力モーター制御、効率的なコンパクトバッテリー充電ソリューションを含む、AMRアプリケーションの多様なニーズを満たすセンサーフュージョンの完全なソリューションを提供できます。関連するニーズがある場合は、Arrowまたはonsemiに製品とアプリケーションに関する情報をお問い合わせください。