JP2023179149A - 異常検知装置及び車両 - Google Patents

Abstract

【課題】車両に関する異常状態を特定すること。【解決手段】異常検知装置は、制御装置と、補助記憶装置と、を備える。補助記憶装置は、写像データと、対応データと、を記憶している。制御装置は、操作値データを取得する。制御装置は、カメラから画像データを取得する。制御装置は、操作値データ、及び画像データを入力データとして写像データで規定される写像に入力することによって状態ＩＤを取得する。制御装置は、状態ＩＤに車両に関する異常状態を対応付けた対応データから車両に関する異常状態を特定する。【選択図】図３

Description

本開示は、異常検知装置及び車両に関する。

特許文献１には、自律走行を行う車両としてフォークリフトが開示されている。

特開２０２１－６２９６４号公報

車両の動作中に、車両に異常が生じる場合がある。車両に異常が生じた場合に、異常を検知することが求められる。

上記課題を解決する異常検知装置は、車両に関する異常を検知する異常検知装置であって、前記異常検知装置は、制御装置と、記憶装置と、を備え、前記記憶装置は、前記車両の操作値データ及び画像データが入力データとして入力されることによって、前記車両に関する異常状態に応じた状態ＩＤを出力データとして出力する写像を規定する写像データと、前記状態ＩＤに前記車両に関する異常状態を対応付けた対応データと、を記憶しており、前記制御装置は、前記操作値データを取得し、前記車両が備えるカメラから前記画像データを取得し、前記操作値データ、及び前記画像データを前記入力データとして前記写像に入力することによって前記状態ＩＤを取得し、前記写像から取得した前記状態ＩＤ及び前記対応データから前記車両に関する異常状態を特定する。

制御装置は、操作値データ及び画像データを入力データとして写像に入力することで状態ＩＤを取得することができる。制御装置は、状態ＩＤと対応データから、車両に関する異常状態を特定できる。

上記異常検知装置について、前記車両は荷役車両であり、前記車両に関する異常状態は、荷役動作に関する異常状態を含んでいてもよい。
上記異常検知装置について、前記写像データは、機械学習済みのモデルであり、前記モデルは、前記入力データから特徴量ベクトルを抽出する特徴量抽出部と、前記特徴量ベクトルを、前記状態ＩＤに紐付く離散値に変換する離散化層と、を備えていてもよい。

上記異常検知装置について、前記車両は、前記車両に搭乗した操作者によって操作される車両であり、前記写像は、前記操作値データ、前記画像データ及び前記操作者の姿勢に関する姿勢データが前記入力データとして入力されることによって、前記状態ＩＤを前記出力データとして出力し、前記制御装置は、前記車両が備える姿勢センサから前記姿勢データを取得し、前記操作値データ、前記画像データ、及び前記姿勢データを前記入力データとしてもよい。

上記課題を解決する車両は、上記異常検知装置を備える。
制御装置は、状態ＩＤと対応データから、車両に関する異常状態を特定できる。

本発明によれば、車両に関する異常状態を特定できる。

荷役車両の側面図である。 荷役車両の概略構成図である。 異常検知制御を示すフローチャートである。 前処理を説明するための図である。 入力データを示す図である。 モデルの概略構成図である。 学習モデルの概略構成図である。 異常検知装置の変更例を示す概略構成図である。

異常検知装置及び車両の一実施形態について説明する。
図１に示すように、荷役車両１０は、リーチ式のフォークリフトである。荷役車両１０は、車両である。荷役車両１０は、荷役車両１０に搭乗した操作者による手動での動作と、自動での動作とを切り替え可能に構成されている。以下の説明において、前後左右は、荷役車両１０を基準とした場合の前後左右である。

荷役車両１０は、車体１１と、リーチレグ１２と、前輪１３と、後輪１４と、荷役装置２１と、操作部４０と、を備える。
リーチレグ１２は、左右方向に互いに離間して２つ設けられている。リーチレグ１２は、車体１１から前方に延びている。

前輪１３は、各リーチレグ１２に１つずつ設けられている。後輪１４は、車体１１に設けられている。後輪１４は、操舵輪である。後輪１４は、駆動輪である。
荷役装置２１は、車体１１の前方に設けられている。荷役装置２１は、マスト２２と、リフトブラケット２５と、フォーク２６と、リフトシリンダ３１と、ティルトシリンダ３２と、リーチシリンダ３３と、を備える。

マスト２２は、多段式のマストである。マスト２２は、アウタマスト２３と、インナマスト２４と、を備える。インナマスト２４は、アウタマスト２３に対して昇降可能に設けられている。

フォーク２６は、リフトブラケット２５に固定されている。フォーク２６は、左右方向に互いに離間して２つ設けられている。
リフトシリンダ３１は、油圧シリンダである。リフトブラケット２５は、リフトシリンダ３１への作動油の給排によって昇降する。フォーク２６は、リフトブラケット２５とともに昇降する。

ティルトシリンダ３２は、油圧シリンダである。リフトブラケット２５は、ティルトシリンダ３２への作動油の給排によって前後方向に傾動する。フォーク２６は、リフトブラケット２５とともに傾動する。

リーチシリンダ３３は、油圧シリンダである。マスト２２は、リーチシリンダ３３への作動油の給排によって前後方向に移動する。フォーク２６は、マスト２２とともに前後方向に移動する。

図２に示すように、操作部４０は、ディレクション操作部４１と、リフト操作部４２と、ティルト操作部４３と、リーチ操作部４４と、を含む。操作部４０は、荷役車両１０を手動で動作させる際に、操作される。

ディレクション操作部４１は、レバーである。ディレクション操作部４１は、中立位置から前傾又は後傾する。ディレクション操作部４１は、荷役車両１０を走行させる際に操作される。ディレクション操作部４１によって荷役車両１０の進行方向を決定することができる。ディレクション操作部４１によって荷役車両１０の速度を調整可能である。荷役車両１０の進行方向は、前進方向、又は後進方向である。

リフト操作部４２はレバーである。リフト操作部４２は、中立位置から前傾又は後傾する。リフト操作部４２は、フォーク２６を昇降させる際に操作される。リフト操作部４２によってフォーク２６の昇降方向を決定することができる。リフト操作部４２によってフォーク２６の昇降速度を調整可能である。

ティルト操作部４３はレバーである。ティルト操作部４３は、中立位置から前傾又は後傾する。ティルト操作部４３は、フォーク２６を傾動させる際に操作される。ティルト操作部４３によってフォーク２６の傾動方向を決定することができる。ティルト操作部４３によってフォーク２６の傾動速度を調整可能である。

リーチ操作部４４はレバーである。リーチ操作部４４は、中立位置から前傾又は後傾する。リーチ操作部４４は、フォーク２６を前後方向に移動させる際に操作される。リーチ操作部４４によってフォーク２６の移動方向を決定することができる。リーチ操作部４４によってフォーク２６の移動速度を調整可能である。

荷役車両１０は、センサ５０と、自動運転用センサ５６と、カメラ５７と、駆動機構６１と、油圧機構６２と、車両制御装置６３と、異常検知装置７０と、を備える。
センサ５０は、ディレクションセンサ５１と、リフトセンサ５２と、ティルトセンサ５３と、リーチセンサ５４と、タイヤ角センサ５５と、を含む。

ディレクションセンサ５１は、ディレクション操作部４１の操作値を検知する。ディレクションセンサ５１は、ディレクション操作部４１の操作値に応じた電気信号を車両制御装置６３に出力する。

リフトセンサ５２は、リフト操作部４２の操作値を検知する。リフトセンサ５２は、リフト操作部４２の操作値に応じた電気信号を車両制御装置６３に出力する。
ティルトセンサ５３は、ティルト操作部４３の操作値を検知する。ティルトセンサ５３は、ティルト操作部４３の操作値に応じた電気信号を車両制御装置６３に出力する。

リーチセンサ５４は、リーチ操作部４４の操作値を検知する。リーチセンサ５４は、リーチ操作部４４の操作値に応じた電気信号を車両制御装置６３に出力する。
タイヤ角センサ５５は、操舵輪の操舵角を検知する。本実施形態であれば、タイヤ角センサ５５は、後輪１４の操舵角を検知する。タイヤ角センサ５５は、操舵角に応じた電気信号を車両制御装置６３に出力する。

自動運転用センサ５６は、荷役車両１０を自動で動作させる際に用いられるセンサである。自動運転用センサ５６は、例えば、荷役車両１０の自己位置推定に用いられる外界センサ、及びフォーク２６と荷役対象との位置合わせに用いられる距離計を含む。自動運転用センサ５６は、検知結果を車両制御装置６３に出力する。荷役対象は、例えば、荷役装置２１による荷取りの対象となる荷、及び荷役装置２１による荷置きの対象となる場所である。荷置きの対象となる場所としては、例えば、トラック、及び棚を挙げることができる。荷とは、パレット、及びパレットに積まれた積荷を含む。

カメラ５７は、デジタルカメラである。カメラ５７は、撮像素子を備える。撮像素子としては、例えば、ＣＣＤイメージセンサ(Charge Coupled Device image sensor)、及びＣＭＯＳイメージセンサ(Complementary Metal Oxide Semiconductor image sensor)を挙げることができる。カメラ５７は、単眼カメラである。カメラ５７としては、例えば、RGBカメラ、赤外線カメラ、グレースケールカメラ、及び可視光カメラを挙げることができる。カメラ５７は、操作者が荷役車両１０を操作している場合に操作者が視認する範囲を撮像できるように配置されている。カメラ５７は、例えば、運転席から前方に向かう範囲を撮像できるように配置されている。カメラ５７は、撮像によって得られた画像データを異常検知装置７０に出力する。

駆動機構６１は、荷役車両１０を走行動作させるための部材である。駆動機構６１は、後輪１４を駆動させるための駆動源及び後輪１４を操舵するための操舵機構を含む。駆動源をモータとする荷役車両１０であれば、駆動機構６１はモータドライバを含む。駆動源をエンジンとする荷役車両１０であれば、駆動機構６１は燃料噴射装置を含む。

油圧機構６２は、油圧機器への作動油の給排を制御するための部材である。油圧機器は、リフトシリンダ３１、ティルトシリンダ３２、及びリーチシリンダ３３を含む。油圧機構６２は、作動油を吐出するポンプ、及び油圧機器への作動油の給排を制御するコントロールバルブを含む。

車両制御装置６３は、走行動作に関する制御、及び荷役動作に関する制御を行う。車両制御装置６３は、プロセッサ６４と、記憶部６５と、を備える。プロセッサ６４としては、例えば、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、又はDSP（Digital Signal Processor）が用いられる。記憶部６５は、RAM（Random Access Memory）及びROM（Read Only Memory）を含む。記憶部６５には、荷役車両１０を動作させるためのプログラムが記憶されている。記憶部６５は、処理をプロセッサ６４に実行させるように構成されたプログラムコードまたは指令を格納しているといえる。記憶部６５、すなわち、コンピュータ可読媒体は、汎用または専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。車両制御装置６３は、ASIC（Application Specific Integrated Circuit）やFPGA（Field Programmable Gate Array）等のハードウェア回路によって構成されていてもよい。処理回路である車両制御装置６３は、コンピュータプログラムに従って動作する１つ以上のプロセッサ、ASICやFPGA等の１つ以上のハードウェア回路、或いは、それらの組み合わせを含み得る。

＜手動での動作時に車両制御装置が行う制御＞
荷役車両１０の手動での動作時には、車両制御装置６３は、ディレクションセンサ５１の検知結果に応じて荷役車両１０に走行動作を行わせる。車両制御装置６３は、ディレクションセンサ５１の検知結果から、ディレクション操作部４１の操作値を認識する。車両制御装置６３は、ディレクション操作部４１の操作値に応じた進行方向に、ディレクション操作部４１の操作値に応じた速度で荷役車両１０が走行するように駆動機構６１を制御する。

荷役車両１０の手動での動作時には、車両制御装置６３は、リフトセンサ５２、ティルトセンサ５３、及びリーチセンサ５４の検知結果に応じて荷役車両１０に荷役動作を行わせる。車両制御装置６３は、リフトセンサ５２の検知結果から、リフト操作部４２の操作値を認識する。車両制御装置６３は、リフト操作部４２の操作値に応じた昇降方向に、リフト操作部４２の操作値に応じた速度でフォーク２６が昇降するように油圧機構６２を制御する。車両制御装置６３は、ティルトセンサ５３の検知結果から、ティルト操作部４３の操作値を認識する。車両制御装置６３は、ティルト操作部４３の操作値に応じた傾動方向に、ティルト操作部４３の操作値に応じた速度でフォーク２６が傾動するように油圧機構６２を制御する。車両制御装置６３は、リーチセンサ５４の検知結果から、リーチ操作部４４の操作値を認識する。車両制御装置６３は、リーチ操作部４４の操作値に応じた移動方向に、リーチ操作部４４の操作値に応じた速度でフォーク２６が移動するように油圧機構６２を制御する。

＜自動での動作時に車両制御装置が行う制御＞
荷役車両１０の自動での動作時には、車両制御装置６３は、自動運転用センサ５６を用いて自己位置を推定しつつ、経路を生成する。車両制御装置６３は、荷役車両１０が経路を追従するように駆動機構６１を制御する。この際、車両制御装置６３は、走行動作に関する指令値を生成することによって指令値に応じて駆動機構６１を制御する。走行動作に関する指令値は、荷役車両１０の進行方向、及び荷役車両１０の速度に関する指令である。指令値は、ディレクション操作部４１の仮想的な操作値といえる。

荷役車両１０の自動での動作時には、車両制御装置６３は、自動運転用センサ５６を用いて荷役対象とフォーク２６との位置を認識しつつ、フォーク２６の位置合わせを行う。この際、車両制御装置６３は、荷役動作に関する指令値を生成することによって指令値に応じて油圧機構６２を制御する。荷役動作に関する指令値は、フォーク２６の昇降方向及びフォーク２６の昇降速度に関する指令値と、フォーク２６の傾動方向及びフォーク２６の傾動速度に関する指令値と、フォーク２６の移動方向及びフォーク２６の移動速度に関する指令値と、を含む。フォーク２６の昇降方向及びフォーク２６の昇降速度に関する指令値は、リフト操作部４２の仮想的な操作値といえる。フォーク２６の傾動方向及びフォーク２６の傾動速度に関する指令値は、ティルト操作部４３の仮想的な操作値といえる。フォーク２６の移動方向及びフォーク２６の移動速度に関する指令値は、リーチ操作部４４の仮想的な操作値といえる。

＜異常検知装置＞
異常検知装置７０は、制御装置７１と、補助記憶装置７４と、を備える。
制御装置７１は、例えば、車両制御装置６３と同様のハードウェア構成を備える。制御装置７１は、プロセッサ７２と、記憶部７３と、を備える。カメラ５７が出力した画像データは、制御装置７１に入力される。制御装置７１と車両制御装置６３は、車両用の通信プロトコルによって互いに情報を取得可能である。

補助記憶装置７４は、制御装置７１が読み取り可能な情報を記憶している。補助記憶装置７４としては、例えば、ハードディスクドライブ、及びソリッドステートドライブを挙げることができる。補助記憶装置７４は、写像データであるモデル８１を記憶している。補助記憶装置７４は、対応データ８８を記憶している。補助記憶装置７４は、記憶装置である。

モデル８１は、入力データが入力されることによって荷役車両１０に関する状態に応じた状態ＩＤを出力データとして出力する写像を規定している。
対応データ８８は、状態ＩＤと荷役車両１０に関する状態とを対応付けている。荷役車両１０に関する状態の一例として、アプローチ状態、傾斜状態、パレットの干渉状態、遠距離状態、奥行き方向に荷が存在する状態、及び積荷の干渉状態を挙げることができる。アプローチ状態とは、荷役車両１０が荷取り対象となる荷に対して接近している状態を示す。傾斜状態とは、荷が置かれている場所、又は荷置き対象となる場所の傾斜角度が過剰に大きい状態を示す。パレットの干渉状態とは、隣り合うパレット同士が接触している状態を示す。遠距離状態とは、荷取りを行える位置まで荷役車両１０を近付けることができない状態を示す。遠距離状態の一例としては、トラックの荷台に積まれた荷を荷取りする状況が挙げられる。トラックの荷台に積まれた荷を荷取りする場合、荷役車両１０はトラックに近付く。荷役車両１０は、トラックと接触しない範囲でトラックに近付く必要があるため、荷台に置かれた荷を荷取りできる位置まで荷役車両１０を近付けることができない場合がある。奥行き方向に荷が存在する状態は、荷置きをする場所の奥行き方向に荷が存在しており、荷置き対象となる荷と奥行き方向に存在する荷とが接触するおそれがある状態を含む。奥行き方向に荷が存在する状態は、荷取り対象となる荷の奥行き方向に荷が存在しており、荷取り対象となる荷と奥行き方向に存在する荷とが接触するおそれがある状態を含む。積荷の干渉状態は、積荷が、当該積荷が置かれたパレットとは異なるパレットに接触している状態を含む。積荷の干渉状態は、積荷が、当該積荷が置かれたパレットとは異なるパレットに置かれた積荷に接触している状態を含む。

アプローチ状態、傾斜状態、パレットの干渉状態、遠距離状態、奥行き方向に荷が存在する状態、及び積荷の干渉状態は、荷役動作に関する状態である。傾斜状態、パレットの干渉状態、遠距離状態、奥行き方向に荷が存在する状態、及び積荷の干渉状態の場合、荷役車両１０による荷役動作が阻害されるおそれがある。これらの状態は、荷役動作に関する異常状態である。対応データ８８は、状態ＩＤと荷役車両１０に関する異常状態とを対応付けているといえる。

＜異常検知制御＞
制御装置７１は、異常検知制御を実行する。異常検知制御は、例えば、荷役車両１０の起動中に所定の制御周期で繰り返し実行される。荷役車両１０が自動で動作している場合に行われる異常検知制御について説明する。

図３に示すように、ステップＳ１において、制御装置７１は、荷役車両１０の操作値データを取得する。操作値データは、ディレクション操作部４１の操作値を示すデータ、リフト操作部４２の操作値を示すデータ、ティルト操作部４３の操作値を示すデータ、リーチ操作部４４の操作値を示すデータ、及び操舵角を示すデータを含む。ディレクション操作部４１の操作値を示すデータ、リフト操作部４２の操作値を示すデータ、ティルト操作部４３の操作値を示すデータ、及びリーチ操作部４４の操作値を示すデータは、それぞれ車両制御装置６３が生成する指令値である。操舵角を示すデータは、タイヤ角センサ５５の検知結果である。制御装置７１は、車両制御装置６３から、各操作値を示す指令値、及びタイヤ角センサ５５の検知結果を取得する。操作値データとは、仮に、操作者が荷役車両１０を手動で動作させる場合に、操作者による操作が反映される操作値を示すデータである。言い換えれば、操作者による意志によって変化し得る値を示すデータである。操作部４０の操作値を示すデータは、操作者による操作部４０の操作量によって変化する。操舵角を示すデータは、操作者によるステアリングハンドルの操作量によって変化する。従って、これらは操作値データである。

次に、ステップＳ２において、制御装置７１は、カメラ５７から画像データを取得する。
次に、ステップＳ３において、制御装置７１は、操作値データ、及び画像データに対して前処理を行う。前処理では、同期取り、特徴量抽出、及び操作値データと画像データとの結合が行われる。

図４に示すように、制御装置７１は、操作値データＤ１と、画像データＤ２とのサンプリングレートを揃えることによって操作値データＤ１と、画像データＤ２との同期取りを行う。

制御装置７１は、画像データＤ２から特徴量を抽出する。画像データＤ２からの特徴量の抽出は、深層学習モデルを用いて行われる。本実施形態において、制御装置７１は、畳み込みニューラルネットワーク（Convolution Neural Network)を用いて画像データＤ２からの特徴量の抽出を行う。

制御装置７１は、操作値データＤ１と画像データＤ２から得られた特徴量を結合することによって入力データＤ３を生成する。図５に示すように、入力データＤ３は、最新データを追加した分、最も古いデータを削除することによって一定時間の時系列データになるように生成される。

図３に示すように、次に、ステップＳ４において、制御装置７１は、入力データＤ３をモデル８１によって規定される写像に入力する。モデル８１は、機械学習によって学習を行った学習済みのモデルである。写像は、操作値データＤ１によって示される操作値、及び画像データの画素値を入力変数とし、状態ＩＤを出力変数とする。

図６に示すように、モデル８１は、入力部８２と、特徴量抽出部８３と、状態推定部８６と、を備える。
入力部８２には、入力データＤ３が入力される。入力部８２は、入力データＤ３を分割してトークンを作成する。

特徴量抽出部８３は、位置埋め込み層（Position Embedding Layer）８４と、自己注意層（Self-Attention Layer）８５と、を備える。
位置埋め込み層８４は、トークンに位置情報を付加する。詳細にいえば、位置埋め込み層８４は、トークンの位置に応じた固有ベクトルを位置情報としてトークンに付加する。

自己注意層８５は、入力データＤ３から注目箇所を算出する。自己注意層８５は、Query、Key、Valueの３つのベクトルを算出する。自己注意層８５は、QueryとKeyとの内積を算出してソフトマックスを適用することによってQueryとKeyとの関連度を算出する。自己注意層８５は、QueryとKeyとの関連度に応じてValueの重み付き和を計算する。これにより、特徴量抽出部８３は、各トークンの特徴量である特徴量ベクトルを抽出することができる。

状態推定部８６は、特徴量ベクトルから状態ＩＤを推定する。状態推定部８６は、離散化層８７を備える。離散化層８７は、特徴量ベクトルと状態ベクトルとの距離を算出する。離散化層８７は、特徴量ベクトルと状態ベクトルとの距離が最も小さくなる状態ベクトルを特定する。状態ベクトルは、離散値である。離散化層８７は、特徴量ベクトルを離散値に変換することができる。離散化層８７は、状態ＩＤマップから状態ベクトルに紐付けられた状態ＩＤを導出する。状態ＩＤマップは、状態ベクトルを状態ＩＤに紐付けたマップである。状態推定部８６は、特徴量ベクトルとの距離が最も小さくなる状態ベクトルを特定し、当該状態ベクトルに紐付いた状態ＩＤを現在の状態ＩＤとして出力する。

図３に示すように、次に、ステップＳ５において、制御装置７１は、ステップＳ４で得られた状態ＩＤに対応付けられた荷役車両１０に関する状態を、対応データ８８から特定する。これにより、制御装置７１は、荷役車両１０に関する現在の状態を特定できる。対応データ８８で状態ＩＤ「０」にアプローチ状態が対応付けられているとする。ステップＳ４で得られた状態ＩＤが「０」の場合、制御装置７１は、荷役車両１０に関する現在の状態がアプローチ状態であると特定する。対応データ８８で状態ＩＤ「１」に傾斜状態が対応付けられているとする。ステップＳ４で得られた状態ＩＤが「１」の場合、制御装置７１は、荷役車両１０に関する現在の状態が傾斜状態であると特定する。

次に、ステップＳ６において、制御装置７１は、荷役車両１０に関する現在の状態から、荷役車両１０が異常状態か否かを判定する。荷役車両１０に関する状態を異常状態と正常状態に分類しておくことによって制御装置７１は、荷役車両１０が正常状態か異常状態かを判定できる。前述した例であれば、荷役車両１０に関する状態がアプローチ状態であれば、制御装置７１は、荷役車両１０が正常状態であると判定できる。荷役車両１０に関する状態が、パレットの干渉状態、遠距離状態、奥行き方向に荷が存在する状態、又は積荷の干渉状態であれば、制御装置７１は、荷役車両１０が異常状態であると判定できる。これにより、異常検知装置７０は、荷役車両１０に関する異常を検知する。

制御装置７１が、荷役車両１０が異常状態であると判定した場合、その後の制御は任意である。車両制御装置６３が、異常状態に対応した動作を荷役車両１０に行わせることができる場合、異常状態に応じた制御を車両制御装置６３が行うようにしてもよい。車両制御装置６３は、荷役車両１０を停止させてもよい。車両制御装置６３又は制御装置７１は、上位制御装置に、荷役車両１０が異常状態であることを通知してもよい。

荷役車両１０が手動で動作している場合、操作値データＤ１としてセンサ５０から得られた操作値を用いればよい。このように、荷役車両１０が自動で動作している場合であっても、荷役車両１０が手動で動作している場合であっても、荷役車両１０に関する状態を特定できる。

荷役車両１０が手動で動作している場合、制御装置７１によって荷役車両１０が異常状態であると判定された場合、操作者に通知が行われてもよい。通知は、例えば、操作者が視認可能な表示部に表示を行うことで行われてもよいし、ランプの点灯やブザーの作動によって行われてもよい。

＜モデルの生成方法＞
モデル８１の生成方法について説明する。モデル８１は、自己教師あり学習によって生成されている。一例として学習モデルとしてVQ-VAE（Vector Quantized-Variational Auto Encoder）を用いる場合を例に挙げて説明を行う。

図７に示すように、学習モデル９０は、エンコーダ９１と、デコーダ９３と、を備える。学習モデル９０は、学習データＤ４から特徴量である状態ベクトルを抽出し、当該状態ベクトルから学習データＤ４の再構成を行うことで、状態推定部９２を構成する。状態推定部９２は、状態ベクトルが属する潜在空間である。

エンコーダ９１には、学習データＤ４が入力される。エンコーダ９１は、学習データＤ４から特徴量である潜在変数を抽出する。
状態推定部９２は、状態ＩＤマップに潜在変数をマッピングすることによって潜在変数を有限個の離散値に変換する。離散値は、状態ベクトルである。状態ＩＤマップは、状態ＩＤと状態ベクトルとを紐付けている。状態推定部９２は、潜在変数を距離が最も近い状態ベクトルに置き換える。

デコーダ９３は、状態ベクトルから学習データＤ４を再構成する。
学習データＤ４は、操作者が荷役車両１０を操作する際の操作値データＤ５、操作者が荷役車両１０を操作する際の視覚データＤ６、及び操作者が荷役車両１０を操作する際の姿勢データＤ７を含む。学習データＤ４は、荷役車両１０と同一仕様の荷役車両を用いて取得することができる。同一仕様の荷役車両とは、周辺環境が同一の状態で同一の操作値が入力された場合に、同一の動作が同一の速度で行われる行われる荷役車両である。一例として、荷役車両１０を用いて学習データＤ４を取得する場合を例に挙げて説明を行う。

操作者が荷役車両１０を操作する際の操作値データＤ５は、ディレクションセンサ５１、リフトセンサ５２、ティルトセンサ５３、リーチセンサ５４、及びタイヤ角センサ５５から取得することができる。操作者が荷役車両１０を操作する際の視覚データＤ６は、操作者の視点の場所を示すデータである。視覚データＤ６は、視線計測を行うアイトラッカーを操作者に装着することによって、当該アイトラッカーから得ることができる。操作者が荷役車両１０を操作する際の姿勢データＤ７は、操作者の姿勢に関するデータである。詳細にいえば、姿勢データＤ７は、操作者が荷役車両１０を操作する際の操作者の姿勢角や関節座標を示すデータである。姿勢データＤ７は、姿勢センサを用いることで取得することができる。姿勢センサは、例えば、操作者を撮像するカメラ、又は深度センサである。

荷役車両１０に関する状態と、操作値データＤ５には相関がある。例えば、荷役車両１０に関する状態が「アプローチ状態」の場合、ディレクション操作部４１の操作値は、荷役車両１０の前進を指示する値になると想定できる。荷役車両１０に関する状態が「傾斜状態」の場合、荷役車両１０の操作者がフォーク２６の傾斜角度を調整することでティルト操作部４３の操作値が変化する場合がある。荷役車両１０に関する状態が「パレットの干渉状態」の場合、パレット同士が接触している状態を解除するために操舵角を変更する場合がある。このように、操作値データＤ５から、荷役車両１０に関する状態がどのような状態だったかを把握することができる。

操作者の視点の場所は、荷役車両１０に関する状態によって変化する。例えば、荷役車両１０に関する状態が「アプローチ状態」の場合、操作者の視点の場所はパレットになると想定できる。荷役車両１０に関する状態が「傾斜状態」の場合、操作者の視点の場所は、傾斜している場所、即ち、パレットが置かれている場所、又は荷置き対象となる場所になると想定できる。荷役車両１０に関する状態が「パレットの干渉状態」の場合、操作者の視点の場所は、パレット同士が接触している箇所になると想定できる。このように、視覚データＤ６から、操作者が注目していた場所を把握することができる。

操作者の姿勢は、荷役車両１０に関する状態によって変化する。例えば、荷役車両１０に関する状態が「パレットの干渉状態」や「遠距離状態」の場合、パレットの状態を把握するため、操作者が荷役車両１０の前方に身を乗り出すような姿勢になると想定できる。また、荷役装置２１によって操作者の視覚が遮られる場合には、荷役車両１０の左右方向からパレットを覗き込むような姿勢になることも想定できる。

上記したように、学習データＤ４として、操作値データＤ５と、視覚データＤ６とを用いることで、荷役車両１０に関する状態がどのような状態の場合に、荷役車両１０の操作者がどのような場所に注目していたかをモデル８１に反映できる。即ち、荷役車両１０に関する状態がどのような状態の場合に、画像データＤ２のどの箇所に注目して特徴量ベクトルを抽出すればよいかを学習できる。また、学習データＤ４として、姿勢データＤ７を用いることで、荷役車両１０に関する状態がどのような状態の場合に、荷役車両１０の操作者がどのような姿勢だったかをモデル８１に反映できる。モデル８１は、操作値データＤ１、画像データＤ２、及び姿勢データが入力データとして入力されることによって、荷役車両１０に関する状態に応じた状態ＩＤを出力データとして出力する写像を規定するといえる。

学習データＤ４によって学習を行った後には、学習モデル９０のうちエンコーダ９１、及び状態推定部９２をモデル８１として用いる。
＜対応データの生成方法＞
対応データ８８の生成は、モデル８１を生成した後に行われる。上記したようにモデル８１を生成することによって、状態ベクトルに状態ＩＤを対応付けた状態ＩＤマップを得ることができる。この状態ＩＤは、荷役車両１０に関する状態に応じた固有のＩＤである。状態ＩＤが、荷役車両１０に関する状態のうち、どのような状態に対応するかは、例えば、人が学習データＤ４を確認することによって把握できる。そして、状態ＩＤに、当該状態ＩＤに対応する荷役車両１０に関する状態を対応付けることで、対応データ８８を生成することができる。

［本実施形態の作用］
車両の動作中には、車両自体や車両の周辺環境に応じて車両に関する状態が変化する。特に、荷役車両１０の荷役動作中には、荷役対象によって異常状態が生じるおそれがある。荷役車両１０の操作者であれば、これらの異常状態に気付き得る。本実施形態では、異常状態が生じている場合に、荷役車両１０の操作者がどのような場所に注目しているかを利用して異常状態の特定を行っている。操作値データＤ５及び視覚データＤ６は、荷役車両１０に関する状態との相関がある。これらを学習データＤ４として得られたモデル８１は、操作者がどのような場所に注目して、荷役車両１０に関する状態を把握したかを表しているといえる。

操作値データＤ１及び画像データＤ２を入力データＤ３とすることで、制御装置７１は、荷役車両１０に関する状態に応じた状態ＩＤを取得できる。特に、上記のように生成されたモデル８１を用いることによって、操作値データＤ１と画像データＤ２の位置との関連度に基づいて特徴量ベクトルを抽出することができる。即ち、画像データＤ２のうち、荷役車両１０に関する状態との関連度が高い場所に注目して特徴量ベクトルを抽出することができる。

［本実施形態の効果］
（１）制御装置７１は、操作値データＤ１、及び画像データＤ２を入力データＤ３として写像に入力している。これにより、制御装置７１は、荷役車両１０に関する状態に応じた状態ＩＤを出力データとして得ることができる。対応データ８８は、状態ＩＤと荷役車両１０に関する状態とを対応付けている。制御装置７１は、状態ＩＤと対応データ８８から、荷役車両１０に関する異常状態を特定できる。

（２）荷役車両１０は、港湾、商業施設、又は工場等、多様な場所で使用される。また、パレットの種類や積荷の種類もユーザーによって異なり得る。このため、入力データＤ３として未知のデータが入力されやすい。機械学習済みのモデル８１によって規定される写像を用いて状態ＩＤを出力することによって、入力データＤ３として未知のデータが入力された場合であっても、荷役車両１０に関する異常状態を特定することができる。

（３）モデル８１は、離散化層８７を備える。離散化層８７は、特徴量ベクトルを離散値である状態ベクトルに変換する。時系列データである入力データＤ３を離散値に変換することができる。これにより、時系列データを荷役車両１０に関する状態に対応する状態ＩＤに分類することができる。

（４）モデル８１は、自己教師あり学習によって生成されている。教師あり学習によってモデルを生成する場合、学習データＤ４にラベル付けをする必要がある。これに対して、自己教師あり学習であれば、状態ＩＤに荷役車両１０に関する状態を対応付ければよいため、ラベル付けをする場合に比べて、手間を低減できる。

（５）操作者による手動での動作が行われている場合であっても、制御装置７１は、荷役車両１０に関する異常状態を特定できる。制御装置７１が操作者に異常状態であることの通知を行う場合、操作者は、荷役車両１０に関する異常状態を見落としている場合であっても、異常状態を認識できる。

［変更例］
実施形態は、以下のように変更して実施することができる。実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。

○車両は荷役車両１０とは異なっていてもよい。例えば、車両は、乗用車、牽引車、搬送車であってもよい。荷役車両１０は、カウンタ式のフォークリフトであってもよい。このように、車両の種類は、適宜変更してもよい。この場合、車両の種類毎に、個別のモデル８１を生成する。例えば、カウンタ式のフォークリフトであれば、ディレクションセンサ５１に代えてアクセルセンサの操作値を示すデータ用いてモデルを生成すればよい。

○荷役車両１０は、アタッチメントを備えていてもよい。この場合、荷役車両１０がアタッチメントを操作するアタッチメント操作部を備える場合、アタッチメント操作部の操作値を示すデータを学習データＤ４に含めることが好ましい。アタッチメントとしては、例えば、フォーク２６を左右方向に移動させるサイドシフト装置、及び円筒状の荷をクランプするクランプ装置を挙げることができる。

○異常検知装置７０を備える荷役車両１０は、自動での動作のみが行える荷役車両であってもよい。この場合、学習データＤ４の取得は、操作部４０及びセンサ５０を備える荷役車両を用いて行えばよく、異常検知装置７０を備える荷役車両１０は、操作部４０及びセンサ５０を備えていなくてもよい。

○異常検知装置７０を備える荷役車両１０は、手動での動作のみが行える荷役車両であってもよい。
○図８に示すように、荷役車両１０は、姿勢センサ５８を備えていてもよい。姿勢センサ５８としては、例えば、操作者を撮像するカメラ、又は深度センサを用いることができる。姿勢センサ５８は、姿勢データを検知する。姿勢データは、姿勢データＤ７と同様のデータである。異常検知制御を実行する際には、制御装置７１は、操作値データＤ１、画像データＤ２、及び姿勢センサ５８から取得した姿勢データを入力データＤ３とする。この場合、荷役車両１０は、荷役車両１０に搭乗した操作者によって操作される。即ち、実施形態に記載の荷役車両１０、あるいは、手動での動作のみが行える荷役車両である。入力データＤ３として姿勢データを用いることで、異常検知装置７０が異常状態を特定する精度を向上させることができる。

○荷役車両１０のユーザーに応じて追加学習を行ったモデル８１を用いてもよい。荷役車両１０は、港湾、商業施設、又は工場等、多様な場所で使用される。また、パレットの種類や積荷の種類もユーザーによって異なり得る。このため、荷役車両１０には、ユーザーによる独自の異常状態が生じ得る。学習データＤ４として、ユーザーが荷役車両１０を使用した際の操作値データＤ５、視覚データＤ６、及び姿勢データＤ７を用いて追加学習を行うことで、ユーザーに応じたモデル８１を得ることができる。

○荷役車両１０に関する状態として、走行動作に関する状態が含まれていてもよい。走行動作に関する状態としては、例えば、障害物によって荷役車両１０が走行不能である等の走行動作に関する異常状態が含まれていてもよい。荷役車両１０が、特定条件が成立した場合に車速制限を行う場合、走行動作に関する状態として、車速制限状態が含まれていてもよい。特定条件としては、例えば、荷役車両１０が特定の場所を走行していることや、特定の障害物を検知していることを挙げることができる。特定の障害物としては、例えば、人を挙げることができる。

○学習データＤ４は、操作値データＤ５、及び視覚データＤ６のみであってもよい。この場合、モデル８１は、操作値データＤ１、及び画像データＤ２が入力データとして入力されることによって、荷役車両１０に関する状態に応じた状態ＩＤを出力データとして出力する写像を規定する。

○モデル８１は、教師なし学習によって生成されていてもよい。例えば、学習データＤ４からグループ構造を抽出するアルゴリズムを用いて、学習データＤ４をグループに分類すればよい。このグループを状態ＩＤとし、対応データ８８によって状態ＩＤと荷役車両１０に関する状態とを対応付ければよい。

○カメラ５７は、異常検知制御とは異なる用途に兼用されてもよい。例えば、車両制御装置６３が荷役車両１０の自動での動作を行う際に、画像データＤ２を用いて制御を行ってもよい。例えば、車両制御装置６３は、画像データＤ２を用いてパレットとフォーク２６との位置合わせを行ってもよい。

○荷役車両１０は、遠隔操作されるものであってもよい。この場合、操作者は、荷役車両１０から離れた遠隔地で荷役車両１０の操作を行う。操作者は、荷役車両１０に設けられたカメラによって撮像された画像を視認しながら、荷役車両１０の操作を行う。この際のカメラとして、カメラ５７を用いてもよい。

○対応データ８８は、状態ＩＤと荷役車両１０に関する異常状態とを対応付けたものであればよい。従って、対応データ８８によって状態ＩＤに対応付けられる状態は、正常状態を含んでいなくてもよい。

○補助記憶装置７４に代えて、記憶部７３にモデル８１、及び対応データ８８を記憶してもよい。この場合、記憶部７３が記憶装置である。制御装置７１が、異常検知装置７０である。モデル８１及び対応データ８８のうち一方が記憶部７３に記憶され、他方が補助記憶装置７４に記憶されてもよい。この場合、記憶部７３及び補助記憶装置７４が記憶装置である。

○異常検知装置は、荷役車両１０が備えていなくてもよい。例えば、異常検知装置は、荷役車両１０が運用される場所、あるいは、荷役車両１０が運用される場所から離れた遠隔地に設けられていてもよい。この場合、荷役車両１０及び異常検知装置のそれぞれは、通信装置を備える。通信装置は、無線LAN、Zigbee（登録商標）、LPWA（Low Power Wide Area）、又は移動通信システム等、任意の無線通信方式で通信を行うことが可能な通信機器である。この場合、車両制御装置６３は、操作値データ、及び画像データを通信装置によって異常検知装置に送信する。異常検知装置は、操作値データ、及び画像データを通信装置で受信することによって操作値データ、及び画像データを取得する。そして、異常検知装置は、荷役車両１０から取得した操作値データ、及び画像データを用いてステップＳ３～ステップＳ６の処理を実行する。この場合、異常検知装置は、検知結果を荷役車両１０に送信してもよい。

○異常検知装置は、荷役車両１０が備える第１装置と、荷役車両１０が運用される場所、あるいは、荷役車両１０が運用される場所から離れた遠隔地に設けられた第２装置と、を備えていてもよい。第１装置、及び第２装置のそれぞれは、例えば、実施形態の異常検知装置と同様のハードウェア構成を備える。第１装置、及び第２装置のそれぞれは、通信装置を備える。第１装置は、ステップＳ３～ステップＳ５のうち一部の処理を行う。第２装置は、第１装置が行った処理以降の処理を行う。例えば、第１装置は、ステップＳ１～ステップＳ３の処理を行うことで入力データＤ３を生成する。第１装置は、入力データＤ３を通信装置によって第２装置に送信する。第２装置は、通信装置によって入力データＤ３を受信する。第２装置は、入力データＤ３を用いてステップＳ４～ステップＳ６の処理を行う。この場合、第２装置は、検知結果を第１装置に送信してもよい。

Ｄ１…操作値データ、Ｄ２…画像データ、Ｄ３…入力データ、１０…車両としての荷役車両、５７…カメラ、５８…姿勢センサ、７０…異常検知装置、７１…制御装置、７４…記憶装置である補助記憶装置、８１…モデル、８３…特徴量抽出部、８７…離散化層、８８…対応データ。

Claims (5)

1. 車両に関する異常を検知する異常検知装置であって、
   前記異常検知装置は、
   制御装置と、
   記憶装置と、を備え、
   前記記憶装置は、
   前記車両の操作値データ及び画像データが入力データとして入力されることによって、前記車両に関する異常状態に応じた状態ＩＤを出力データとして出力する写像を規定する写像データと、
   前記状態ＩＤに前記車両に関する異常状態を対応付けた対応データと、を記憶しており、
   前記制御装置は、
   前記操作値データを取得し、
   前記車両が備えるカメラから前記画像データを取得し、
   前記操作値データ、及び前記画像データを前記入力データとして前記写像に入力することによって前記状態ＩＤを取得し、
   前記写像から取得した前記状態ＩＤ及び前記対応データから前記車両に関する異常状態を特定する、異常検知装置。
2. 前記車両は荷役車両であり、
   前記車両に関する異常状態は、荷役動作に関する異常状態を含む、請求項１に記載の異常検知装置。
3. 前記写像データは、機械学習済みのモデルであり、
   前記モデルは、
   前記入力データから特徴量ベクトルを抽出する特徴量抽出部と、
   前記特徴量ベクトルを、前記状態ＩＤに紐付く離散値に変換する離散化層と、を備える、請求項１又は請求項２に記載の異常検知装置。
4. 前記車両は、前記車両に搭乗した操作者によって操作される車両であり、
   前記写像は、前記操作値データ、前記画像データ及び前記操作者の姿勢に関する姿勢データが前記入力データとして入力されることによって、前記状態ＩＤを前記出力データとして出力し、
   前記制御装置は、
   前記車両が備える姿勢センサから前記姿勢データを取得し、
   前記操作値データ、前記画像データ、及び前記姿勢データを前記入力データとする、請求項１又は請求項２に記載の異常検知装置。
5. 請求項１に記載の異常検知装置を備える車両。

Images