JP2021059435A - 荷役システムおよび制御方法 - Google Patents

Abstract

【課題】無人フォークリフトが荷役作業を迅速に行うことができるようにする。【解決手段】複数の棚を有する施設と、施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムであって、荷役システムは、無人フォークリフトの車体及びフォークと棚に載置された荷との間の位置関係に基づく教師データ５を収集する収集部４０と、収集部４０に収集された教師データ５から機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部４１と、現時点の位置関係を所定時間ごとに取得する取得部４５と、学習モデル生成部で生成された学習モデルを、取得部４５から取得される現時点の位置関係に適用することで、フォークの昇降を開始するタイミングを決定する処理部４２と、処理部４２によって決定された車体の位置でフォークを昇降するための所定制御を実行する制御部４３と、を備える。【選択図】図２

Description

本発明は、無人フォークリフトを備えた荷役システムおよび制御方法に関する。

無人フォークリフトは、走行中の自己位置を認識しながら、予め設定された経路に従って、荷役作業を行う。例えば、レーザー式無人フォークリフトは、レーザースキャナを備える（例えば、特許文献１および２参照）。レーザースキャナは、レーザーを水平に３６０度回転しながら反射板に送受信する。レーザー式無人フォークリフトは、倉庫内の走行経路に沿って配置された複数の反射板をレーザースキャナで認識する。

反射板は、倉庫内に固定されており、その位置がマップ上に記憶されている。レーザー式無人フォークリフトは、複数の反射板をレーザースキャナで認識し、三角測量の原理に基づいて、現在位置を算出する。レーザー式無人フォークリフトは、算出された現在位置に基づいて、予め設定された経路を走行する。

また、特許文献３に開示されているように、荷物を保管する棚がある。複数の棚が、倉庫内に設置されており、複数の荷物を保管する。倉庫内に、レーザー式無人フォークリフト及び複数の棚が設置されて、レーザー式無人フォークリフトが、棚から荷物を出し入れする。

ところで、荷役作業は迅速に行うことが望ましい。無人フォークリフトは、荷役作業位置で走行を停止した後に、フォークの昇降を開始する。そのため、ラックの高い位置にある荷に対して荷役作業を行う場合、フォークを昇降する時間が長くなることがある。一方、オペレータが有人フォークリフトを操作する場合では、走行している間にフォークの昇降を開始して、荷役作業位置でのフォークの昇降時間を少なくすることがある。

特開平８−１６１０３９号公報 特開平８−１６６８２１号公報 特開２００３−２０１０２号公報

そこで、本発明が解決しようとする課題は、無人フォークリフトが荷役作業を迅速に行うことができるようにするための荷役システムおよび制御方法である。

上記の課題を解決するために、本発明に係る荷役システムは、
複数の棚を有する施設と、施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムであって、
荷役システムは、
無人フォークリフトの車体及びフォークと棚に載置された荷との間の位置関係に基づく教師データを収集する収集部と、
収集部に収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部と、
現時点の位置関係を所定時間ごとに取得する取得部と、
学習モデル生成部で生成された学習モデルを、取得部から取得される現時点の位置関係に適用することで、フォークの昇降を開始するタイミングを決定する処理部と、
処理部によって決定された車体の位置でフォークを昇降するための所定制御を実行する制御部と、を備える。

好ましくは、
教師データは、入力データと出力データとからなり、
入力データは、
車体の水平位置から荷の水平位置までの水平距離Ｄと、
フォークの垂直位置から荷の垂直位置までの垂直距離Ｈと、を含み、
出力データは、
フォークの上昇を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ１と、
フォークの下降を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ２と、を含む。

好ましくは、
入力データは、さらに、車体の走行速度Ｖを含み、
出力データは、さらに、フォークを上昇する速度Ｖ１と、フォークを下降する速度Ｖ２と、を含む。

上記の課題を解決するために、本発明に係る荷役システムの制御方法は、
複数の棚を有する施設と、施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムの制御方法であって、
制御方法は、
無人フォークリフトの車体及びフォークと棚に載置された荷との間の位置関係に基づく教師データを収集する収集ステップと、
収集ステップで収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成ステップと、
現時点の位置関係を所定時間ごとに取得する取得ステップと、
学習モデル生成部で生成された学習モデルを、取得ステップで取得される現時点の位置関係に適用することで、フォークの昇降を開始するタイミングを決定する処理ステップと、
処理ステップによって決定された車体の位置でフォークを昇降するための所定制御を実行する制御ステップと、を備える。

本発明に係る荷役システムおよび制御方法は、上記構成を備えることによって、無人フォークリフトが荷役作業を迅速に行うことができる。

荷役システムを示す平面図。 荷役システムを示すブロック図。 教師データを説明するための平面図。 教師データを説明するための側面図。 荷役システムの制御方法を示すフローチャート図。

以下、図面に基づいて、本発明に係る荷役システムおよび制御方法の一実施形態を説明する。

図１の通り、荷役システムは、施設３と、施設３内で走行および荷役作業を行うレーザー式無人フォークリフト（以下「フォークリフト」という）２を備える。本実施形態では、施設３は、倉庫であるが、工場などでもよい。施設３内には、複数の棚１が設置される。棚１には、複数の荷１０が載置される。フォークリフト２は、施設３内で走行し、所定の棚１から所定の荷１０を入出庫する荷役作業を行う。

フォークリフト２は、レーザー誘導により自動で動作する。フォークリフト２は、レーザースキャナ２０を備える。施設３内には、複数の反射板２１が設置される。レーザースキャナ２０は、レーザーＬを水平に３６０度回転しながら反射板２１に送受信する。

フォークリフト２は、施設３内の走行経路に沿って配置された複数の反射板２１をレーザースキャナ２０で認識する。反射板２１は、施設３内の壁に固定されており、その位置情報がマップ上に記憶されている。フォークリフト２は、複数の反射板２１をレーザースキャナ２０で認識し、三角測量の原理に基づいて、現在位置を算出する。

レーザースキャナ２０は、反射板２１から反射されたレーザーＬを検知して、レーザースキャナ２０と反射板２１との角度（方位）または距離を算出する。レーザースキャナ２０によって反射板２１が認識されると、レーザースキャナ２０と反射板２１との角度または距離に基づいて、反射板２１によって特定される三角形を算出する。

フォークリフト２が認識した角度または距離情報と、予め記憶された反射板２１の位置情報とを照合して、フォークリフト２の現在位置が算出される。

フォークリフト２は、算出された現在位置に基づいて、予め設定された経路を走行する。さらに、フォークリフト２は、予め設定された荷１０の水平位置に基づいて、フォーク２３を昇降及び進退して荷役作業を行う。

図２の通り、荷役システムは、教師データ５を収集する収集部４０を備える。教師データ５は、オペレータが操作する有人フォークリフトにおける、（１）車体２２の水平位置から荷１０の水平位置までの経路上の水平距離Ｄ、（２）フォーク２３の垂直位置から荷１０の垂直位置までの垂直距離Ｈ、（３）フォーク２３の上昇を開始する車体２２の水平位置から荷１０の水平位置までの経路上の水平距離（上昇タイミング）Ｄ１、（４）フォーク２３の下降を開始する車体２２の水平位置から荷１０の水平位置までの経路上の水平距離（下降タイミング）Ｄ２、を含む。

図３の通り、（１）水平距離Ｄは、車体２２の水平位置（ＸＹ座標）から荷１０の水平位置（ＸＹ座標）までの経路上の水平距離である。（３）水平距離Ｄ１は、フォーク２３の上昇を開始する車体２２の水平位置（ＸＹ座標）から荷１０の水平位置（ＸＹ座標）までの経路上の水平距離（上昇タイミング）である。（４）水平距離Ｄ２は、フォーク２３の下降を開始する車体２２の水平位置（ＸＹ座標）から荷１０の水平位置（ＸＹ座標）までの経路上の水平距離（下降タイミング）である。図４の通り、（２）垂直距離Ｈは、現在のフォーク２３の垂直位置（Ｚ座標）から荷１０の垂直位置（Ｚ座標）までの距離である。

荷役システムは、収集部４０に収集された教師データ５（（１）〜（４））から機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部４１を備える。本実施の形態の学習モデル生成部４１は、教師あり学習を実施する。教師あり学習では、教師データ５、すなわち、入力データＩＤと出力データＯＤとの組を大量に学習モデル生成部４１に入力する。

入力データＩＤは、（１）水平距離Ｄ、（２）垂直距離Ｈを含む。出力データＯＤは、（３）水平距離Ｄ１、（４）水平距離Ｄ２を含む。なお、実際に、オペレータが有人フォークリフトを操作する場合、荷役作業を迅速に行うために、走行している間にフォークの昇降を開始して、荷役作業位置でのフォークの昇降時間を少なくしている。そのため、車体２２と荷１０との間の各水平距離Ｄ、Ｄ１、Ｄ２と、フォーク２３を荷１０の垂直位置に合わせて昇降することとの間に相関関係等の一定の関係が存在することは推認できる。

学習モデル生成部４１は、一般的なニューラルネットワーク等の機械学習アルゴリズムを用いる。学習モデル生成部４１は、相関関係を有する入力データＩＤと出力データＯＤを教師データ５として機械学習を行うことにより、入力から出力を推定するモデル（学習モデル）、すなわち、入力データＩＤ（１）及び（２）を入力すると、出力データＯＤ（３）及び（４）を出力するモデルを生成する。

荷役システムは、現時点の入力データＩＤを所定時間ごとに取得する取得部４５を備える。上記の通り、入力データＩＤは、（１）水平距離Ｄ、（２）垂直距離Ｈである。入力データＩＤは、所定時間（例えば１分）ごとに取得される。

荷役システムは、学習モデル生成部４１で生成された学習モデルを、取得部４５から取得される現時点の入力データＩＤに適用することで、（３）フォーク２３の上昇を開始する車体２２の水平位置から荷１０の水平位置までの水平距離（上昇タイミング）Ｄ１、（４）フォーク２３の下降を開始する車体２２の水平位置から荷１０の水平位置までの水平距離（下降タイミング）Ｄ２を決定する処理部４２を備える。

荷役システムは、処理部４２によって決定された出力データＯＤに基づいて、フォークリフト２が所定制御を実行する制御部４３を備える。そして、制御部４３は、各水平距離Ｄ１，Ｄ２に基づいて、フォーク２３の昇降を開始するタイミングを決定する。

図５の通り、上記の荷役システムは、以下の制御方法を実行する。なお、重複説明を避けるため、既に説明した部分は省略する。
収集部４０によって、教師データ５を収集する（収集ステップ：Ｓ１）。そして、学習モデル生成部４１によって、収集ステップＳ１で収集部４０に収集された教師データ５から機械学習を行い、機械学習により学習モデルを生成および記憶する（学習モデル生成ステップ：Ｓ２）。取得部４５によって、現時点の入力データＩＤを所定時間ごとに取得する（取得ステップ：Ｓ３）。

処理部４２によって、学習モデル生成ステップＳ２で生成された学習モデルを、取得ステップＳ３で取得される現時点の入力データＩＤに適用することで、（３）水平距離Ｄ１、（４）水平距離Ｄ２を決定する（予測ステップ：Ｓ４）。制御部４３によって、処理ステップＳ４によって決定された出力データＯＤに基づいて、フォークリフト２が所定制御を実行する（制御ステップ：Ｓ５）。

以上、本発明の好ましい実施形態を説明したが、本発明の構成はこれらの実施形態に限定されない。

他の実施形態では、入力データＩＤとして、上記の（１）及び（２）に加えて、（５）走行速度Ｖを含んでもよい。また、出力データＯＤとして、上記の（３）及び（４）に加えて、（６）フォーク２３を上昇する速度Ｖ１、（７）フォーク２３を下降する速度Ｖ２を含んでもよい。教師データ５は、（１）〜（４）に加えて（５）〜（７）を有する入力データ及び出力データからなる。これにより、フォーク２３を昇降するタイミングに加えて、好ましい速度でフォーク２３を昇降できる。

上記実施形態では、フォークリフト２は、レーザー誘導であるが、床面に敷設された磁気テープ等によって電磁的に誘導してもよく、床面に描かれた線によって画像的に誘導してもよい。

２ 無人フォークリフト
３ 施設
４０ 収集部
４１ 学習モデル生成部
４２ 処理部
４３ 制御部
４５ 取得部
５ 教師データ

上記の課題を解決するために、本発明に係る荷役システムは、複数の棚を有する施設と、施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムである。荷役システムは、無人フォークリフトの車体及びフォークと棚に載置された荷との間の位置関係に基づく教師データを収集する収集部と、収集部に収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部と、 現時点の位置関係を所定時間ごとに取得する取得部と、学習モデル生成部で生成された学習モデルを、取得部から取得される現時点の位置関係に適用することで、フォークの昇降を開始するタイミングを決定する処理部と、処理部によって決定された車体の位置でフォークを昇降するための所定制御を実行する制御部と、を備える。教師データは、入力データと出力データとからなる。入力データは、車体の水平位置から荷の水平位置までの水平距離Ｄと、フォークの垂直位置から荷の垂直位置までの垂直距離Ｈと、を含む。出力データは、フォークの上昇を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ１と、フォークの下降を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ２と、を含む。

上記の課題を解決するために、本発明に係る荷役システムの制御方法は、複数の棚を有する施設と、施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムの制御方法である。制御方法は、無人フォークリフトの車体及びフォークと棚に載置された荷との間の位置関係に基づく教師データを収集する収集ステップと、収集ステップで収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成ステップと、現時点の位置関係を所定時間ごとに取得する取得ステップと、学習モデル生成部で生成された学習モデルを、取得ステップで取得される現時点の位置関係に適用することで、フォークの昇降を開始するタイミングを決定する処理ステップと、処理ステップによって決定された車体の位置でフォークを昇降するための所定制御を実行する制御ステップと、を備える。教師データは、入力データと出力データとからなる。入力データは、車体の水平位置から荷の水平位置までの水平距離Ｄと、フォークの垂直位置から荷の垂直位置までの垂直距離Ｈと、を含む。出力データは、フォークの上昇を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ１と、フォークの下降を開始する車体の水平位置から荷の水平位置までの水平距離Ｄ２と、を含む。

Claims (4)

1. 複数の棚を有する施設と、前記施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムであって、
   前記荷役システムは、
   前記無人フォークリフトの車体及びフォークと前記棚に載置された荷との間の位置関係に基づく教師データを収集する収集部と、
   前記収集部に収集された前記教師データから機械学習を行い、前記機械学習により学習モデルを生成および記憶する学習モデル生成部と、
   現時点の前記位置関係を所定時間ごとに取得する取得部と、
   前記学習モデル生成部で生成された前記学習モデルを、前記取得部から取得される前記現時点の前記位置関係に適用することで、前記フォークの昇降を開始するタイミングを決定する処理部と、
   前記処理部によって決定された前記車体の位置で前記フォークを昇降するための所定制御を実行する制御部と、を備える
   ことを特徴とする荷役システム。
2. 前記教師データは、入力データと出力データとからなり、
   前記入力データは、
   前記車体の水平位置から前記荷の水平位置までの水平距離Ｄと、
   前記フォークの垂直位置から前記荷の垂直位置までの垂直距離Ｈと、を含み、
   前記出力データは、
   前記フォークの上昇を開始する前記車体の水平位置から前記荷の水平位置までの水平距離Ｄ１と、
   前記フォークの下降を開始する前記車体の水平位置から前記荷の水平位置までの水平距離Ｄ２と、を含む
   ことを特徴とする請求項１に記載の荷役システム。
3. 前記入力データは、さらに、前記車体の走行速度Ｖを含み、
   前記出力データは、さらに、前記フォークを上昇する速度Ｖ１と、前記フォークを下降する速度Ｖ２と、を含む
   ことを特徴とする請求項２に記載の荷役システム。
4. 複数の棚を有する施設と、前記施設内で走行および荷役作業を行う無人フォークリフトと、を備えた荷役システムの制御方法であって、
   前記制御方法は、
   前記無人フォークリフトの車体及びフォークと前記棚に載置された荷との間の位置関係に基づく教師データを収集する収集ステップと、
   前記収集ステップで収集された前記教師データから機械学習を行い、前記機械学習により学習モデルを生成および記憶する学習モデル生成ステップと、
   現時点の前記位置関係を所定時間ごとに取得する取得ステップと、
   前記学習モデル生成部で生成された前記学習モデルを、前記取得ステップで取得される前記現時点の前記位置関係に適用することで、前記フォークの昇降を開始するタイミングを決定する処理ステップと、
   前記処理ステップによって決定された前記車体の位置で前記フォークを昇降するための所定制御を実行する制御ステップと、を備える
   ことを特徴とする荷役システムの制御方法。

Images