CN112004975A - 施工机械的驾驶支援系统、施工机械 - Google Patents

施工机械的驾驶支援系统、施工机械 Download PDF

Info

Publication number
CN112004975A
CN112004975A CN201980024274.5A CN201980024274A CN112004975A CN 112004975 A CN112004975 A CN 112004975A CN 201980024274 A CN201980024274 A CN 201980024274A CN 112004975 A CN112004975 A CN 112004975A
Authority
CN
China
Prior art keywords
work
unit
preparation
shovel
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980024274.5A
Other languages
English (en)
Inventor
李蒙萌
小川正树
阶戸文乃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumitomo Heavy Industries Ltd
Original Assignee
Sumitomo Heavy Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sumitomo Heavy Industries Ltd filed Critical Sumitomo Heavy Industries Ltd
Publication of CN112004975A publication Critical patent/CN112004975A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/28—Dredgers; Soil-shifting machines mechanically-driven with digging tools mounted on a dipper- or bucket-arm, i.e. there is either one arm or a pair of arms, e.g. dippers, buckets
    • E02F3/36—Component parts
    • E02F3/42—Drives for dippers, buckets, dipper-arms or bucket-arms
    • E02F3/43—Control of dipper or bucket position; Control of sequence of drive operations
    • E02F3/431—Control of dipper or bucket position; Control of sequence of drive operations for bucket-arms, front-end loaders, dumpers or the like
    • E02F3/434—Control of dipper or bucket position; Control of sequence of drive operations for bucket-arms, front-end loaders, dumpers or the like providing automatic sequences of movements, e.g. automatic dumping or loading, automatic return-to-dig
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/26—Indicating devices
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/28—Dredgers; Soil-shifting machines mechanically-driven with digging tools mounted on a dipper- or bucket-arm, i.e. there is either one arm or a pair of arms, e.g. dippers, buckets
    • E02F3/36—Component parts
    • E02F3/42—Drives for dippers, buckets, dipper-arms or bucket-arms
    • E02F3/43—Control of dipper or bucket position; Control of sequence of drive operations
    • E02F3/435—Control of dipper or bucket position; Control of sequence of drive operations for dipper-arms, backhoes or the like
    • E02F3/437—Control of dipper or bucket position; Control of sequence of drive operations for dipper-arms, backhoes or the like providing automatic sequences of movements, e.g. linear excavation, keeping dipper angle constant
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F3/00—Dredgers; Soil-shifting machines
    • E02F3/04—Dredgers; Soil-shifting machines mechanically-driven
    • E02F3/28—Dredgers; Soil-shifting machines mechanically-driven with digging tools mounted on a dipper- or bucket-arm, i.e. there is either one arm or a pair of arms, e.g. dippers, buckets
    • E02F3/36—Component parts
    • E02F3/42—Drives for dippers, buckets, dipper-arms or bucket-arms
    • E02F3/43—Control of dipper or bucket position; Control of sequence of drive operations
    • E02F3/435—Control of dipper or bucket position; Control of sequence of drive operations for dipper-arms, backhoes or the like
    • E02F3/438—Memorising movements for repetition, e.g. play-back capability
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/2025—Particular purposes of control systems not otherwise provided for
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/2025—Particular purposes of control systems not otherwise provided for
    • E02F9/2045—Guiding machines along a predetermined path
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/2025—Particular purposes of control systems not otherwise provided for
    • E02F9/2054—Fleet management
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/26—Indicating devices
    • E02F9/261—Surveying the work-site to be treated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
    • G06F18/2185—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor the supervisor being an automated module, e.g. intelligent oracle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Paleontology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Operation Control Of Excavators (AREA)
  • Component Parts Of Construction Machinery (AREA)

Abstract

本发明提供一种施工机械的驾驶支援系统，能够输出与目标指标相关的评价更高的支援数据。本发明的一实施方式所涉及的施工机械的驾驶支援系统具备：生成部，其以与规定的目标指标相关的评价相对变高的方式生成施工机械的多种作业模式或准备模式；环境信息获取部，其获取支援对象的施工机械的环境信息；及输出部，其根据由生成部生成的多种作业模式或准备模式，输出在与由环境信息获取部获取的环境信息相对应的环境下，支援对象的施工机械的作业的与目标指标相关的评价相对变高那样的作业模式或准备模式。

Description

施工机械的驾驶支援系统、施工机械
技术领域
本发明涉及一种施工机械的驾驶支援系统等。
背景技术
例如，已知一种使用过去的作业机械的操作数据中的作业品质高的操作数据来进行施工机械的操作人员的支援的操作支援系统(例如，参考专利文献1等)。
以往技术文献
专利文献
专利文献1：日本特开2016-210816号公报
发明内容
发明要解决的技术课题
然而，在使用过去的实绩数据中的作业品质高的实绩数据的方法中，无法输出与某一目标指标(例如，作业速度等)相关的评价超过过去的实绩的支援数据。由此，在使与目标指标相关的评价最佳化(最大化)的观点上，存在改善的空间。
因此，鉴于上述课题，其目的在于提供一种能够输出与目标指标相关的评价更高的支援数据的施工机械的驾驶支援系统等。
用于解决技术课题的手段
为了实现上述目的，在本发明的一实施方式中，提供一种施工机械的驾驶支援系统，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成施工机械的多种作业模式或准备模式；
环境信息获取部，其获取支援对象的施工机械的环境信息；及
输出部，其根据由所述生成部生成的多种作业模式，输出在与由所述环境信息获取部获取的环境信息相对应的环境下，支援对象的施工机械的作业的与所述目标指标相关的评价相对变高那样的作业模式或准备模式。
并且，在本发明的另一实施方式中，提供一种施工机械，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成本机的多种作业模式或准备模式；
环境信息获取部，其获取本机周围的环境信息；
输出部，其根据由所述生成部生成的多种作业模式或准备模式，输出如在与由所述环境信息获取部获取的环境信息相对应的环境下，与所述目标指标相关的评价相对变高那样的作业模式或准备模式；及
控制部，其根据由所述输出部输出的作业模式或准备模式来控制本机的动作。
发明的效果
根据上述实施方式，能够提供一种能够输出与目标指标相关的评价更高的支援数据的施工机械的驾驶支援系统等。
附图说明
图1是表示驾驶支援系统的一例的示意图。
图2是表示驾驶支援系统的结构的一例的结构图。
图3是表示与驾驶支援系统中的机器学习功能及驾驶支援功能相关的功能结构的一例的功能框图。
图4是说明基于模拟部的与作业模式相关的挖土机的动作模拟的一例的图。
图5是说明驾驶支援系统的作用的图。
图6是表示与驾驶支援系统中的机器学习功能及驾驶支援功能相关的功能结构的另一例的功能框图。
图7是说明基于模拟部的与准备相关的动作模拟的一例的图。
图8是表示与驾驶支援系统中的机器学习功能及驾驶支援功能相关的功能结构的又一例的功能框图。
图9是表示与驾驶支援系统中的机器学习功能及驾驶支援功能相关的功能结构的又一例的功能框图。
图10是说明驾驶支援系统的作用的图。
具体实施方式
以下，参考附图，对用于实施发明的方式进行说明。
[驾驶支援系统的概要]
首先，参考图1，对驾驶支援系统SYS的概要进行说明。
图1是表示驾驶支援系统SYS的一例的示意图。
驾驶支援系统SYS包括多个挖土机100、飞行体200及管理装置300。
驾驶支援系统SYS从多个挖土机100收集与规定种类的作业(例如，挖掘作业、装载作业、碾压作业等重复作业)的作业模式相关的实绩信息(以下为“作业模式实绩信息”)和与作业时的环境条件相关的实绩信息(以下为“环境条件实绩信息”)。作业模式表示进行规定种类的作业时的挖土机100的一系列动作的类型。例如，作业模式中包括下部行走体1、上部回转体3、动臂4、斗杆5及铲斗6等动作要件作业时的动作轨迹等。并且，具体而言，作业模式实绩信息是表示挖土机100实际进行规定种类的作业时的该挖土机100的作业模式的实绩的各种传感器的检测信息等。并且，环境条件中，除了与挖土机100的周边环境相关的条件等外部环境条件以外，还可包括对挖土机100的动作带来影响的挖土机100的可变规格(例如，斗杆的长度、铲斗的种类等)等内部环境条件。驾驶支援系统SYS根据所收集的作业模式实绩信息及环境条件实绩信息来进行机器学习，由此按多种环境条件中的每一种环境条件生成挖土机100进行规定种类的作业时的最佳的作业模式(最佳作业模式)。最佳作业模式是以与规定的目标指标相关的评价相对变高的方式生成的作业模式。此时，目标指标中例如包括作业的速度、油耗率的良好度、附属装置的寿命长度、冲击荷载的产生频度减少程度、装载作业中的装载量增多程度、附属装置等中产生龟裂后的龟裂扩展的缓慢程度等。并且，驾驶支援系统SYS根据所生成的该多种作业模式来输出支援对象的挖土机100在当前环境条件下的最佳作业模式，支援操作者的操作，以使挖土机100根据该最佳作业模式进行动作。
另外，驾驶支援系统SYS可以代替挖土机100或者除此以外还包括其他种类的施工机械(例如，沥青滚平机、推土机等)。并且，关于飞行体200，可以按多个现场中的每一个现场配置。即，驾驶支援系统SYS可以包括多个飞行体200。
＜挖土机的概要＞
挖土机100(施工机械的一例)具备：下部行走体1；上部回转体3，其经由回转机构2能够回转地搭载于下部行走体1；作为附属装置(作业装置)的动臂4、斗杆5及铲斗6；以及驾驶室10。
下部行走体1例如包括左右一对履带，并且通过各履带由行走液压马达1A、1B(参考图2)液压驱动来自行。
上部回转体3通过由回转液压马达2A(参考图2)驱动来相对于下部行走体1回转。
动臂4以能够俯仰的方式枢轴安装于上部回转体3的前部中央，斗杆5以能够上下转动的方式枢轴安装于动臂4的前端，铲斗6以能够上下转动的方式枢轴安装于斗杆5的前端。动臂4、斗杆5及铲斗6分别由动臂缸7、斗杆缸8及铲斗缸9液压驱动。
驾驶室10为供操作者乘坐的操作室，并且搭载于上部回转体3的前部左侧。
挖土机100例如能够通过将基站设为末端的移动通讯网、利用上空的通信卫星的卫星通信网、包括互联网等的规定的通信网NW，与管理装置300相互进行通信。由此，挖土机100能够将包含上述作业模式实绩信息及环境条件实绩信息的各种信息发送(上传)到管理装置300。详细内容在后面叙述。
＜飞行体的概要＞
飞行体200在挖土机100作业的作业现场的上空飞行。此时，飞行体200可以根据来自在作业现场的地面上的操作人员所持的遥控器的操作指令来飞行，也可以根据预先规定的飞行路线等自动飞行。
如后述，飞行体200搭载摄像机240，并获取作业现场的拍摄图像(以下为“作业现场图像”)。
并且，飞行体200能够通过通信网NW与管理装置300相互进行通信。由此，飞行体200能够发送(上传)由摄像机240拍摄到的作业现场图像、表示拍摄该作业现场图像时的飞行体的方向的信息(以下为“飞行体方向信息”)及表示位置的信息(“飞行体位置信息”)。以下，详细内容在后面叙述。
＜管理装置的概要＞
管理装置300为设置于与挖土机100在地理上分开的位置的终端装置。管理装置300例如设置于在挖土机100作业的作业现场外设置的管理中心等，且为以一个或多个服务器计算机等为中心而构成的服务器装置。此时，服务器装置可以是由运用驾驶支援系统SYS的运营商或与该运营商相关的相关运营商运营的本公司服务器，也可以是所谓的云服务器。
如上所述，管理装置300能够通过通信网NW与挖土机100及飞行体200各自相互进行通信。由此，管理装置300能够接收从挖土机100上传的作业模式实绩信息及环境条件实绩信息、从飞行体200上传的作业现场图像等，并根据这些信息来生成最适合支援对象的挖土机100的作业模式。详细内容在后面叙述。
[驾驶支援系统的结构]
接着，除了图1以外，还参考图2，对驾驶支援系统SYS的结构进行说明。
图2是表示驾驶支援系统SYS的结构的一例的结构图。
另外，在图中，机械动力线由双重线表示，高压液压管路由粗实线表示，先导管路由虚线表示，电驱动·控制线路由细实线表示。
＜挖土机的结构＞
本实施方式所涉及的挖土机100的液压驱动液压促动器的液压驱动系统包括发动机11、主泵14、调节器14a及调节阀17。并且，如上所述，本实施方式所涉及的挖土机100的液压驱动系统包括液压驱动下部行走体1、上部回转体3、动臂4、斗杆5及铲斗6各自的行走液压马达1A、1B、回转液压马达2A、动臂缸7、斗杆缸8及铲斗缸9等液压促动器。
发动机11为液压驱动系统中的主动力源，例如，搭载于上部回转体3的后部。具体而言，发动机11在基于后述的发动机控制装置(ECU：Engine Control Unit)74的控制下，以预先设定的目标转速恒定旋转，并驱动主泵14及先导泵15。发动机11例如为将柴油作为燃料的柴油发动机。
调节器14a控制主泵14的吐出量。例如，调节器14a根据来自控制器30的控制指令来调节主泵14的斜板的角度(偏转角)。
主泵14例如与发动机11同样地搭载于上部回转体3的后部，并通过高压液压管路16将工作油供给至调节阀17。如上所述，主泵14由发动机11驱动。主泵14例如为可变容量式液压泵，如上所述，通过在基于控制器30的控制下，利用调节器14a调节斜板的偏转角，能够调整活塞的行程长，并能够控制吐出流量(吐出压力)。
调节阀17例如搭载于上部回转体3的中央部，且为根据操作者对操作装置26进行的操作来进行液压驱动系统的控制的液压控制装置。如上所述，调节阀17经由高压液压管路16与主泵14连接，并根据操作装置26的操作状态将从主泵14供给的工作油选择性地供给至液压促动器(行走液压马达1A、1B、回转液压马达2A、动臂缸7、斗杆缸8及铲斗缸9)。具体而言，调节阀17包括控制从主泵14供给至各液压促动器的工作油的流量和流向的多个控制阀。例如，调节阀17包括与动臂4(动臂缸7)相对应的控制阀175(参考图9)。并且，例如，调节阀17包括与斗杆5(斗杆缸8)相对应的控制阀176(参考图9)。并且，例如，调节阀17包括与铲斗6(铲斗缸9)相对应的控制阀174(参考图9)。并且，例如，调节阀17包括与上部回转体3(回转液压马达2A)相对应的控制阀173(参考图9)。并且，例如，调节阀17中包括与下部行走体1的右侧履带及左侧履带各自相对应的右行走控制阀及左行走控制阀。
本实施方式所涉及的挖土机100的操作系统包括先导泵15、操作装置26及操作阀31。
先导泵15例如搭载于上部回转体3的后部，并经由先导管路25将先导压供给至操作装置26及操作阀31。先导泵15例如为固定容量式液压泵，如上所述，由发动机11驱动。
操作装置26设置于驾驶室10的操作员座附近，且为用于操作者进行各种动作要件(下部行走体1、上部回转体3、动臂4、斗杆5、铲斗6等)的操作的操作输入机构。换言之，操作装置26为用于操作者进行驱动各动作要件的液压促动器(即，行走液压马达1A、1B、回转液压马达2A、动臂缸7、斗杆缸8、铲斗缸9等)的操作的操作输入机构。操作装置26的次级侧的先导管路分别与调节阀17连接。由此，能够对调节阀17输入与操作装置26中的下部行走体1、上部回转体3、动臂4、斗杆5及铲斗6等的操作状态相对应的先导压。因此，调节阀17能够根据操作装置26中的操作状态来驱动各液压促动器。
操作阀31根据来自控制器30的控制指令(例如，控制电流)来调整先导管路25的流动路径面积。由此，操作阀31能够将从先导泵15供给的初级侧的先导压作为源压，将与控制指令相对应的先导压输出到次级侧的先导管路。操作阀31的次级侧端口与调节阀17的各液压促动器所对应的控制阀的左右先导端口连接，将与来自控制器30的控制指令相对应的先导压作用于控制阀的先导端口。由此，控制器30即使在操作者未操作操作装置26的情况下，也能够经由操作阀31将从先导泵15吐出的工作油供给至调节阀17内的对应的控制阀的先导端口，并使液压促动器进行动作。
另外，除了操作阀31以外，还可以设置将在液压促动器内产生的过量液压释放到工作油罐的电磁安全阀。由此，在操作者对操作装置26进行的操作量过多的情况等下，能够积极地抑制液压促动器的动作。例如，可以设置将动臂缸7、斗杆缸8及铲斗缸9的底侧油室及杆侧油室各自的过多压力释放到工作油罐的电磁安全阀。
本实施方式所涉及的挖土机100的控制系统包括控制器30、ECU74、吐出压力传感器14b、操作压力传感器15a、显示装置40、输入装置42、摄像装置80、状态检测装置S1及通信设备T1。
控制器30进行挖土机100的驱动控制。控制器30的功能可以通过任意的硬件、软件或其组合来实现。例如，控制器30以包括CPU(Central Processing Unit：中央处理器)等处理器、RAM(Random Access Memory：随机存取存储器)等存储装置、ROM(Read Only Memory：只读存储器)等非易失性辅助存储装置及各种输入和输出用接口装置等的计算机为中心而构成。控制器30例如通过在CPU上执行安装于辅助存储装置的各种程序来实现各种功能。以下，关于后述的ECU74、飞行体200的控制装置210及管理装置300的控制装置310，也相同。
例如，控制器30根据通过操作者等的规定操作而预先设定的作业模式等来设定目标转速，并将控制指令输出到ECU74，由此经由ECU74进行使发动机11恒定旋转的驱动控制。
并且，例如，控制器30根据需要将控制指令输出到调节器14a，使主泵14的吐出量发生变化，由此进行所谓的总马力控制、负控控制。
并且，例如，控制器30具有将与挖土机100相关的各种信息上传到管理装置300的功能(以下为“上传功能”)。具体而言，控制器30可以通过通信设备T1将挖土机100进行规定种类的作业时的作业模式实绩信息及环境条件实绩信息发送(上传)到管理装置300。控制器30例如包括信息发送部301，其通过在CPU上执行安装于辅助存储装置等的一个以上的程序来实现、且作为与上传功能相关的功能部。
并且，例如，控制器30进行与引导(guide)操作者通过操作装置26进行的挖土机100的手动操作的设备引导功能相关的控制。并且，控制器30可以进行与自动支援操作者通过操作装置26进行的挖土机100的手动操作的设备控制功能相关的控制。控制器30例如包括作业模式获取部302和设备引导部303，其通过在CPU上执行安装于辅助存储装置等的一个以上的程序来实现、且作为与设备引导功能及设备控制功能相关的功能部。
另外，控制器30的一部分功能可以由其他控制器(控制装置)来实现。即，控制器30的功能可以通过多个控制器以分散的方式来实现。例如，上述的设备引导功能及设备控制功能可以由专用控制器(控制装置)来实现。
ECU74根据来自控制器30的控制指令来控制发动机11的各种驱动器(例如，燃料喷射装置等)，使发动机11以设定的目标转速(设定转速)进行定速旋转(定速旋转控制)。此时，ECU74根据由发动机转速传感器11a检测到的发动机11的转速来进行发动机11的定速旋转控制。
吐出压力传感器14b检测主泵14的吐出压力。与由吐出压力传感器14b检测到的吐出压力相对应的检测信号被取入到控制器30。
如上所述，操作压力传感器15a检测操作装置26的次级侧的先导压、即与操作装置26中的各动作要件(液压促动器)的操作状态相对应的先导压。基于操作压力传感器15a的与操作装置26中的下部行走体1、上部回转体3、动臂4、斗杆5及铲斗6等的操作状态相对应的先导压的检测信号被取入到控制器30。
显示装置40与控制器30连接，设置于驾驶室10内就坐的操作者容易辨识的位置，在基于控制器30的控制下显示各种信息图像。显示装置40例如为液晶显示器、有机EL(Electroluminescence：电致发光)显示器等。
输入装置42设置于驾驶室10内就坐的操作者能够用手达到的范围内，接收操作者进行的各种操作，并输出与操作内容相对应的信号。例如，输入装置42与显示装置40成为一体。并且，输入装置42可以与显示装置40分开设置。输入装置42包括安装于显示装置40的显示器的触控面板、设置于操作装置26中所包括的操纵杆的前端的旋钮开关、设置于显示装置40周围的按扭开关、操纵杆、切换键等。与对输入装置42的操作内容相对应的信号被取入到控制器30。
摄像装置80拍摄挖土机100的周边。摄像装置80包括拍摄挖土机100的前方的摄像机80F、拍摄挖土机100的左侧的摄像机80L、拍摄挖土机100的右侧的摄像机80R及拍摄挖土机100的后方的摄像机80B。
摄像机80F例如安装于驾驶室10的顶棚即驾驶室10的内部。并且，摄像机80F可以安装于驾驶室10的屋顶、动臂4的侧面等驾驶室10的外部。摄像机80L安装于上部回转体3的上表面左端，摄像机80R安装于上部回转体3的上表面右端，摄像机80B安装于上部回转体3的上表面后端。
摄像装置80(摄像机80F、80B、80L、80R)分别为例如具有非常大的视场角的单眼广角摄像机。并且，摄像装置80可以是立体摄像机、距离图像摄像机等。由摄像装置80拍摄的挖土机100周边的拍摄图像(以下为“周边图像”)被取入到控制器30。
状态检测装置S1输出与挖土机100的各种状态相关的检测信息。从状态检测装置S1输出的检测信息被取入到控制器30。
例如，状态检测装置S1检测附属装置的姿势状态、动作状态。具体而言，状态检测装置S1可以检测动臂4、斗杆5及铲斗6的俯仰角度(以下，分别为“动臂角度”、“斗杆角度”、“铲斗角度”)。即，状态检测装置S1可以包括分别检测动臂角度、斗杆角度及铲斗角度的动臂角度传感器S11、斗杆角度传感器S12及铲斗角度传感器S13(参考图9)。并且，状态检测装置S1可以检测动臂4、斗杆5及铲斗6的加速度、角加速度等。此时，状态检测装置S1例如可包括安装于动臂4、斗杆5及铲斗6各自的旋转编码器、加速度传感器、角加速度传感器、6轴传感器、IMU(Inertial Measurement Unit：惯性测量装置)等。并且，状态检测装置S1可包括检测分别驱动动臂4、斗杆5及铲斗6的动臂缸7、斗杆缸8及铲斗缸9的缸体位置、速度、加速度等的气缸传感器。
并且，例如，状态检测装置S1检测机身即下部行走体1及上部回转体3的姿势状态。具体而言，状态检测装置S1可以检测机身相对于水平面的倾斜状态。此时，状态检测装置S1例如可包括倾斜传感器，该倾斜传感器安装于上部回转体3，且检测上部回转体3绕前后方向及左右方向的2个轴的倾斜角度(以下为“前后倾斜角度”及“左右倾斜角度”)。
并且，例如，状态检测装置S1检测上部回转体3的回转状态。具体而言，状态检测装置S1检测上部回转体3的回转角速度、回转角度。此时，状态检测装置S1例如可包括安装于上部回转体3的陀螺仪传感器、分解器、旋转编码器等。即，状态检测装置S1可以包括检测上部回转体3的回转角度等的回转角度传感器S15。
并且，例如，状态检测装置S1检测通过附属装置作用于挖土机100的力的作用状态。具体而言，状态检测装置S1可以检测液压促动器的工作压力(缸压)。此时，状态检测装置S1可包括检测动臂缸7、斗杆缸8及铲斗缸9各自的杆侧油室及底侧油室的压力的压力传感器。
并且，例如，状态检测装置S1可以包括检测调节阀17内的控制阀的阀芯的位移的传感器。具体而言，状态检测装置S1可以包括检测构成控制阀175的动臂阀芯的位移的动臂阀芯位移传感器S16。并且，状态检测装置S1可以包括检测构成控制阀176的斗杆阀芯的位移的斗杆阀芯位移传感器S17。并且，状态检测装置S1可以包括检测构成控制阀174的铲斗阀芯的位移的铲斗阀芯位移传感器S18。并且，状态检测装置S1可以包括检测构成控制阀173的回转阀芯的位移的回转阀芯位移传感器S19。并且，状态检测装置S1可以包括检测构成右行走控制阀及左行走控制阀各自的右行走阀芯及左行走阀芯的位移的右行走阀芯位移传感器及左行走阀芯位移传感器。
并且，例如，状态检测装置S1检测挖土机100的位置、上部回转体3的方向等。此时，状态检测装置S1例如可包括安装于上部回转体3的GNSS(Global Navigation SatelliteSystem：全球导航卫星系统)罗盘、GNSS传感器、方位传感器等。
通信设备T1通过通信网NW与外部设备进行通信。通信设备T1例如为与LTE(LongTerm Evolution：长期演进)、4G(4th Generation：第四代)、5G(5th Generation：第五代)等移动通信标准相对应的移动通信模块、用于与卫星通信网连接的卫星通信模块等。以下，关于飞行体200的通信设备220，也相同。
信息发送部301通过通信设备T1将挖土机100进行规定种类的作业时的作业模式实绩信息及环境条件实绩信息发送到管理装置300。由信息发送部301发送的作业模式实绩信息中例如包含从状态检测装置S1输入的各种检测信息。并且，由信息发送部301发送的环境条件实绩信息中例如包含从摄像装置80输入的挖土机100的周边图像。并且，由信息发送部301发送的环境条件实绩信息中可以包含挖土机100的内部环境条件、例如与大容量铲斗规格、长臂规格、快速接头规格等可变规格相关的信息。信息发送部301例如逐次判定是否进行了预先规定的对象的种类的作业，若判定为进行了对象的种类的作业，则将进行该作业期间的作业模式实绩信息(即，从状态检测装置S1输入的各种检测信息)及环境条件信息(即，从摄像装置80输入的挖土机100的周边图像)建立联系地记录于内部存储器等中。此时，也可以一并将与对象的种类的作业的开始及结束相关的日期和时间信息、以及该作业时的挖土机100的位置信息，以进一步与作业模式实绩信息及环境条件实绩信息的集合建立联系的方式保存在内部存储器中。由此，管理装置300能够从由飞行体200上传的作业现场图像中提取与从挖土机100发送的作业模式实绩信息及环境条件实绩信息的集合相对应的作业现场图像。此时，日期和时间信息例如能够从控制器30内部的规定的计时机构(例如，RTC(Real Time Clock：实时时钟))获取。并且，信息发送部301在切断挖土机100的电源时(停止时)等规定的定时，通过通信设备T1将所记录的作业模式实绩信息及环境条件实绩信息的集合发送到管理装置300。并且，信息发送部301也可以在每次进行对象的种类的作业时，在该作业结束之后，通过通信设备T1将所记录的作业模式实绩信息及环境条件实绩信息的集合发送到管理装置300。
另外，环境条件实绩信息中可以包含通过代替摄像装置80或者在其基础上搭载于挖土机100的其他传感器检测到的检测信息。例如，可以是如下方式：挖土机100中搭载有毫米波雷达、LIDAR(Light Detecting and Ranging：激光雷达)等其他传感器，环境条件实绩信息中包含这些距离传感器的检测信息。以下，关于后述的当前环境条件信息，也相同。并且，环境条件实绩信息中可以包含天气信息。天气信息例如可包含状态检测装置S1中可包括的雨滴传感器、照度传感器等的检测信息。并且，信息发送部301可以仅将作业模式实绩信息发送到管理装置300。此时，管理装置300能够根据由在挖土机100的作业现场的上空飞行的飞行体200拍摄到的拍摄图像来生成与从挖土机100发送的作业模式实绩信息相对应的环境条件实绩信息。并且，信息发送部301可以通过通信设备T1将状态检测装置S1的检测信息、由摄像装置80拍摄的挖土机100的周边图像依次上传到管理装置300。此时，管理装置300可以从由挖土机100上传的信息中提取进行对象的种类的作业时的信息，并生成作业模式实绩信息及环境信息。
在进行规定种类的作业的情况下，作业模式获取部302从管理装置300获取最适合于与规定的目标指标相关的当前环境条件的作业模式(最佳作业模式)。例如，作业模式获取部302根据操作者对输入装置42进行的规定操作(以下为“获取请求操作”)，通过通信设备T1，将包含与挖土机100的当前环境条件相关的信息(以下为“当前环境条件信息”)的、请求获取作业模式的信号(获取请求信号)发送到管理装置300。由此，管理装置300能够对挖土机100提供与挖土机100的当前环境条件匹配的最佳的作业模式。当前环境条件信息中例如包含由摄像装置80拍摄的挖土机100的最新周边图像。并且，当前环境条件信息中可以包含挖土机100的内部环境条件、例如与大容量铲斗规格、长臂规格、快速接头规格等可变规格相关的信息。并且，当前环境条件信息中可以包含状态检测装置S1中可包括的雨滴传感器、照度传感器等的检测信息即天气信息。并且，作业模式获取部302根据获取请求信号来获取从管理装置300发送并通过通信设备T1接收的与作业模式相关的信息。
另外，作业模式获取部302无需与获取请求信号的发送一起将当前环境条件信息发送到管理装置300。此时，管理装置300能够根据从飞行体200上传的、与对象的挖土机100的作业现场相对应的作业现场图像来判断挖土机100的当前环境条件(外部环境条件)。并且，管理装置300可以根据从飞行体200上传的飞行体位置信息等，从与天气信息相关的服务器、网站获取作为挖土机100的现场环境条件的天气信息。
设备引导部303进行与设备引导功能及设备控制功能相关的控制。即，设备引导部303支援操作者通过操作装置26进行的各种动作要件(下部行走体1、上部回转体3、以及包括动臂4、斗杆5及铲斗6的附属装置)的操作。
例如，设备引导部303在操作者通过操作装置26进行斗杆5的操作的情况下，可以使动臂4及铲斗6中的至少一个自动进行动作，以使预先规定的目标设计面(以下简称为“设计面”)与铲斗6的前端部(例如，铲尖、背面)一致。并且，设备引导部303也可以与操作斗杆5的操作装置26的操作状态无关地同时使斗杆5自动进行动作。即，设备引导部303可以将操作者对操作装置26的操作作为触发，而使附属装置进行预先规定的动作。
更具体而言，设备引导部303从状态检测装置S1、摄像装置80、通信设备T1及输入装置42等获取各种信息。并且，设备引导部303例如根据所获取的信息来计算铲斗6与设计面之间的距离。并且，设备引导部303根据所计算出的铲斗6与设计面之间的距离等来适当地控制操作阀31，并分别单独自动调整作用于与液压促动器相对应的控制阀的先导压，由此能够使各液压促动器自动进行动作。操作阀31中例如包括与动臂4(动臂缸7)相对应的动臂比例阀31A(参考图9)。并且，操作阀31中例如包括与斗杆5(斗杆缸8)相对应的斗杆比例阀31B(参考图9)。并且，操作阀31中例如包括与铲斗6(铲斗缸9)相对应的铲斗比例阀31C(参考图9)。并且，操作阀31中例如包括与上部回转体3(回转液压马达2A)相对应的回转比例阀31D(参考图9)。并且，操作阀31中例如包括与下部行走体1的右侧履带及左侧履带各自相对应的右行走比例阀及左行走比例阀。
关于设备引导部303，例如，为了支援挖掘作业，可以根据斗杆5相对于操作装置26的开闭操作，使动臂缸7、斗杆缸8及铲斗缸9中的至少一个自动伸缩。挖掘作业为沿着设计面用铲斗6的铲尖挖掘地面的作业。设备引导部303例如在操作者对操作装置26手动进行斗杆5的关闭方向的操作(以下为“斗杆关闭操作”)的情况下，使动臂缸7及铲斗缸9中的至少一个自动伸缩。
并且，关于设备引导部303，例如，为了支援斜面、水平面的精加工作业(碾压作业)，可以使动臂缸7、斗杆缸8及铲斗缸9中的至少一个自动伸缩。碾压作业为一边将铲斗6的背面按压在地面上一边沿着设计面将铲斗6拉向跟前的作业。设备引导部303例如在操作者对操作装置26手动进行斗杆关闭操作的情况下，使动臂缸7及铲斗缸9中的至少一个自动伸缩。由此，能够一边以规定的按压力将铲斗6的背面按压在完成前的倾斜面(斜面)或水平面，一边使铲斗6沿着完成后的斜面或水平面即设计面移动。
并且，设备引导部303可以为了使上部回转体3与设计面正对，而使回转液压马达2A自动旋转。此时，设备引导部303可以通过操作输入装置42中所包括的规定的开关来使上部回转体3与设计面正对。并且，设备引导部303可以仅通过操作规定的开关来使上部回转体3与设计面正对且开始设备控制功能。
并且，例如，在进行规定种类的作业(例如，挖掘作业、装载作业、碾压作业等)的情况下，设备引导部303根据操作者对操作装置26进行的操作来控制附属装置、上部回转体3及下部行走体1的至少一部分动作，以与由作业模式获取部302获取的作业模式(最佳作业模式)匹配。由此，操作者能够和与挖土机100的操作相关的熟练度无关地，使挖土机100的动作与以规定的目标指标、例如作业速度的评价相对变高的方式从管理装置300(后述的最佳控制部3103)输出的、最适合于当前的挖土机100的环境条件的作业模式相匹配。
并且，设备引导部303可以一边根据最佳作业模式来控制挖土机100的动作，一边对于操作者在显示装置40中显示与该最佳作业模式相对应的挖土机100的动作。例如，设备引导部303在根据最佳作业模式来控制挖土机100的动作的情况下，在显示装置40中显示与最佳作业模式相对应的、基于后述模拟部3102D的模拟结果的动画。由此，操作者能够一边通过显示装置40的动画确认实际作业模式的内容一边进行作业。
＜飞行体的结构＞
飞行体200为能够通过远程操作或自动操作来飞行的自主式飞行体，例如，可包括多轴直升机、飞艇等。在本实施方式中，如图1所示，飞行体200为四轴飞行器。
飞行体200包括控制装置210、通信设备220、自主航行装置230、摄像机240及定位装置250。
控制装置210进行与飞行体200相关的各种控制。
例如，控制装置210通过通信设备220将从摄像机240逐次输入的作业现场图像发送到管理装置300。并且，在从管理装置300请求发送作业现场图像的情况下，控制装置210可以通过通信设备220将从摄像机240输入的作业现场图像发送到管理装置300。并且，控制装置210可以在规定的定时汇总在一定期间内缓冲的作业现场图像并通过通信设备220发送到管理装置300。并且，控制装置210在将作业现场图像发送到管理装置300时，可以将与各拍摄图像相对应的位置信息、日期和时间信息一起发送到管理装置300。此时，日期和时间信息例如可从控制装置210的内部的规定的计时机构(例如，RTC)获取。
通信设备220通过通信网NW与外部设备进行通信。具体而言，通信设备220在基于控制装置210的控制下在与管理装置300之间进行通信。通信设备220与控制装置210连接，从外部接收的各种信息被取入到控制装置210。
自主航行装置230为用于实现飞行体200的自主导航的设备。自主航行装置230例如包括飞行控制装置、电动马达及电池等。并且，关于飞行体200，为了独立地判断飞行体200的位置，可以搭载有GNSS接收机。并且，在经由有线连接使用地面的外部电源，而不是电池的情况下，可以搭载有进行电压转换的转换器。并且，飞行体200可以搭载有太阳能电池板。飞行控制装置包括陀螺仪传感器、加速度传感器、气压传感器、超声波传感器等各种传感器，并实现姿势保持功能、高度保持功能等。电动马达从电池接收电力的供给来使螺旋桨进行旋转。关于自主航行装置230，例如，若从控制装置210接收与目标飞行位置相关的信息，则分别控制4个螺旋桨的转速，一边保持飞行体200的姿势及高度一边使飞行体200移动到目标飞行位置。与目标飞行位置相关的信息例如为目标飞行位置的纬度、经度及高度。控制装置210通过通信设备220从外部获取与目标飞行位置相关的信息。关于自主航行装置230，若从控制装置210接收与目标方向相关的信息，则可以改变飞行体200的方向。
摄像机240拍摄位于飞行体200的飞行区域的下方的作业现场的状态。摄像机240例如可以安装于飞行体200的下表面等，以能够拍摄飞行体200的铅垂下方。由摄像机240拍摄到的拍摄图像(作业现场图像)被取入到控制装置210。
定位装置250检测飞行体200的位置、方向等。例如，定位装置250可包括GNSS罗盘、GNSS传感器、方位传感器(地磁传感器)等。基于定位装置250的检测信息被取入到控制装置210。
另外，定位装置250可以内置于自主航行装置230(飞行控制装置)中。
＜管理装置的结构＞
管理装置300包括控制装置310、通信设备320、操作输入装置330及显示装置340。
控制装置310进行管理装置300的各种控制。
例如，控制装置310通过根据所收集的作业模式实绩信息及环境条件实绩信息来进行机器学习(监督学习及强化学习)，由此进行与按多种环境条件中的每一种环境条件生成挖土机100进行规定种类的作业时的最佳的作业模式(最佳作业模式)的功能(以下为“机器学习功能”)相关的控制。并且，控制装置310根据所生成的该多种作业模式来进行与输出支援对象的挖土机100的当前环境条件下的最佳作业模式的功能(以下为“驾驶支援功能”)相关的控制。
控制装置310例如包括信息获取部3101、作业模式生成部3102及最佳控制部3103，通过在CPU上执行安装于辅助存储装置等的一个以上的程序来实现、且作为机器学习功能及驾驶支援功能所涉及的功能部。并且，控制装置310包括作为在控制装置310内部的非易失性存储设备中规定的、机器学习功能及驾驶支援功能所涉及的存储区域的存储部3100。关于管理装置300中的机器学习功能及驾驶支援功能所涉及的结构的详细内容，将后述(参考图3)。
另外，存储部3100可以设置于控制装置310的外部。
通信设备320通过通信网NW与外部设备即挖土机100及飞行体200相互进行通信。通信设备320与控制装置310连接，从外部接收的各种信息被取入到控制装置310。
操作输入装置330接收由管理装置300的工作人员、管理者等进行的操作输入，并输出与所接收的操作输入的内容相对应的信号。操作输入装置330与控制装置310连接，与操作输入的内容相对应的信号被取入到控制装置310。
显示装置340例如为液晶显示器、有机EL显示器等，并在基于控制装置310的控制下显示各种信息图像。
[机器学习功能及驾驶支援功能的一例]
接着，参考图3、图4，对驾驶支援系统SYS中的机器学习功能及驾驶支援功能的一例进行说明。
图3是表示与驾驶支援系统SYS中的机器学习功能及驾驶支援功能相关的功能结构的一例的功能框图。具体而言，图3是表示与管理装置300(控制装置310)中的机器学习功能及驾驶支援功能相关的功能性结构的一例的功能框图。
信息获取部3101(实绩信息获取部的一例)获取来自一个或多个挖土机100的作业模式实绩信息及环境条件实绩信息、来自一个或多个飞行体200的作业现场图像等上传数据。并且，信息获取部3101将作业模式实绩信息、环境条件实绩信息及作业现场图像存储于以能够按挖土机100的每一次作业且按每一个作业种类提取数据的方式整理的存储部3100的挖土机作业相关信息DB(Data Base：数据库)3100A中。此时，信息获取部3101可以是如下方式：从作业现场图像中仅提取在与从相对应的作业现场的挖土机100上传的作业模式实绩信息及环境条件实绩信息相同的日期和时间附近获取的作业现场图像，并将所提取的作业现场图像并入到环境条件实绩信息中。并且，信息获取部3101也可以是如下方式：通过通信设备320访问与天气信息相关的服务器、网站，并获取与从挖土机100上传的作业模式实绩信息及环境条件信息相同的日期和时间的天气信息，并入到环境条件实绩信息中。以下，为了方便，将存储于挖土机作业相关信息DB3100A中的每一次作业的作业模式实绩信息及环境条件实绩信息等的集合称为“挖土机作业相关信息”。
作业模式生成部3102(生成部的一例)根据存储于挖土机作业相关信息DB3100A中的、每一次作业的作业模式实绩信息及环境条件实绩信息等，按每一个成为对象的作业种类且按每一个成为对象的目标指标，生成与目标指标相关的评价相对高、换言之该评价被最大化的针对不同环境条件的最佳作业模式。
作业模式生成部3102包括作业评价部3102A、监督学习部3102B、强化学习部3102C及模拟部3102D。
作业评价部3102A从存储于挖土机作业相关信息DB3100A中的每一次作业的挖土机作业相关信息中，按每一个成为对象的目标指标，提取与目标指标相关的评价相对高、具体而言为规定基准以上的挖土机作业相关信息。
具体而言，按每一个成为对象的目标指标规定有与评价相关的特征量，作业评价部3102A从挖土机作业相关信息中提取特征量，并根据所提取的特征量来评价各挖土机作业相关信息。例如，在将装载作业中的作业速度设为目标指标的情况下，特征量中可包含回转速度、装载量、挖掘轨道(深度、位置、长度)、挖掘中途的角度、提升动臂位置、铲斗轨道(抬起回转时、下降回转时、排土时、吊起移动时)、发动机转速、泵马力等。并且，在将挖掘作业中的附属装置的寿命长度设为目标指标的情况下，特征量中可包含铲斗6的铲尖的钻入角度、挖掘力的大小等。作业评价部3102A将所提取的挖土机作业相关信息作为监督学习的教师数据，存储于以能够按每一个作业种类且按每一个对象的目标指标提取数据的方式整理了数据的教师DB3100B中。
监督学习部3102B根据存储于教师DB3100B中的教师数据，按每一个作业种类且按每一个目标指标，进行已知的机器学习(监督学习)，并生成与目标指标相关的评价相对高的针对多种不同环境条件的作业模式(以下为“监督学习作业模式”)。此时，关于进行与目标指标相关的评价的部分，可以是利用作业评价部3102A的功能的方式。以下，关于强化学习部3102C的情况，也相同。所生成的多种监督学习作业模式存储于以能够按每一种环境条件提取的方式整理了数据的监督学习作业模式DB3100C中。
强化学习部3102C以监督学习作业模式DB3100C的针对多种不同环境条件的监督学习作业模式为起点，根据规定的评价条件，按每一个作业种类且每一个目标指标进行强化学习。并且，强化学习部3102C生成目标指标更高的针对多种不同环境条件的作业模式(最佳作业模式)。具体而言，强化学习部3102C使模拟部3102D重复尝试对象的种类的作业的模拟，一边自主选择所谓的回报变多即与对象的目标指标相关的评价变高的作业模式，一边最终生成某一种环境条件下的最佳作业模式。并且，强化学习部3102C还能够通过利用模拟部3102D来生成不包括在监督学习作业模式中的环境条件下的最佳作业模式。所生成的多种最佳作业模式存储于以能够按每一个作业种类且每一种环境条件提取的方式整理了数据的最佳作业模式DB3100D中。
模拟部3102D能够根据按每一个作业种类输入的环境条件、作业条件、作业模式等输入条件，进行挖土机100的作业模式中所包括的动作模拟。由此，模拟部3102D能够生成作业模式。因此，强化学习部3102C不仅能够进行基于由信息获取部3101获取的过去的作业模式(作业模式实绩信息)的强化学习，还能够进行基于与由模拟部3102D生成的新的作业模式相关的信息的强化学习。
例如，图4是说明基于模拟部3102D的挖掘作业中的挖土机100的动作模拟的一例的图。
如图4(A)～图4(D)所示，在挖掘作业中的动作模拟中，模拟部3102D根据输入条件来模拟如下一系列动作：挖土机100使铲斗6接地，一边将铲斗6拉向跟前，一边在铲斗6内装入沙土等装载物。
此时，模拟部3102D变更铲斗6的铲尖角度(钻入角度、挖掘中途的角度)、挖掘轨道(深度、位置、长度)、提升动臂位置、发动机转速、泵马力等动作设定来生成多种动作设定条件，并进行模拟。其结果，模拟部3102D获得每一种动作设定条件的特征量、目标指标。如此，模拟部3102D能够生成虚拟的作业模式信息(以下为“作业模式虚拟信息”)。并且，模拟部3102D将作业模式虚拟信息输入到强化学习部3102C，强化学习部3102C能够获得最佳作业模式。
另外，在本实施方式中，也包括使用来自信息获取部3101的作业模式实绩信息的实例，但是无须使用作业模式实绩信息。即，作业模式生成部3102还能够仅根据在模拟部3102D中生成的作业模式虚拟信息来获取最佳作业模式。
最佳控制部3103(环境信息获取部及输出部的一例)通过通信设备320，根据从挖土机100接收的获取请求信号，对于由该获取请求信号指定的种类的作业，输出在当前的挖土机100的环境条件下、对象的目标指标相对变高(最大化)的最佳作业模式。对象的目标指标可以预先规定，也可以由从挖土机100发送的获取请求信号指定。具体而言，最佳控制部3103根据存储于最佳作业模式DB3100D中的针对多种不同的环境条件的最佳作业模式，输出当前的挖土机100的环境条件下的最佳作业模式。
例如，最佳控制部3103从最佳作业模式DB3100D中提取与当前的挖土机100的环境条件(具体而言，与获取请求信号中所包含的当前环境条件信息相对应的环境条件)一致的最佳作业模式，并进行输出。并且，最佳控制部3103在最佳作业模式DB3100D中不存在与当前的挖土机100的环境条件一致的最佳作业模式的情况下，可以提取一种或多种与比较接近当前的挖土机100的环境条件的环境条件相对应的最佳作业模式。并且，最佳控制部3103根据与所提取的最佳作业模式相对应的环境条件和当前的挖土机100的环境条件的差异，对所提取的一种或多种最佳作业模式实施规定的修正，由此可以输出与当前的挖土机100的环境条件相对应的最佳作业模式。
并且，例如，最佳控制部3103可以使用与强化学习部3102C相同的方法(算法)，一边利用模拟部3102D，一边根据存储于最佳作业模式DB3100D中的多种最佳作业模式，自主且唯一地输出挖土机100的当前环境下的目标指标最大化的最佳作业模式。即，最佳控制部3103可以以如下的人工智能(AI：Artificial Intelligence)为中心而构成：根据存储于最佳作业模式DB3100D中的多种最佳作业模式，一边利用模拟部3102D，一边自主输出挖土机100的当前环境下的目标指标最大化的最佳作业模式。由此，最佳控制部3103即使在最佳作业模式DB3100D中不存在与挖土机100的当前环境下相对应的最佳作业模式的情况下，也能够不使用修正等方法，而输出与目标指标相关的评价更高的最佳作业模式。
最佳控制部3103通过通信设备320将所输出的最佳作业模式发送到作为获取请求信号的发送源的挖土机100。
并且，最佳控制部3103将所输出的最佳作业模式反馈即追加到最佳作业模式DB3100D，并更新最佳作业模式DB3100D。由此，与新的环境条件相对应的作业模式被追加到最佳作业模式DB3100D，或者最佳作业模式DB3100D的作业模式被更新为与目标指标相关的评价更高的作业模式。由此，最佳控制部3103能够根据最佳作业模式DB3100D的更新来输出与目标指标相关的评价更高的最佳作业模式。
并且，还根据由信息获取部3101从挖土机100等获取新的信息并更新挖土机作业相关信息DB3100A的情况，重复执行作业模式生成部3102的上述一系列动作。因此，也可通过作业模式生成部3102一系列动作来更新最佳作业模式DB3100D。由此，最佳控制部3103能够根据最佳作业模式DB3100D的更新来输出与目标指标相关的评价进一步高的最佳作业模式。
[驾驶支援系统的作用]
接着，参考图5对本实施方式所涉及的驾驶支援系统SYS(具体而言，图2、图3中所示的驾驶支援系统SYS)的作用进行说明。
图5是说明驾驶支援系统SYS的作用的图。具体而言，图5为利用从本实施方式所涉及的驾驶支援系统SYS(管理装置300)输出的最佳作业模式，比较通过设备控制功能使挖土机100进行作业时的附属装置的寿命与操作者(新手操作者及熟练操作者)手动使挖土机100进行作业时的附属装置的寿命的图。
另外，图中，纵线的长度表示偏差范围，黑色圆点表示平均值。
如上所述，驾驶支援系统SYS(管理装置300)在挖土机100的当前环境条件下输出与对象的目标指标相关的评价相对高(被最大化)的最佳作业模式，并进行挖土机100的驾驶支援。例如，驾驶支援系统SYS(管理装置300)通过在基于挖土机100的装载作业中，输出将实际现场中的土堆设为当前环境条件并将作业速度设为目标指标的最佳作业模式，由此能够使挖土机100执行沙土的装入、上部回转体3的回转、以及排土为止的最佳的一系列动作。并且，例如，通过对于附属装置等被发现龟裂的挖土机100输出龟裂进展变慢那样的作业模式，由此放慢挖土机100中的龟裂进展。即，本实施方式所涉及的驾驶支援系统SYS(管理装置300)能够与操作者的操作熟练度无关地，在某一种类的作业中使挖土机100进行与对象的目标指标相关的评价相对高的作业模式。由此，驾驶支援系统SYS能够提高挖土机的工作效率、能效(油耗率)、耐久性等。并且，驾驶支援系统SYS能够支援伴随挖掘作业、装载作业、碾压作业等重复操作的作业中的操作者的操作。由此，能够缓解操作者的疲劳。并且，驾驶支援系统SYS在将挖土机100的附属装置等所产生的龟裂的进展缓慢程度设为目标指标的情况下，能够尽可能放慢该龟裂的进展而争取时间，因此能够为了掌握龟裂的状况、进行修理，抑制现场的实际作业停止那样的情况。
具体而言，如图5所示，若将目标指标为附属装置的规格寿命的长度的情况作为例子，则在新手操作者的情况下，附属装置的使用寿命短，且偏差大。
并且，在熟练操作者的情况下，附属装置的使用寿命相较于新手操作者变长，偏差也相较于新手减小。然而，由于是基于手动的作业，因此有可能产生一定程度的偏差。
并且，在利用监督学习作业模式，通过设备控制功能使挖土机100进行作业的情况下，附属装置的使用寿命的平均值上升，偏差也变得相当小。然而，由于教师数据为过去的实绩，因此无法超过熟练操作者的情况下的使用寿命的最大值。
相对于此，在利用由本实施方式所涉及的驾驶支援系统SYS(管理装置300)输出的最佳作业模式，通过设备控制功能使挖土机100进行作业的情况下，附属装置的使用寿命的平均值及最大值均相较于利用监督学习作业模式的情况变长。
并且，如上所述，驾驶支援系统SYS(管理装置300)更新最佳作业模式DB3100D。由此，如图5所示，在利用基于被更新的最佳作业模式DB的最佳作业模式，通过设备控制功能使挖土机100进行作业的情况下，与更新前相比，能够进一步延长附属装置的使用寿命的平均值，并且能够进一步减小偏差。
[机器学习功能及驾驶支援功能的另一例]
接着，参考图6、图7对驾驶支援系统SYS中的机器学习功能及驾驶支援功能的另一例进行说明。
图6是表示与驾驶支援系统SYS中的机器学习功能及驾驶支援功能相关的功能结构的另一例的功能框图。具体而言，图6是表示与管理装置300(控制装置310)中的机器学习功能及驾驶支援功能相关的功能性结构的另一例的功能框图。
在本例中，管理装置300(控制装置310)除了最佳作业模式以外，还生成最佳准备模式。“准备”是指作业内容(作业模式)的组合，“作业内容”是指动作模式的组合。具体而言，“准备”例如为考虑到施工现场中的施工顺序(挖掘位置、挖掘量、暂时放置位置、暂时放置量、坡面位置等)、自卸车的调转位置、自卸车的调转次数、自卸车台数、施工机械(挖土机等)的台数、土质、埋设物的有无、位置等作业模式的组合。即，管理装置300(控制装置310)生成最佳准备模式及与最佳准备模式中所包括的各作业模式相对应的最佳作业模式。以下，将“准备模式”及“作业模式”统称为“准备·作业模式”。并且，在本例中，以准备模式、最佳准备模式为中心进行说明，有时省略作业模式及最佳作业模式等的重复记载。
控制装置310包括信息获取部3101X、准备·作业模式生成部3102X及最佳控制部3103X，作为功能部。并且，控制装置310利用存储部3100X。存储部3100X中包括挖土机准备·作业相关信息DB3100AX、教师DB3100BX、监督学习准备·作业模式DB3100CX、及最佳准备·作业模式DB3100DX。
信息获取部3101X获取来自一个或多个挖土机100的作业模式实绩信息及环境条件实绩信息、来自一个或多个飞行体200的作业现场图像等上传数据。并且，信息获取部3101X从所获取的作业模式实绩信息组生成与准备相关的实绩信息(以下为“准备实绩信息”)。并且，信息获取部3101X可以从一个或多个挖土机100获取准备实绩信息。并且，信息获取部3101X将作业模式信息、环境条件实绩信息、准备实绩信息及作业现场图像存储(登记)于构建在存储部3100X的挖土机准备·作业相关信息DB中。挖土机准备·作业相关信息DB被整理为，能够按由挖土机100的一系列作业内容构成的每一个准备、且按构成准备的作业内容的每一种组合(的种类)来提取数据。将作业模式实绩信息、环境条件实绩信息及作业现场图像存储于存储部3100X的挖土机准备·作业相关信息DB(Data Base)3100AX中。以下，为了方便，将存储于挖土机准备·作业相关信息DB3100AX中的每一个准备的准备实绩信息及环境条件实绩信息等的集合称为“挖土机准备相关信息”。
准备·作业模式生成部3102X根据存储于挖土机准备·作业相关信息DB3100AX中的挖土机准备相关信息，按成为对象的作业内容的每一种组合(的种类)、且按每一个成为对象的目标指标，生成与目标指标相关的评价相对高、换言之该评价被最大化的针对不同环境条件的最佳准备模式。
准备·作业模式生成部3102X包括准备·作业评价部3102AX、监督学习部3102BX、强化学习部3102CX及模拟部3102DX。
准备·作业评价部3102AX从存储于挖土机准备·作业相关信息DB3100AX中的挖土机准备相关信息中，按每一个成为对象的目标指标，提取与目标指标相关的评价相对高、具体而言为规定基准以上的挖土机准备相关信息。具体而言，按每一个成为对象的目标指标规定有与评价相关的特征量，准备·作业评价部3102AX从挖土机准备相关信息中提取特征量，并根据所提取的特征量来评价各挖土机准备相关信息。例如，与准备相关的目标指标中可包含作业时间(的短程度)、工作人员(的少程度)、必要燃料(的少程度)、CO2排出量(的少程度)等。并且，与准备相关的特征量中可包含挖掘次数、回转次数、回转角度、每一次挖掘的土量、每一次装载的土量等。准备·作业评价部3102AX将所提取的挖土机准备相关信息作为监督学习的教师数据，存储于教师DB3100BX中。在教师DB3100BX中，教师数据(挖土机准备相关信息)被整理为，能够按作业内容的每一种组合(的种类)、且按每一个对象的目标指标来提取数据。
监督学习部3102BX根据存储于教师DB3100BX中的教师数据，按作业内容的每一种组合(的种类)且按每一个目标指标，进行已知的机器学习(监督学习)。并且，监督学习部3102BX生成与目标指标相关的评价相对高的针对多种不同环境条件的准备模式(以下为“监督学习准备模式”)，作为监督学习的结果。此时，关于进行与目标指标相关的评价的部分，可以是利用准备·作业评价部3102AX的功能的方式。以下，关于强化学习部3102CX的情况，也相同。所生成的多种监督学习准备模式存储于以能够按每一种环境条件提取的方式整理了数据的监督学习准备·作业模式DB3100CX中。
强化学习部3102CX以监督学习准备·作业模式DB3100CX的针对多种不同环境条件的监督学习准备模式为起点，按作业内容的每一种组合(的种类)且按每一个目标指标来进行强化学习，并生成目标指标进一步高的针对多种不同环境条件的作业模式(最佳作业模式)。具体而言，强化学习部3102CX使模拟部3102DX重复尝试与对象的组合的准备相关的模拟，一边自主选择所谓的回报变多即与对象的目标指标相关的评价变高的作业模式，一边最终生成某一种环境条件下的最佳作业模式。并且，强化学习部3102CX还能够通过利用模拟部3102DX来生成不包括在监督学习准备模式中的环境条件下的最佳作业模式。所生成的多种最佳作业模式存储于以能够按作业内容的每一种组合(的种类)且按每一种环境条件提取的方式整理了数据的最佳准备·作业模式DB3100DX中。
模拟部3102DX能够按作业内容的每一种组合(的种类)、根据所输入的环境条件、施工条件、准备模式等输入条件，来进行与挖土机100的准备相关的动作模拟。由此，模拟部3102DX能够生成准备模式。因此，强化学习部3102CX不仅能够进行基于由信息获取部3101X获取的过去的准备模式(准备实绩信息)的强化学习，还能够进行基于与由模拟部3102DX生成的新的准备模式相关的信息的强化学习。
例如，图7是说明基于模拟部3102DX的与施工现场的准备相关的挖土机100的动作模拟的一例的图。
如图7所示，在本例中，进行与沿普通道路720的作业现场710中的挖土机100的准备相关的模拟。
在作业现场710中形成向普通道路720的沙土搬出用坡面SL，自卸车DT为了搬出沙土而进入作业现场710。并且，在作业现场710中设定挖掘范围711，并且在其周边设定沙土的暂时放置区域712、713。并且，在作业现场710中设定另一个挖掘范围714，并且在其周边设定沙土的暂时放置区域715。
在本例中，模拟部3102DX在该施工条件下，模拟与挖掘范围711相关的挖掘作业、沙土向暂时放置区域712、713的排土作业、及将暂时放置区域712、713的沙土装载于自卸车DT的作业的组合所对应的准备。并且，模拟部3102DX在相同的施工条件下，模拟与挖掘范围714相关的挖掘作业、沙土向暂时放置区域715的排土作业、及将暂时放置区域715的沙土装载于自卸车DT的作业的组合所对应的准备。
此时，模拟部3102DX例如生成挖土机100的位置、方向、移动路径、作业顺序等不同的多种动作设定条件，并进行模拟。其结果，模拟部3102DX获得每一种动作设定条件的特征量、目标指标。如此，模拟部3102DX能够生成虚拟的准备模式信息(以下为“准备模式虚拟信息”)。并且，模拟部3102DX将准备模式虚拟信息输入到强化学习部3102CX，强化学习部3102CX能够获得最佳准备模式。并且，在进行模拟时，普通道路720的位置等设定为不可变更的要件，暂时放置区域712、713、挖掘范围714等设定为可变更的要件。
另外，在本实施方式中，也包括使用基于由信息获取部3101X获取的信息的准备模式实绩信息的实例，但是无须使用准备模式实绩信息。即，准备·作业模式生成部3102X还能够仅根据在模拟部3102DX中生成的准备模式虚拟信息来获取最佳准备模式。
最佳控制部3103X通过通信设备320，根据从挖土机100接收的获取请求信号，对于由该获取请求信号指定的种类的作业内容的组合，在当前的挖土机100的环境条件下，输出对象的目标指标相对变高(最大化)的最佳准备模式。对象的目标指标可以预先规定，也可以由从挖土机100发送的获取请求信号指定。具体而言，最佳控制部3103X根据存储于最佳准备·作业模式DB3100DX中的针对多种不同环境条件的最佳作业模式，输出当前的挖土机100的环境条件下的最佳作业模式。
例如，最佳控制部3103X从最佳准备·作业模式DB3100DX中提取与当前的挖土机100的环境条件(具体而言，与获取请求信号中所包含的当前环境条件信息相对应的环境条件)一致的最佳准备模式，并进行输出。并且，最佳控制部3103X在最佳准备·作业模式DB3100DX中不存在与当前的挖土机100的环境条件一致的最佳准备模式的情况下，可以提取一种或多种与比较接近当前的挖土机100的环境条件的环境条件相对应的最佳准备模式。并且，最佳控制部3103X根据与所提取的最佳准备模式相对应的环境条件与当前的挖土机100的环境条件的差异，对所提取的一种或多种最佳准备模式实施规定的修正，由此可以输出与当前的挖土机100的环境条件相对应的最佳准备模式。
并且，例如，最佳控制部3103X可以使用与强化学习部3102CX相同的方法(算法)，一边利用模拟部3102DX，一边根据存储于最佳准备·作业模式DB3100DX中的多种最佳准备模式，自主且唯一地输出挖土机100的当前环境下的目标指标最大化的最佳准备模式。即，最佳控制部3103X可以以如下人工智能为中心而构成：根据存储于最佳准备·作业模式DB3100DX中的多种最佳准备模式，一边利用模拟部3102DX，一边自主输出挖土机100的当前环境下的目标指标最大化的最佳准备模式。由此，最佳控制部3103X即使在最佳准备·作业模式DB3100DX中不存在与挖土机100的当前环境下相对应的最佳准备模式的情况下，也能够不使用修正等方法，而输出与目标指标相关的评价更高的最佳准备模式。
最佳控制部3103X通过通信设备320将所输出的最佳准备模式发送到作为获取请求信号的发送源的挖土机100。
并且，最佳控制部3103X将所输出的最佳准备模式反馈即追加到最佳准备·作业模式DB3100DX，并更新最佳准备·作业模式DB3100DX。由此，与新的环境条件相对应的作业模式被追加到最佳准备·作业模式DB3100DX，或者最佳准备·作业模式DB3100DX的作业模式被更新为与目标指标相关的评价更高的作业模式。由此，最佳控制部3103X能够根据最佳准备·作业模式DB3100DX的更新来输出与目标指标相关的评价进一步高的最佳准备模式。
并且，还根据由信息获取部3101X从挖土机100等获取新的信息并更新挖土机准备·作业相关信息DB3100AX的情况，重复执行准备·作业模式生成部3102X的上述一系列动作。因此，也可通过准备·作业模式生成部3102X的一系列动作来更新最佳准备·作业模式DB3100DX。由此，最佳控制部3103X能够根据最佳准备·作业模式DB3100DX的更新来输出与目标指标相关的评价进一步高的最佳准备模式。
[机器学习功能及驾驶支援功能的又一例]
接着，参考图8、图9，对驾驶支援系统SYS中的机器学习功能及驾驶支援功能的又一例进行说明。
图8、图9是表示与驾驶支援系统SYS中的机器学习功能及驾驶支援功能相关的功能结构的又一例的功能框图。具体而言，图8是表示本例所涉及的驾驶支援系统SYS的结构的功能框图，图9是表示本例所涉及的驾驶支援系统SYS的结构中的图8中未记载的挖土机100的结构部分的功能框图。
在本例中，机器学习功能及驾驶支援功能搭载于挖土机100。以下，本例中以特有的部分为中心进行说明，有时省略重复说明。
挖土机100的控制器30为，作为通过在CPU上执行安装于辅助存储装置的一个以上的程序来实现的功能部，包括当前地形形状获取部F1、目标地形形状获取部F2、比较部F3、作业开始判别部F4、准备·作业设定部F5、动作内容判定部F6、动作指令生成部F7、动作限制部F8、指令值计算部F9、铲斗当前位置计算部F10、动臂电流指令生成部F11、动臂阀芯位移量计算部F12、动臂角度计算部F13、斗杆电流指令生成部F21、斗杆阀芯位移量计算部F22、斗杆角度计算部F23、铲斗电流指令生成部F31、铲斗阀芯位移量计算部F32、铲斗角度计算部F33、回转电流指令生成部F41、回转阀芯位移量计算部F42及回转角度计算部F43。
当前地形形状获取部F1(环境信息获取部的一例)根据摄像装置80的拍摄图像来获取与挖土机100周围的当前的地形形状(以下为“当前地形形状”)相关的信息(例如，三维点群、三维表面等三维数据)。
目标地形形状获取部F2获取施工现场中的成为目标的地形形状(例如，目标施工面)(以下为“目标地形形状”)。
比较部F3比较当前地形形状与目标地形形状，并将与其差量相关的信息(以下为“差量信息”)输出到学习部F100。
作业开始判别部F4根据通过通信设备T1从管理装置300接收的指令来判别作业开始。
准备·作业设定部F5根据通过通信设备T1从管理装置300接收的指令来设定作业现场中的准备及准备中所包括的作业的内容。所设定的准备及作业的内容被取入到学习部F100及动作内容判定部F6。
动作内容判定部F6根据来自学习部F100的指令来判定遵循通过准备·作业设定部F5设定的准备及作业内容的动作内容。并且，所判定的动作内容被取入到学习部F100及动作指令生成部F7。
动作指令生成部F7(控制部的一例)根据来自学习部F100的指令、通过动作内容判定部F6判定的动作内容及通过铲斗当前位置计算部F10计算的铲斗6的作业部位(例如，铲尖、背面等)的当前位置(以下为“铲斗当前位置”)，生成挖土机100的动作指令即驱动挖土机100的被驱动要件的驱动器的动作指令。所生成的动作指令被取入到学习部F100及动作限制部F8。
动作限制部F8根据规定的动作限制条件来限制与由动作指令生成部F7生成的动作指令相对应的挖土机100的动作(包括停止动作的情况)。动作限制条件中例如可以包括"通过与动作指令相对应的挖土机100的动作，挖土机100的作业部位以外的部分有可能与周围的物体抵接"。并且，动作限制条件中例如可以包括"通过与动作指令相对应的挖土机100的动作，脱离附属装置的动作轴的角速度的允许范围"。具体而言，动作限制部F8在动作限制条件成立的情况下，将以限制挖土机100的动作的方式修正通过动作指令生成部F7生成的动作指令而得的修正动作指令输出到指令值计算部F9。另一方面，动作限制部F8在动作限制条件不成立的情况下，将通过动作指令生成部F7生成的动作指令直接输出到指令值计算部F9。
指令值计算部F9根据从动作限制部F8输入的动作指令或修正动作指令来输出对各被驱动要件(动臂4、斗杆5、铲斗6、上部回转体3、下部行走体1的左右履带)的指令值。具体而言，指令值计算部F9输出对动臂4的动臂指令值α*、对斗杆5的斗杆指令值β*、对铲斗6的铲斗指令值γ*、对上部回转体3的回转指令值δ*、对右侧履带的右行走指令值ε1*、对左侧履带的左行走指令值ε2*。
铲斗当前位置计算部F10计算铲斗6的作业部位的当前位置(铲斗当前位置)。具体而言，根据从动臂角度计算部F13、斗杆角度计算部F23、铲斗角度计算部F33、回转角度计算部F43等反馈的动臂角度α、斗杆角度β、铲斗角度γ、右驱动轮旋转角度ε1及左驱动轮旋转角度ε2来计算铲斗当前位置。
动臂电流指令生成部F11对动臂比例阀31A输出动臂电流指令。
动臂阀芯位移量计算部F12根据动臂阀芯位移传感器S16的输出来计算构成与动臂缸7相对应的控制阀175的动臂阀芯的位移量。
动臂角度计算部F13根据动臂角度传感器S11的输出来计算动臂角度α。
动臂电流指令生成部F11基本上生成对动臂比例阀31A的动臂电流指令，以使由指令值计算部F9生成的动臂指令值α*与由动臂角度计算部F13计算的动臂角度α之差成为零。此时，动臂电流指令生成部F11调节动臂电流指令，以使从动臂电流指令导出的目标动臂阀芯位移量与由动臂阀芯位移量计算部F12计算的动臂阀芯位移量之差成为零。并且，动臂电流指令生成部F11对动臂比例阀31A输出该调节后的动臂电流指令。
动臂比例阀31A根据动臂电流指令来改变开口面积，并将与动臂指令电流的大小相对应的先导压作用于控制阀175的先导端口。控制阀175根据先导压而使动臂阀芯移动，并使工作油流入动臂缸7。动臂阀芯位移传感器S16检测动臂阀芯的位移，并将其检测结果反馈到控制器30的动臂阀芯位移量计算部F12。动臂缸7根据工作油的流入而伸缩，使动臂4垂直运动。动臂角度传感器S11检测垂直运动的动臂4的转动角度，并将其检测结果反馈到控制器30的动臂角度计算部F13。动臂角度计算部F13将所计算出的动臂角度α反馈到铲斗当前位置计算部F10。
斗杆电流指令生成部F21对斗杆比例阀31B输出斗杆电流指令。
斗杆阀芯位移量计算部F22根据斗杆阀芯位移传感器S17的输出来计算构成与斗杆缸8相对应的控制阀176的斗杆阀芯的位移量。
斗杆角度计算部F23根据斗杆角度传感器S12的输出来计算斗杆角度β。
斗杆电流指令生成部F21基本上生成对斗杆比例阀31B的斗杆电流指令，以使由指令值计算部F9生成的斗杆指令值β*与由斗杆角度计算部F23计算的斗杆角度β之差成为零。此时，斗杆电流指令生成部F21调节斗杆电流指令，以使从斗杆电流指令导出的目标斗杆阀芯位移量与由斗杆阀芯位移量计算部F22计算的斗杆阀芯位移量之差成为零。并且，斗杆电流指令生成部F21对斗杆比例阀31B输出该调节后的斗杆电流指令。
斗杆比例阀31B根据斗杆电流指令来改变开口面积，并将与斗杆指令电流的大小相对应的先导压作用于控制阀176的先导端口。控制阀176根据先导压而使斗杆阀芯移动，并使工作油流入斗杆缸8。斗杆阀芯位移传感器S17检测斗杆阀芯的位移，并将其检测结果反馈到控制器30的斗杆阀芯位移量计算部F22。斗杆缸8根据工作油的流入而伸缩，使斗杆5开闭。斗杆角度传感器S12检测开闭的斗杆5的转动角度，并将其检测结果反馈到控制器30的斗杆角度计算部F23。斗杆角度计算部F23将所计算出的斗杆角度β反馈到铲斗当前位置计算部F10。
铲斗电流指令生成部F31对铲斗比例阀31C输出铲斗电流指令。
铲斗阀芯位移量计算部F32根据铲斗阀芯位移传感器S18的输出来计算构成与铲斗缸9相对应的控制阀174的铲斗阀芯的位移量。
铲斗角度计算部F33根据铲斗角度传感器S13的输出来计算铲斗角度γ。
铲斗电流指令生成部F31基本上生成对铲斗比例阀31C的铲斗电流指令，以使由指令值计算部F9生成的铲斗指令值γ*与由铲斗角度计算部F33计算的铲斗角度γ之差成为零。此时，铲斗电流指令生成部F31调节铲斗电流指令，以使从铲斗电流指令导出的目标铲斗阀芯位移量与由铲斗阀芯位移量计算部F32计算的铲斗阀芯位移量之差成为零。并且，铲斗电流指令生成部F31对铲斗比例阀31C输出该调节后的铲斗电流指令。
铲斗比例阀31C根据铲斗电流指令来改变开口面积，并将与铲斗指令电流的大小相对应的先导压作用于控制阀174的先导端口。控制阀174根据先导压而使铲斗阀芯移动，并使工作油流入铲斗缸9。铲斗阀芯位移传感器S18检测铲斗阀芯的位移，并将其检测结果反馈到控制器30的铲斗阀芯位移量计算部F32。铲斗缸9根据工作油的流入而伸缩，使铲斗6开闭。铲斗角度传感器S13检测开闭的铲斗6的转动角度，并将其检测结果反馈到控制器30的铲斗角度计算部F33。铲斗角度计算部F33将所计算出的铲斗角度γ反馈到铲斗当前位置计算部F10。
回转电流指令生成部F41对回转比例阀31D输出回转电流指令。
回转阀芯位移量计算部F42根据回转阀芯位移传感器S19的输出来计算构成与回转液压马达2A相对应的控制阀173的回转阀芯的位移量。
回转角度计算部F43根据回转角度传感器S15的输出来计算回转角度δ。
回转电流指令生成部F41基本上生成对回转比例阀31D的回转电流指令，以使由指令值计算部F9生成的回转指令值δ*与由回转角度计算部F43计算的回转角度δ之差成为零。此时，回转电流指令生成部F41调节回转电流指令，以使从回转电流指令导出的目标回转阀芯位移量与由回转阀芯位移量计算部F42计算的回转阀芯位移量之差成为零。并且，回转电流指令生成部F41对回转比例阀31D输出该调节后的回转电流指令。
回转比例阀31D根据回转电流指令来改变开口面积，并将与回转指令电流的大小相对应的先导压作用于控制阀173的先导端口。控制阀173根据先导压而使回转阀芯移动，并使工作油流入回转液压马达2A。回转阀芯位移传感器S19检测回转阀芯的位移，并将其检测结果反馈到控制器30的回转阀芯位移量计算部F42。回转液压马达2A根据工作油的流入而旋转，使上部回转体3回转。回转角度传感器S15检测回转的上部回转体3的回转角度，并将其检测结果反馈到控制器30的回转角度计算部F43。回转角度计算部F43将所计算出的回转角度δ反馈到铲斗当前位置计算部F10。
并且，关于下部行走体1的右履带及左履带，也具有与动臂4、斗杆5、铲斗6及上部回转体3等其他被驱动要件(作业体)相同的反馈回路。即，构成基于由指令值计算部F9生成的右行走指令值ε1*及左行走指令值ε2*的输入的反馈回路。表示右侧履带及左侧履带的驱动轮的旋转位置(旋转角度)的右驱动轮旋转角度ε1及左驱动轮旋转角度ε2从该反馈回路反馈到铲斗当前位置计算部F10。
如此，控制器30按每一个被驱动要件(作业体)构成3级反馈回路。即，控制器30构成与阀芯位移量相关的反馈回路、与被驱动要件(作业体)的转动角度相关的反馈回路及与铲斗6的作业部位的位置(例如，铲尖的位置)相关的反馈回路。由此，控制器30在自动控制时能够高精度地控制铲斗6的作业部位的移动。
学习部F100(实绩信息获取部、生成部及输出部的一例)实现机器学习功能及驾驶支援功能。即，学习部F100具有与上述管理装置300(控制装置310)的信息获取部3101X、准备·作业模式生成部3102X及最佳控制部3103X相同的功能。
具体而言，学习部F100与上述管理装置300不同，一边对本机(挖土机100)进行实际作业及准备，一边根据在实际作业及准备中获取的实绩信息来进行强化学习。该实绩信息中包含从准备·作业设定部F5、动作内容判定部F6及动作指令生成部F7反馈的与挖土机100的准备、作业及动作相关的实绩信息。并且，实绩信息中包含经由比较部F3从当前地形形状获取部F1输入的挖土机100周围的当前地形形状信息等与环境条件相关的实绩信息。并且，实绩信息中包含来自比较部F3的差量信息等与挖土机100的准备、作业及动作等的结果相关的实绩信息。由此，学习部F100能够按作业种类或作业内容的每一种组合(的种类)、且按每一种环境条件，以实绩信息为起点，生成如目标指标相对变高那样的作业模式(最佳作业模式)、准备模式(最佳准备模式)。并且，学习部F100根据从比较部F3输入的差量信息来将与当前环境条件(即，当前地形形状)下的最佳作业模式、最佳准备模式相对应的指令输出到准备·作业设定部F5、动作内容判定部F6及动作指令生成部F7。由此，控制器30(动作指令生成部F7)能够根据最佳作业模式、最佳准备模式来自动或半自动控制本机(挖土机100)。
[驾驶支援系统的作用]
接着，参考图10，对本实施方式所涉及的驾驶支援系统SYS(具体而言，图8、图9中所示的驾驶支援系统SYS)的作用进行说明。
图10是说明驾驶支援系统SYS的作用的图。具体而言，是说明图8、图9中所示的驾驶支援系统SYS(搭载于挖土机100的学习部F100)的作用的图。
在本例中，进行挖土机100通过填土来对斜面(目标施工面1001)进行施工的作业。通常，关于斜面的施工，相对于纸面在深度方向上连续施工。因此，施工区域朝向挖土机100的进行方向被分为多个区段。并且，若在一个区段中，坡脚到坡顶或坡脚到坡顶的施工结束，则行走移动到相邻的下一个区段，并开始下一个区段的施工。
挖土机100为了填补目标施工面1001与当前的倾斜面的形状的差量而沿着倾斜面排出容纳在铲斗6中的沙土。
然而，在本例中，排出的沙土坍塌到倾斜面的脚侧，成为与设想形状1002不同的方式的形状(实际形状1003)。作为该主要原因，例如，考虑沙土特性的差异、天气的变化等。
在此，挖土机100的学习部F100将这次的动作内容、作业内容及准备以及其结果(实际形状1003)作为实绩信息来进行强化学习。
例如，挖土机100的学习部F100以在相同环境条件下的排土作业时追加捞起动作的形式更新最佳作业模式及最佳准备模式。由此，进行用于复位的捞起动作，沙土形状形成为设想形状1002。然后，在开始下一个区段中的施工时，在类似的沙土特性的差异、天气等环境信息中提取回报高的作业模式，并根据所提取的作业模式来持续进行施工作业。由此，在复位作业中也能够通过基于学习部F100的强化学习来快速地进行复位。而且，能够将一个区段中的实绩用于下一个区段。
如此，挖土机100在相同环境条件下的作业中，在控制器30(学习部F100)的控制下，在排土时同时进行捞起动作。因此，挖土机100(控制器30)能够自主改善本机的作业，以使目标指标(例如，工作效率)相对变高。
[变形·改进]
以上，对用于实施本发明的方式进行了详细叙述，但是本发明并不限定于该特定的实施方式，在技术方案中所记载的本发明的主旨的范围内，能够进行各种变形·变更。
例如，在上述的实施方式中，操作装置26为输出与操作者进行的操作状态相对应的先导压的液压式，但也可以是输出电信号的电动式。此时，调节阀17可以是包括电磁先导方式的控制阀的方式。并且，控制器30能够一边由从电动式操作装置输入的电信号直接掌握操作状态，一边进行与设备引导功能或设备控制功能相关的控制。
并且，在上述的实施方式及变形例中，挖土机100将作业模式实绩信息等上传到管理装置300，并且从管理装置300获取最佳作业模式，执行与基于最佳作业模式的设备控制功能相关的控制，但是并不限定于该方式。例如，将作业模式实绩信息等上传到管理装置300的挖土机与作为基于驾驶支援系统SYS(管理装置300)的驾驶支援的对象的挖土机可以不同。此时，将作业模式实绩信息等上传到管理装置300的挖土机无须具有设备引导功能、设备控制功能。
并且，在上述的实施方式及变形例中，作业模式实绩信息及环境条件实绩信息、作业现场图像等从挖土机100、飞行体200上传到管理装置300，但是并不限定于该方式。例如，服务人员等通过规定的方法将记录在挖土机100、飞行体200的作业模式实绩信息及环境条件实绩信息、作业现场图像等读出到挖土机100、飞行体200的外部的存储装置中。并且，可以是如下方式：服务人员等前往与管理装置300相对应的设施，将作业模式实绩信息及环境条件实绩信息、作业现场图像等数据从该存储装置传送到管理装置300。
并且，在上述的实施方式及变形例中，根据从搭载于挖土机100的状态检测装置S1输出的检测信息等来构成作业模式实绩信息，但是并不限定于该方式。例如，可以根据从外部观测挖土机100的作业的传感器(例如，摄像机、LIDAR、毫米波雷达等)的检测信息等来构成作业模式实绩信息。此时，该传感器的检测信息可以被上传，或者可以记录在规定的存储装置中，并由前往与管理装置300相对应的设施的工作人员等将数据传送到管理装置300。
并且，在上述的实施方式及变形例中，最佳控制部3103的功能设置于管理装置300中，但是也可以设置于挖土机100中。此时，与最佳作业模式DB3100D相当的数据集合预先从管理装置300传送到挖土机100。并且，若在管理装置300中更新最佳作业模式DB3100D，则上述数据集合的更新版从管理装置300传送到挖土机100。
并且，在上述的实施方式及变形例中，挖土机100为液压驱动下部行走体1、上部回转体3、动臂4、斗杆5及铲斗6等所有各种动作要件的结构，但是也可以是电驱动其一部分的结构。即，在上述的实施方式中公开的结构等可以适用于混合式挖土机、电动挖土机等。
另外，本申请主张基于2018年3月30日申请的日本专利申请2018-070359号的优先权，且该日本申请的全部内容通过参考援用于本申请中。
符号的说明
30-控制器，31-操作阀，40-显示装置，42-输入装置，80-摄像装置，80B、80F、80L、80R-摄像机，100-挖土机(施工机械)，200-飞行体，300-管理装置，301-信息发送部，302-作业模式获取部，303-设备引导部，310-控制装置，320-通信设备，330-操作输入装置，340-显示装置，3100-存储部，3100A-挖土机作业相关信息DB，3100B-教师DB，3100C-监督学习作业模式DB，3100D-最佳作业模式DB，3101、3101X-信息获取部(实绩信息获取部)，3102-作业模式生成部(生成部)，3102A-作业评价部，3102AX-准备·作业评价部，3102B、3102BX-监督学习部，3102C、3102CX-强化学习部，3102D、3102DX-模拟部，3102X-准备·作业模式生成部(生成部)，3103、3103X-最佳控制部(环境条件获取部、输出部)，F1-当前地形形状获取部(环境条件获取部)，F7-动作指令生成部(控制部)，F100-学习部(实绩信息获取部、生成部、输出部)，S1-状态检测装置，SYS-驾驶支援系统，T1-通信设备。
权利要求书(按照条约第19条的修改)
1.一种施工机械的驾驶支援系统，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成施工机械的多种作业模式或准备模式；
环境信息获取部，其获取支援对象的施工机械的环境信息；及
输出部，其根据由所述生成部生成的多种作业模式或准备模式，输出在与由所述环境信息获取部获取的环境信息相对应的环境下，支援对象的施工机械的作业的与所述目标指标相关的评价相对变高那样的作业模式或准备模式。
2.根据权利要求1所述的施工机械的驾驶支援系统，其还具备获取与施工机械的过去的作业实绩或准备实绩相关的实绩信息的实绩信息获取部，
所述生成部根据由所述实绩信息获取部获取的实绩信息中的与所述目标指标相关的评价相对高的实绩信息来生成所述多种作业模式或准备模式。
3.根据权利要求1所述的施工机械的驾驶支援系统，其中，
所述生成部根据由所述生成部生成且在支援对象的作业机械中使用的作业模式或准备模式来更新所述多种作业模式或准备模式。
4.一种施工机械，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成本机的多种作业模式或准备模式；
环境信息获取部，其获取本机周围的环境信息；
输出部，其根据由所述生成部生成的多种作业模式或准备模式，输出在与由所述环境信息获取部获取的环境信息相对应的环境下、与所述目标指标相关的评价相对变高那样的作业模式或准备模式；及
控制部，其根据由所述输出部输出的作业模式或准备模式来控制本机的动作。
5.[追加]一种施工机械的驾驶支援系统，其具备：
施工机械，其具有作业部位和用于使所述作业部位进行动作的多个驱动器；及
管理装置，其与所述施工机械进行通信，
所述管理装置包括生成与所述施工机械的作业相对应的所述多个驱动器的动作指令的学习部。
6.[追加]根据权利要求5所述的施工机械的驾驶支援系统，其中，
所述施工机械将实绩信息上传到所述管理装置。
7.[追加]一种施工机械，其具备：
作业部位；
多个驱动器，其用于使所述作业部位进行动作；及
控制装置，其对所述多个驱动器输出动作指令，
所述控制装置包括生成与施工机械的作业相对应的所述动作指令的学习部。
8.[追加]根据权利要求7所述的施工机械，其中，
所述学习部在作为作业结果的沙土的实际形状与设想形状不同的情况下，变更所述动作指令，以使沙土形状形成所述设想形状。
9.[追加]根据权利要求7所述的施工机械，其中，
所述学习部在作为作业结果的沙土的实际形状与设想形状不同的情况下，作为复位作业而提取类似环境下的作业模式，并生成所述动作指令。
10.[追加]根据权利要求7所述的施工机械，其中，
所述学习部针对下一个作业区段提取在类似环境下回报高的作业模式，并生成所述动作指令。
11.[追加]根据权利要求7所述的施工机械，其中，
所述控制装置将实绩信息上传到具有与施工机械的作业相关的学习功能的管理装置。

Claims (4)

1.一种施工机械的驾驶支援系统，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成施工机械的多种作业模式或准备模式；
环境信息获取部，其获取支援对象的施工机械的环境信息；及
输出部，其根据由所述生成部生成的多种作业模式或准备模式，输出在与由所述环境信息获取部获取的环境信息相对应的环境下，支援对象的施工机械的作业的与所述目标指标相关的评价相对变高那样的作业模式或准备模式。
2.根据权利要求1所述的施工机械的驾驶支援系统，其还具备获取与施工机械的过去的作业实绩或准备实绩相关的实绩信息的实绩信息获取部，
所述生成部根据由所述实绩信息获取部获取的实绩信息中的与所述目标指标相关的评价相对高的实绩信息来生成所述多种作业模式或准备模式。
3.根据权利要求1所述的施工机械的驾驶支援系统，其中，
所述生成部根据由所述生成部生成且在支援对象的作业机械中使用的作业模式或准备模式来更新所述多种作业模式或准备模式。
4.一种施工机械，其具备：
生成部，其以与规定的目标指标相关的评价相对变高的方式生成本机的多种作业模式或准备模式；
环境信息获取部，其获取本机周围的环境信息；
输出部，其根据由所述生成部生成的多种作业模式或准备模式，输出在与由所述环境信息获取部获取的环境信息相对应的环境下、与所述目标指标相关的评价相对变高那样的作业模式或准备模式；及
控制部，其根据由所述输出部输出的作业模式或准备模式来控制本机的动作。
CN201980024274.5A 2018-03-30 2019-03-29 施工机械的驾驶支援系统、施工机械 Pending CN112004975A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018070359 2018-03-30
JP2018-070359 2018-03-30
PCT/JP2019/014344 WO2019189888A1 (ja) 2018-03-30 2019-03-29 建設機械の運転支援システム、建設機械

Publications (1)

Publication Number Publication Date
CN112004975A true CN112004975A (zh) 2020-11-27

Family

ID=68060209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980024274.5A Pending CN112004975A (zh) 2018-03-30 2019-03-29 施工机械的驾驶支援系统、施工机械

Country Status (6)

Country Link
US (1) US20210012163A1 (zh)
EP (1) EP3779071B1 (zh)
JP (1) JP7328212B2 (zh)
KR (1) KR102602383B1 (zh)
CN (1) CN112004975A (zh)
WO (1) WO2019189888A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7088691B2 (ja) * 2018-02-28 2022-06-21 株式会社小松製作所 積込機械の制御装置、制御方法および遠隔操作システム
JP7166088B2 (ja) * 2018-06-28 2022-11-07 株式会社小松製作所 作業車両による作業を判定するためのシステム、方法、及び学習済みモデルの製造方法
EP3922776A4 (en) 2019-02-04 2022-03-30 Sumitomo Heavy Industries, Ltd. EXCAVATOR
CN113454292A (zh) 2019-02-15 2021-09-28 住友重机械工业株式会社 挖土机
US11709495B2 (en) * 2019-03-29 2023-07-25 SafeAI, Inc. Systems and methods for transfer of material using autonomous machines with reinforcement learning and visual servo control
EP3919687A4 (en) * 2019-04-04 2022-11-16 Komatsu Ltd. WORK MACHINE SYSTEM, COMPUTER-EXECUTED METHOD, METHOD OF PRODUCTION FOR TRAINED POSITION ESTIMATION MODELS AND LEARNING DATA
CN115467382A (zh) * 2019-05-24 2022-12-13 川崎重工业株式会社 带学习功能的建筑机械
US11440680B2 (en) * 2019-07-09 2022-09-13 United States Of America As Represented By The Secretary Of The Navy Tether management system for a tethered UAV
JP2021095718A (ja) * 2019-12-16 2021-06-24 住友重機械工業株式会社 ショベル、情報処理装置
JP7310595B2 (ja) 2019-12-24 2023-07-19 コベルコ建機株式会社 作業支援サーバおよび作業支援システム
EP4118591A4 (en) * 2020-03-09 2024-05-08 Danfoss A/S SYSTEM AND METHOD FOR CONTROLLING HEAVY DUTY MACHINERY
JP6997823B2 (ja) * 2020-03-16 2022-01-18 日立建機株式会社 作業機械
CN114207327B (zh) * 2020-03-17 2023-08-11 日立建机株式会社 作业车辆
JP2021156086A (ja) * 2020-03-30 2021-10-07 住友重機械工業株式会社 ショベルの管理装置
JP7481908B2 (ja) 2020-05-29 2024-05-13 株式会社小松製作所 掘削計画作成装置、作業機械および掘削計画作成方法
US11774959B2 (en) 2020-07-30 2023-10-03 Caterpillar Paving Products Inc. Systems and methods for providing machine configuration recommendations
CN116249813A (zh) * 2020-09-28 2023-06-09 神钢建机株式会社 作业区域设定系统和操作目标检测系统
WO2022097499A1 (ja) * 2020-11-09 2022-05-12 国立大学法人広島大学 作業機械の自動運転装置
EP4317607A1 (en) * 2021-05-20 2024-02-07 Komatsu Ltd. Display system, work machine, and display method
IT202200000293A1 (it) * 2022-01-11 2023-07-11 Cnh Ind Italia Spa Veicolo da lavoro
US11906981B2 (en) * 2022-02-08 2024-02-20 Caterpillar Inc. System and method for updating virtual worksite
JP2024005910A (ja) * 2022-06-30 2024-01-17 株式会社小松製作所 作業車両の経路計画生成システム、作業車両の経路計画生成方法
WO2024090618A1 (ko) * 2022-10-28 2024-05-02 볼보 컨스트럭션 이큅먼트 에이비 학습 정보를 이용하여 굴착기의 동작 패턴을 결정하는 방법 및 디바이스

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076030A (en) * 1998-10-14 2000-06-13 Carnegie Mellon University Learning system and method for optimizing control of autonomous earthmoving machinery
CN1564995A (zh) * 2002-06-12 2005-01-12 日立建机株式会社 工程机械的信息提供系统以及工程机械的信息提供方法
US20130158679A1 (en) * 2010-08-23 2013-06-20 Doosan Infracore Co., Ltd. Apparatus and method for controlling construction machinery
US20160247332A1 (en) * 2015-02-25 2016-08-25 Hitachi, Ltd. Operation Support System and Working Machine Including Operation Support System
AU2017239878A1 (en) * 2016-03-30 2018-07-12 Komatsu Ltd. Simulation system and simulation method

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19859169A1 (de) * 1997-12-19 1999-06-24 Univ Carnegie Mellon Lernsystem und Verfahren zur Optimierung der Steuerung autonomer Erdbewegungsmaschinen
AR074052A1 (es) 2008-10-22 2010-12-22 Array Biopharma Inc Compuestos pirazolo{1,5-a}pirimidina sustituida como inhibidores de trk cinasa
JP5549520B2 (ja) * 2010-10-08 2014-07-16 アイシン・エィ・ダブリュ株式会社 経路関連情報提供装置、経路関連情報提供方法、経路関連情報提供プログラムおよび経路案内システム
US10248133B2 (en) * 2011-06-27 2019-04-02 Caterpillar Inc. Method and system for mapping terrain and operating autonomous machines using machine parameters
US20140032087A1 (en) * 2012-07-25 2014-01-30 Mobiwize Solutions Ltd. Reducing fuel consumption by accommodating to anticipated road and driving conditions
US9624650B2 (en) * 2015-05-05 2017-04-18 Caterpillar Inc. System and method for implement control
US20160349733A1 (en) 2015-05-29 2016-12-01 Caterpillar Inc. Machine Performance Evaluation and Feedback System
US9988791B2 (en) * 2016-03-31 2018-06-05 Hitachi Construction Machinery Co., Ltd. Output characteristic changing system for construction machine
EP3485337B1 (en) * 2016-09-23 2020-10-21 Apple Inc. Decision making for autonomous vehicle motion control
JP6840430B2 (ja) 2016-11-02 2021-03-10 株式会社京都製作所 振分け装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076030A (en) * 1998-10-14 2000-06-13 Carnegie Mellon University Learning system and method for optimizing control of autonomous earthmoving machinery
CN1564995A (zh) * 2002-06-12 2005-01-12 日立建机株式会社 工程机械的信息提供系统以及工程机械的信息提供方法
US20130158679A1 (en) * 2010-08-23 2013-06-20 Doosan Infracore Co., Ltd. Apparatus and method for controlling construction machinery
US20160247332A1 (en) * 2015-02-25 2016-08-25 Hitachi, Ltd. Operation Support System and Working Machine Including Operation Support System
JP2016156193A (ja) * 2015-02-25 2016-09-01 株式会社日立製作所 操作支援システムおよび操作支援システムを備えた作業機械
AU2017239878A1 (en) * 2016-03-30 2018-07-12 Komatsu Ltd. Simulation system and simulation method

Also Published As

Publication number Publication date
US20210012163A1 (en) 2021-01-14
JP7328212B2 (ja) 2023-08-16
EP3779071A4 (en) 2021-10-20
WO2019189888A1 (ja) 2019-10-03
KR20200130376A (ko) 2020-11-18
EP3779071A1 (en) 2021-02-17
JPWO2019189888A1 (ja) 2021-03-25
KR102602383B1 (ko) 2023-11-14
EP3779071B1 (en) 2024-02-21

Similar Documents

Publication Publication Date Title
CN112004975A (zh) 施工机械的驾驶支援系统、施工机械
JP7402736B2 (ja) ショベル及びその制御方法
KR102659077B1 (ko) 쇼벨
US11788253B2 (en) Shovel, and management apparatus and assist device for shovel
US12031302B2 (en) Excavator
US20220074168A1 (en) Automatic Operation Work Machine
US20240011252A1 (en) Shovel and shovel control device
KR20210122246A (ko) 쇼벨
US20230279634A1 (en) Work machine and control device for work machine
CN115427639A (zh) 挖土机及挖土机用的系统
KR102615982B1 (ko) 쇼벨 및 쇼벨의 관리시스템
US20230243130A1 (en) Excavation plan creation device, working machine, and excavation plan creation method
CN115279974A (zh) 挖土机用施工支援系统
JP7500241B2 (ja) 作業機械の管理システム
CN113445555A (zh) 施工支援系统及施工机械
JP2022154722A (ja) ショベル
US20230408322A1 (en) Work machine and work machine support system
CN117062956A (zh) 挖土机及挖土机的控制装置
JP2024095377A (ja) ショベル、遠隔制御システム、及び表示装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination