JP2024030429A - 自律制御システム - Google Patents

Abstract

【課題】周囲の移動体の挙動の予想が困難な場合でも車両を効率的かつ安全に運転する。【解決手段】自律制御システムは、制御対象の位置を算出し、非制御対象の属性を識別し、非制御対象の位置を算出し、非制御対象の属性に対応する非制御対象の移動予測軌道からの非制御対象の移動軌道の逸脱度合いを評価し、非制御対象の属性と移動予測軌道からの逸脱度合いとに基づき、制御対象の行動に関する安全基準を決定し、制御対象の位置と非制御対象の位置と安全基準とに基づき、安全基準が高くなるほど制御対象が非制御対象に接近しなくなるように制御対象の行動を修正する。【選択図】図１

Description

本発明は、自律制御システムに関する。

近年、交通事故や交通渋滞を軽減するために、自動運転技術の開発が進んでいる。自動運転技術は労働力不足が深刻な物流産業においても期待を集めている。一般道路で集荷、配送を行うトラックだけでなく、工場や倉庫内で物品を収集、格納するために利用されるフォークリフトや、AGV(Automatic Guided Vehicle)やAMR(Autonomous Mobile Robot)と呼ばれる搬送ロボット、工程間搬送車両など自動運転技術の展開先は多岐にわたる。

完全自動化された大型物流倉庫を除き、自動運転技術は人（主に歩行者）や非自動化車両（例えば、作業員が操作するフォークリフト）が混在する環境で利用される。このため、自動運転車両は歩行者や非自動化車両と接触しないように安全機能を有する必要がある。

一般に、このような安全機能を実現するには、歩行者や非自動化車両が動くであろう軌道を予測し、その予測軌道と自車両が接触しないように、自動運転車両の制御を行う。

非自動化車両は主にその運動が非ホロノミック拘束に支配されるため、真横に移動することや突然の方向転換もできないのに対して、歩行者は様々な方向に自在に行動できるため、予測軌道を算出すること自体が容易ではない。

このような課題に対して、特許文献１には、記録している過去の移動体（歩行者を含む）の軌道情報を利用して、移動体が自動運転車両の計画経路上にいる確率（特許文献中、予測情報）を算出する機能を持たせることで、予測が困難な歩行者を含む環境での安全運転を支援する運転支援システムが提示されている。

特開２０１６－５３８４６号公報

特許文献１では、移動体の予測情報を生成するために、過去の移動体の軌道を記録した多くの情報が必要になる。このため、この記録（データベース）が不十分である場合には、適切な予測情報を提供することができない。そして、適切な予測情報が得られない場合、十分な安全運転機能を提供することが困難になることが予想される。

本発明は以上のような課題を解決するために発案したものであり、周囲の移動体の挙動の予想が困難な場合でも車両を効率的かつ安全に運転可能な自律制御システムを提供することを目的としている。

本発明の一態様による自律制御システムは、行動を制御可能な移動体である制御対象と、行動を制御できない移動体である非制御対象とが混在する領域において、前記制御対象と前記非制御対象とが接触しないように前記制御対象の行動を制御する自律制御システムであって、前記制御対象の位置を算出する制御対象位置算出部と、前記非制御対象の属性を識別する対象識別部と、前記非制御対象の位置を算出する非制御対象位置算出部と、前記対象識別部により識別された前記非制御対象の属性に対応する前記非制御対象の移動予測軌道からの、前記非制御対象位置算出部により算出された前記非制御対象の移動軌道の逸脱度合いを評価する軌道逸脱評価部と、前記対象識別部により識別された前記非制御対象の属性と、前記軌道逸脱評価部により評価された前記移動予測軌道からの逸脱度合いとに基づき、前記制御対象の行動に関する安全基準を決定する安全基準決定部と、前記制御対象位置算出部により算出された前記制御対象の位置と、前記非制御対象位置算出部により算出された前記非制御対象の位置と、前記安全基準決定部により決定された前記安全基準とに基づき、前記安全基準が高くなるほど前記制御対象が前記非制御対象に接近しなくなるように前記制御対象の行動を修正する行動修正部と、を備える。

本発明によれば、周囲の移動体の挙動の予想が困難な場合でも車両を効率的かつ安全に運転可能な自律制御システムを提供することができる。

図１は、本発明の第１実施形態に係る自律制御システムの機能ブロック図である。 図２は、自律制御システムの制御対象の車両および非制御対象の歩行者を示す模式図である。 図３は、軌道逸脱評価部の機能ブロック図である。 図４は、予測軌道算出部により算出される移動予測軌道の一例を示す模式図である。 図５は、予測軌道と実軌道の例を示す模式図である。 図６は、第１実施形態に係る安全基準決定部による安全基準の決定方法を説明する図である。 図７は、四輪車両の運動制御を説明する模式図である。 図８は、制御対象と非制御対象の位置関係を示す模式図である。 図９は、自律制御システムのコントローラにより実行される処理の流れの一例を示すフローチャートである。 図１０は、第２実施形態に係る自律制御システムが適用された物流倉庫を示す模式図である。 図１１は、搬送ロボットの運動制御を説明する模式図である。 図１２は、第２実施形態に係る安全基準決定部による安全基準の決定方法を説明する図である。 図１３は、関数ｈ（ε（ｋ））と関数ε（ｋ）の関係の一例を示す図である。 図１４は、変形例１に係る自律制御システムの構成を示す図であり、制御対象の移動体である車両および非制御対象の移動体である歩行者を示す。 図１５は、変形例２に係る安全基準決定部による安全基準および自車両の優先度の決定方法を説明する図である。

（第１実施形態）
図１は、本発明の第１実施形態に係る自律制御システムの機能ブロック図である。図１に示す自律制御システムＡ１００および運動制御システムＢ１００は、制御対象の車両に搭載される。自律制御システムＡ１００は、制御対象と非制御対象とが混在する領域において、制御対象の車両の周囲情報を収集し、制御対象の車両以外の移動体（例えば歩行者、他車両など）と制御対象とが接触しないように、制御対象の車両の運動（行動）を運動制御システムＢ１００に制御させる。図１では、本実施形態に係る自律制御システムＡ１００の機能と直接的な関わりがない箇所については図示を省略している。

なお、制御対象の車両は、完全な自動運転車両に限定されない。例えば、通常時は運転者が運転し、緊急時のみ自律制御システムＡ１００による減速、停止等の制御の介入が可能な半自動運転車両であってもよい。また、制御対象車両は、一般公道を走行する車両一台であってもよいし、物流倉庫内を走行する車両（ロボット）であってもよい。

図２は、制御対象の移動体である車両００１および非制御対象の移動体である歩行者００２を示す模式図である。以下では、車道１０を走行する車両００１が自律制御システムＡ１００の制御対象とされ、非制御対象が歩道２０を歩く歩行者００２である場合を主な例として説明する。すなわち、車両００１は自律制御システムＡ１００から行動を制御可能な移動体であり、歩行者００２は自律制御システムＡ１００からは行動を制御できない移動体である。なお、説明を簡単にするため、制御対象および非制御対象がそれぞれ１つの状況を示しているが、本発明は制御対象、非制御対象がともに複数の場合であっても利用可能である。

図１に示すように、運動制御システムＢ１００は、アクチュエータ制御器Ｂ００１およびアクチュエータＢ００２を備える。アクチュエータ制御器Ｂ００１は自律制御システムＡ１００の指示に従って、アクチュエータＢ００２を制御する。アクチュエータＢ００２は、例えば車両のステアリングやアクセル、ブレーキ等に接続される。

図１に示すように、自律制御システムＡ１００は、環境認識器Ａ００１、状態検出器Ａ００２、制御対象位置算出部Ａ００３、対象識別部Ａ００４、非制御対象位置算出部Ａ００５、軌道逸脱評価部Ａ００６、安全基準決定部Ａ００７、および車両運動演算部Ａ００８を備える。制御対象位置算出部Ａ００３、対象識別部Ａ００４、非制御対象位置算出部Ａ００５、軌道逸脱評価部Ａ００６、安全基準決定部Ａ００７、および車両運動演算部Ａ００８は、コントローラＡ１０１により実現される機能である。

コントローラＡ１０１は、例えば、ＣＰＵ（Central Processing Unit）等の処理装置、ＲＯＭ（Read Only Memory）、フラッシュメモリ等の不揮発性メモリ、所謂ＲＡＭ（Random Access Memory）と呼ばれる揮発性メモリ、入出力インタフェース、および、その他の周辺回路を備えたコンピュータで構成される。これらのハードウェアは、協働してソフトウェアを動作させ、複数の機能を実現する。なお、コントローラＡ１０１は、１つのコンピュータで構成してもよいし、複数のコンピュータで構成してもよい。

不揮発性メモリには、各種演算が実行可能なプログラムや閾値等のデータが格納されている。すなわち、不揮発性メモリは、本実施形態の機能を実現するプログラムを読み取り可能な記憶媒体（記憶装置）である。揮発性メモリは、処理装置による演算結果および入出力インタフェースから入力された信号を一時的に記憶する記憶媒体（記憶装置）である。処理装置は、不揮発性メモリに記憶されたプログラムを揮発性メモリに展開して演算実行する装置であって、プログラムに従って入出力インタフェース、不揮発性メモリおよび揮発性メモリから取り入れたデータに対して所定の演算処理を行う。

なお、自律制御システムＡ１００は制御対象（すなわち車両００１）に実装されていなくてもよい。後述する第２実施形態のように、制御対象が移動するエリアが限定的であれば、そのエリア内と通信可能なサーバに演算機能を持たせることも可能である。

環境認識器Ａ００１は、制御対象の周囲の状態を表す環境情報を取得する。環境認識器Ａ００１は、例えば制御対象に搭載されたLiDAR(Light Detection And Ranging)センサやステレオカメラ、ミリ波レーダーなどの外界認識センサである。

状態検出器Ａ００２は、制御対象の状態を表す車両情報（位置、方位、速度など）を取得する。状態検出器Ａ００２は、例えば制御対象の位置情報を取得するGNSS(Global Navigation Satellite System)受信機や、制御対象の加速度と角速度を取得するIMU(Inertial Measurement Unit)などのセンサである。

なお、環境認識器Ａ００１および状態検出器Ａ００２は、必ずしも別々のセンサとは限らない。例えば、制御対象に搭載されたLiDARセンサは環境認識器Ａ００１および状態検出器Ａ００２の両方として機能する。

制御対象位置算出部Ａ００３は、状態検出器Ａ００２で取得した車両情報を統合して、制御対象の位置を算出する。例えば、状態検出器Ａ００２がLiDARである場合、制御対象位置算出部Ａ００３は周知のSLAM(Simultaneous Localization and Mapping)技術を利用して制御対象の位置を推定する。また、状態検出器Ａ００２がGNSS受信機およびIMUであれば、制御対象位置算出部Ａ００３はGNSS受信機から出力される位置情報の更新周期間を周知のセンサフュージョン技術によりIMUで補完して、制御対象の位置を算出する。

対象識別部Ａ００４は、環境認識器Ａ００１で取得した環境情報から周知の画像認識技術やSemantic SLAM技術によって、制御対象の周辺に存在する非制御対象の属性を識別する。

なお、環境認識器Ａ００１および対象識別部Ａ００４が一体であってもよい。例えばステレオカメラやミリ波レーダーには、移動体を識別する機能が備わっていることがある。この場合、環境認識器Ａ００１と対象識別部Ａ００４を陽に分割する必要はない。

対象識別部Ａ００４は、非制御対象の属性として、例えば歩行者、自転車など、移動体の移動に関わる特性を識別する。ここで、移動に関わる特性とは、その移動体の動特性を支配する運動方程式や移動速度の最大値を意味する。歩行者の場合、２次元平面上を自在に動くことができる。一方、車椅子、自転車、スクータ、自動車等の車両は、真横に移動することができないなど、ホロノミック拘束が含まれる。さらに、歩行者であっても、大人、こども、老人で移動速度が異なるため、歩行者をさらに細かく分類した特性を考慮することが望ましい。

非制御対象位置算出部Ａ００５は、対象識別部Ａ００４と同様に、環境認識器Ａ００１で取得した環境情報から周知のSemantic SLAM技術によって、制御対象の周辺に存在する非制御対象の位置を算出する。対象識別部Ａ００４と非制御対象位置算出部Ａ００５は同一の技術によって、同時に処理を実行することができる。つまり、対象識別部Ａ００４による識別処理と非制御対象位置算出部Ａ００５による位置算出処理は、並行処理とすることができる。

図３は、軌道逸脱評価部Ａ００６の機能ブロック図である。軌道逸脱評価部Ａ００６は、予測軌道算出部Ａ００６ａ、実軌道評価部Ａ００６ｂ、および軌道比較部Ａ００６ｃを備える。

軌道逸脱評価部Ａ００６は、非制御対象の属性に対応する非制御対象の移動予測軌道からの、非制御対象の実際の移動軌道（以下、実軌道とも記す）の逸脱度合いを評価する。予測軌道算出部Ａ００６ａは、対象識別部Ａ００４により識別された非制御対象の属性、および、非制御対象位置算出部Ａ００５により所定時間前に算出された非制御対象の位置に基づいて、非制御対象の移動予測軌道を算出する。例えば、非制御対象が歩行者の場合には、後述する式（３ａ）、（３ｂ）の運動方程式に従って現在の位置から数秒後の非制御対象の位置を算出する。また、非制御対象が車両の場合には、後述する式（２ａ）、（２ｂ）の運動方程式に従って現在の位置から数秒後の非制御対象の位置を算出する。実軌道評価部Ａ００６ｂは、非制御対象位置算出部Ａ００５により算出された非制御対象の位置の変化を非制御対象の実際の移動軌道として評価する。軌道比較部Ａ００６ｃは、予測軌道算出部Ａ００６ａにより算出された非制御対象の移動予測軌道と、実軌道評価部Ａ００６ｂにより評価された非制御対象の移動軌道（実軌道）とを比較し、移動予測軌道からの移動軌道（実軌道）の逸脱度合いを評価する。

図４は、予測軌道算出部Ａ００６ａにより算出される移動予測軌道の一例を示す模式図である。図４には、歩行者００２および自転車００５について予測軌道算出部Ａ００６ａが算出した移動予測軌道（以下、単に予測軌道とも記す）を模式的に示してある。

歩行者００２が時刻ｔ０に位置Ｐ０に紙面左方向を向いているとき、予測軌道算出部Ａ００６ａは歩行者００２の位置を、１ステップ後の時刻ｔ１に位置Ｐ１、２ステップ後の時刻ｔ２に位置Ｐ２、３ステップ後の時刻ｔ３に位置Ｐ３、４ステップ後の時刻ｔ４に位置Ｐ４、５ステップ後の時刻ｔ５に位置Ｐ５と予測する。予測軌道算出部Ａ００６ａは、図４に示す予測軌道を確率モデルに基づく予測により算出する。つまり予測軌道算出部Ａ００６ａは、非制御対象の軌道の平均値と分散を算出し、それらを移動予測軌道とする。図４に示す位置Ｐ１～Ｐ５は移動予測軌道の平均値を示し、図示する上限４０および下限３０は移動予測軌道の分散５０により規定される。図４に示したように、移動予測軌道は分散５０により規定される一定の広がりを持つ。一般に、歩行者は直進するだけでなく斜め方向にも横方向にも自在に移動できるため、時刻が進むにつれて軌道の候補範囲が広くなる特徴がある。

自転車００５が時刻ｔ０に位置Ｐ１０に紙面左方向を向いているとき、予測軌道算出部Ａ００６ａは自転車００５の位置を、１ステップ後の時刻ｔ１に位置Ｐ１１、２ステップ後の時刻ｔ２に位置Ｐ１２、３ステップ後の時刻ｔ３に位置Ｐ１３、４ステップ後の時刻ｔ４に位置Ｐ１４、５ステップ後の時刻ｔ５に位置Ｐ１５と予測する。自転車００５は歩行者００２に比べて左右方向の移動が困難であるため、紙面の上下方向に上限４１および下限３１で規定される候補範囲が歩行者００２ほど広がることはない。つまり自転車００５の予測軌道の分散５１は歩行者００２の予測軌道の分散５０に比べて小さくなる。一方、自転車００５は歩行者００２に比べて移動速度が速いため、紙面で左右方向に候補範囲が広がる点に特徴がある。つまり、自転車００５の位置Ｐ１０～Ｐ１５の間隔は、歩行者００２の位置Ｐ０～Ｐ５の間隔に比べて広くなる。

図３に示す実軌道評価部Ａ００６ｂは、非制御対象位置算出部Ａ００５により算出された非制御対象の位置を所定時間分記録することにより、非制御対象の実際の移動軌道（実軌道）を評価する。

軌道比較部Ａ００６ｃは、予測軌道算出部Ａ００６ａにより算出された予測軌道と、実軌道評価部Ａ００６ｂにより評価された実軌道とを比較し、非制御対象の行動指標（行動指向）を評価する。軌道比較部Ａ００６ｃは、次式（１）により評価値を算出する。式（１）においてｋは予測軌道の時刻を、ｚ（ｋ）は予測軌道の時刻ｋにおける座標を、ｘ（ｋ）は実軌道の時刻ｋにおける座標を、ｅ（ｋ）は時刻ｋにおける予測軌道と実軌道の差である軌道偏差をそれぞれ表す。軌道比較部Ａ００６ｃは、式（１）により算出された軌道偏差ｅを、予測軌道からの実軌道の逸脱度合いを表す評価値として用いる。

図５は、予測軌道と実軌道の例を示す模式図である。図５（ａ）は、ある時刻において、予測軌道算出部Ａ００６ａにより算出された歩行者００２（すなわち非制御対象）の予測軌道の候補範囲６０ａを示している。この例では、歩行者が紙面で上方向（矢印６１で示す方向）に移動する状況を想定している。

図５（ｂ）は、歩行者００２の予測軌道の候補範囲６０ｂに対して、歩行者００２の実軌道６２ｂの一例を重ねた様子を示している。歩行者００２の実軌道６２ｂは予測軌道の候補範囲６０ｂの中心（平均）と一致している。つまり、この歩行者００２の行動は予測し易いと判断できる。

図５（ｃ）は、歩行者００２の予測軌道の候補範囲６０ｃに対して、歩行者００２の実軌道６２ｃの一例を重ねた様子を示している。この実軌道６２ｃは予測軌道の候補範囲６０ｃから逸脱している。このような歩行者００２の挙動は、例えば、歩行者００２が泥酔している場合に発生し得るため、歩行者００２の行動は予測しにくい状況にあると言える。

図３に示す安全基準決定部Ａ００７は、対象識別部Ａ００４により識別された非制御対象の属性と、軌道逸脱評価部Ａ００６により評価された移動予測軌道からの逸脱度合い（軌道偏差ｅ）とに基づき、制御対象の行動に関する安全基準を決定する。安全基準決定部Ａ００７は、標準的な安全基準である「標準」と、もっとも安全性の高い安全基準である「最安全」という２種類の安全基準を用いる。これらの安全基準は、それぞれ車両運動演算部Ａ００８（図１参照）による制御対象の運動制御に影響する。詳細は後述するが、車両運動演算部Ａ００８は、安全基準が「最安全」に決定されているとき、安全基準が「標準」に決定されているときに比べて、非制御対象と制御対象との距離のマージンを大きくとった運動制御を行う。また、これら２種類とは別に、「標準」より安全性が高く「最安全」より安全性が低い中間的な安全基準を連続的に利用する。

図６は、安全基準決定部Ａ００７による安全基準の決定方法を説明する図である。安全基準決定部Ａ００７は、軌道比較部Ａ００６ｃにより算出された軌道偏差ｅが大きくなるほど、制御対象の安全な運動制御が行われるように制御内容を変更する。図６では、軌道偏差ｅが閾値ｔｈ１以下のとき安全基準を「標準」に、軌道偏差ｅが閾値ｔｈ２以上のとき安全基準を「最安全」に決定している。なお、閾値ｔｈ２は、閾値ｔｈ１よりも大きい。これらの閾値ｔｈ１、ｔｈ２は予測軌道算出部Ａ００６ａにより算出される予測軌道の分散に従って設計することが望ましい。例えば、分散の平方根である標準偏差σを利用すれば、軌道偏差ｅが予測に対してどの程度の確率で発生する現象なのかを判断しやすい。つまり、ｔｈ１をσとすれば、およそ６８％一致するはずの軌道を逸脱する事態に対応する制御、ｔｈ２を２σとすれば、およそ９５％一致するはずの軌道を逸脱する事態に対応する制御を行うといった設計が可能になる。

なお、図６ではｔｈ１、ｔｈ２のように２つの閾値を持たせ、安全基準を連続的に構成しているが、安全基準はこのような形式に限定されるものではない。例えば、閾値を１つだけ設けて、軌道偏差ｅが閾値未満のとき安全基準を「標準」に決定し、軌道偏差ｅが閾値以上のとき安全基準を「最安全」に決定するようにしてもよい。

上述のとおり、図１に示す本実施形態に係るコントローラＡ１０１は、所定時間（所定ステップ）前に非制御対象（移動体、歩行者）を検出してから予測軌道を算出し、その後、所定時間（所定ステップ）の移動実績としての実軌道を得ることで、予測軌道と実軌道とを比較する。つまり、非制御対象（移動体、歩行者）を検出したタイミングと制御が実施可能になるタイミングが異なる点に注意が必要である。安全性を重視する場合、コントローラＡ１０１は、非制御対象（移動体、歩行者）を検出した時点では、軌道偏差ｅを閾値ｔｈ２以上の初期値に設定しておき、実際に軌道偏差ｅが算出できるようになったら、軌道偏差ｅを初期値から変更することが望ましい。

車両運動演算部Ａ００８は、制御対象位置算出部Ａ００３により算出された制御対象の位置、非制御対象位置算出部Ａ００５により算出された非制御対象の位置、および、安全基準決定部Ａ００７により決定された安全基準に基づき、制御対象の運動制御を行う。

制御対象が半自動運転車両の場合、車両運動演算部Ａ００８は、安全基準が「標準」よりも高くなると、車両速度制御に干渉して、減速、もしくは、停止を行うよう、アクチュエータ制御器Ｂ００１に指示する。アクチュエータ制御器Ｂ００１はこの指示に従い、ブレーキに接続されたアクチュエータＢ００２を駆動する。一方、安全基準が「標準」以下であるときは、運転者の操作に干渉する必要はない。

制御対象車両が自動運転車両の場合、車両運動演算部Ａ００８は車両運動全般に関する制御機能も併用する。

図７は、四輪車両の運動制御を説明する模式図である。制御対象が図７に示す四輪車両００６の場合、車両の位置の座標（ｘ，ｙ）と方位角θをまとめたベクトルｐ＝［ｘ ｙ θ］を考えると、簡易ダイナミクスを次式（２ａ）、（２ｂ）で与えることができる。方位角θは、基準方位と車両の前後方向に延在する軸とのなす角に相当する。なお、式（２ａ）においてＬは図７に示す通り、車両の前輪と後輪との間の距離である。また、式（２ａ）、（２ｂ）における制御入力ｕｃは車両速度ｖとステアリング角度φである。

一方、非制御対象が歩行者である場合、歩行者の位置の座標（ｘｕ，ｙｕ）をまとめたベクトルｑ＝［ｘｕ ｙｕ］を考えると、非制御対象の簡易ダイナミクスは次式（３ａ）、（３ｂ）で与えることができる。式（３ａ）、（３ｂ）は非制御対象が歩行者であることを前提として、位置座標がｘ，ｙいずれの方向にも自在に動作できるモデルを仮定している。式（３ａ）、（３ｂ）における制御入力ｕｕは、非制御対象の速度ｖのｘ方向成分ｖｘおよびｙ方向成分ｖｙである。なお、非制御対象が車両の場合、式（２ａ）、（２ｂ）と同じ形式の運動方程式を利用することになる。

上式（２ａ）および（２ｂ）、ならびに式（３ａ）および（３ｂ）それぞれの微分方程式は、サンプリング周期Δｔを用いて次式（４ａ）、（４ｂ）のように離散化することができる。ここで、ｐ（ｋ）は時刻ｋ（演算ステップｋ）における制御対象の状態ベクトルであり、ｐ（ｋ＋１）はその次の時刻ｋ＋１（次の演算ステップｋ＋１）における制御対象の状態ベクトルである。同様に、ｑ（ｋ）は時刻ｋ（演算ステップｋ）における非制御対象（歩行者）の状態ベクトルであり、ｑ（ｋ＋１）はその次の時刻ｋ＋１（次の演算ステップｋ＋１）における非制御対象（歩行者）の状態ベクトルである。

まず、安全基準が「標準」のとき、つまり、非制御対象が予測軌道の範囲に従っているときの車両運動演算部Ａ００８による制御内容について説明する。制御対象の動きは上式（４ａ）に従って予測することができる。また、非制御対象の動きは上式（４ｂ）に従って予測することができる。環境認識器Ａ００１および非制御対象位置算出部Ａ００５によって、現在時刻ｋ０における非制御対象の位置（ｘｕ，ｙｕ）と速度（ｖｘ，ｖｙ）が利用できるものとする。このとき、非制御対象の位置の分散は次式（５）に従って変化していく。ここで、Ｐは非制御対象の位置の分散行列であり、Ｑｗはプロセス雑音の分散である。

また、環境認識器Ａ００１によって、非制御対象の大まかなサイズが取得できており、非制御対象を半径ｒの円で囲むことができるとする。もし、非制御対象のサイズ（半径ｒ）が取得できなかった場合、対象識別部Ａ００４が、識別した非制御対象の属性（歩行者、自転車など）に従って半径ｒを設定してもよい。例えば、対象識別部Ａ００４は、非制御対象の属性が歩行者の場合には半径ｒを１．５メートルに設定し、非制御対象の属性が自転車の場合には半径ｒを２メートルに設定する。

一方、制御対象の全長をｌｃ、全幅をｗｃとした場合、制御対象は次式（６）に示す半径ｒｃの円で囲むことができる。

図８は、制御対象と非制御対象の位置関係を示す模式図である。以上の仮定より、非制御対象と制御対象は図８に示す位置関係、つまり、次式（７ａ）、（７ｂ）、（７ｃ）を満足する限りお互いが接触することは無いと言える。なお、式（７ａ）、（７ｂ）におけるｄｐｑは制御対象の中心と非制御対象の中心とを結ぶ線分の長さ、すなわち制御対象と非制御対象との間の距離に相当する。また、式（７ｃ）におけるｒａは、非制御対象の予測軌道に対する不確定性を考慮した半径の増加分であり、非制御対象の位置の分散行列Ｐから算出される標準偏差に相当する。αは調整パラメータ（０より大きい）である。例えばα＝２とすれば、予測軌道が正しいという仮定の下、９５％の確率で接触しないという設計になる。

制御対象を自動制御するには、車両の位置が目標軌道ｐｒ＝［ｘｒ ｙｒ θｒ］に追従するように制御を行えばよい。例えば、一般公道を走行する車両の場合、現在の車両位置から数メートル先の車道の中心に目標軌道を設ければよい。

このような追従制御にはモデル予測制御の考えを用いるのが好適である。つまり、次式（８）の評価関数Ｊを拘束条件（７ａ）、（７ｂ）、（７ｃ）を満足するという制約条件の下、最小化するように制御入力ｕｃを求める制御問題として定式化することができる。なお、Ｑ，Ｒは重み行列、Ｎｐは予測ステップである。以上は、一般的なモデル予測制御の定式化であるため、詳細な説明は省略する。

次に、安全基準が「標準」よりも低いとき、つまり、非制御対象が予測軌道を逸脱しているが、安全な軌道をとっているときの車両運動演算部Ａ００８による制御内容について説明する。

このような状況では、制御対象である車両が移動速度を上げても安全性を維持することが可能になる。よって、モデル予測制御に利用する評価関数（式（８））における重みＱを大きくし、制御対象車両の目標軌道への追従性を上げればよい。あるいは、重みＲを小さくし、より大きな制御入力ｕｃの発生を許容してもよい。

なお、安全基準が「標準」よりも低い時には、安全基準が「標準」の時と同じ制御内容としてもよい。

つぎに、安全基準が「標準」よりも高いとき、つまり、非制御対象が予測軌道を逸脱し、かつ、危険な軌道をとっているときの車両運動演算部Ａ００８による制御内容について説明する。

非制御対象の挙動は予測できていないが、そのダイナミクスは式（４ｂ）に従うと仮定する。さらに、対象識別部Ａ００４において、非制御対象の属性（歩行者、自転車など）を識別できていると仮定する。車両運動演算部Ａ００８はこの属性に従って非制御対象の移動速度の最大値を設定する。例えば、非制御対象が歩行者に属する場合は移動速度の最大値を時速５キロメートル、自転車に属する場合は移動速度の最大値を時速２０キロメートルとする。なお、非制御対象の属性を識別できなかった場合、車両運動演算部Ａ００８は移動速度の最大値を非制御対象が存在する場所に応じた上限値に設定する。例えば、非制御対象が歩道上に存在すれば、移動速度の最大値を自転車相当の時速２０キロメートルとする。また、非制御対象が車道上に存在すれば、移動速度の最大値を一般車両相当の時速６０キロメートルとする。

安全基準が標準よりも高いときは、制御対象の制御入力ｕだけでなく、非制御対象の制御入力ｕｕも計算するモデル予測制御を考える。ただし、非制御対象は制御できないため、モデル予測制御で算出した非制御対象の制御入力ｕｕを実際に利用することはない。

安全基準が標準よりも高いときは、モデル予測制御で扱う評価関数の一例として、次式（９ａ）を与える。式（９ａ）の評価関数Ｊ´は、式（８）で表される評価関数Ｊに式（９ｂ）で表される評価関数Ｊｐを付与した形になっている。ここで、Ｑｕ，Ｒｕは重み行列である。

上式（９ｂ）が与えられることにより得られる効果を説明する。まず、式（９ｂ）の第一項は制御対象と非制御対象の距離ｄｐｑの積に重み行列Ｑｕをかけたものである。つまり、評価関数Ｊｐを最小化するということは、制御対象と非制御対象の距離ｄｐｑを最小化するということである。そして第二項は非制御対象の制御入力ｕｕ（非制御対象の速度ｖ）の積に重み行列Ｒｕをかけたものであり、さらに、その値に－１をかけて負の値にしている。つまり、評価関数Ｊｐを最小化するということは、非制御対象の制御入力ｕｕ（非制御対象の速度ｖ）を最大化するということである。以上の効果を合わせると、新たに追加した評価関数Ｊｐは、非制御対象が制御対象に最速で近づくことを仮定した問題設計になる。このような問題設計の下、式（７ａ）、（７ｂ）、（７ｃ）の拘束条件を考慮して制御対象の制御入力ｕｃを算出すれば、非制御対象が危険行動をとる可能性を考慮しつつ、それを回避するような安全な運動を実行させる指令を生成できる。

なお、上述の通り、非制御対象を検知した直後で予測軌道と実軌道の比較ができない場合も本制御動作が採用される。ただし、環境認識器Ａ００１の検知範囲が十分に広ければ、制御対象と非制御対象とが十分に離れているため、式（９ｂ）を考慮しても、拘束条件（７ａ）、（７ｂ）、（７ｃ）を逸脱するような挙動は発生しにくい。つまり、安全基準が「標準」である場合、式（８）を利用した場合と同じような挙動が生成されることが多い。

なお、安全基準決定部Ａ００７が閾値を１つだけ用いて安全基準を離散的に決定する場合、車両運動演算部Ａ００８は、式（８）により表される評価関数Ｊを最小化するモデル予測制御と、式（９ａ）により表される評価関数Ｊ´を最小化するモデル予測制御とを切り替えればよい。また、安全基準決定部Ａ００７が図６に示したように、軌道偏差ｅが閾値ｔｈ１を超えた状況から徐々に安全基準を高める場合、車両運動演算部Ａ００８は、調整変数β（０≦β≦１）を利用した次式（１０）で表される評価関数Ｊ´を最小化するモデル予測制御を利用すればよい。つまり、軌道偏差ｅが閾値ｔｈ１以下の場合にはβ＝０とすれば、式（１０）は式（８）と一致する。一方、軌道偏差ｅが閾値ｔｈ２以上の場合にはβ＝１とすれば、式（１０）は式（９ａ）と一致する。また、軌道偏差ｅが閾値ｔｈ１よりも大きく閾値ｔｈ２未満の場合には、軌道偏差ｅが大きくなるほど調整変数βを大きくすることで、式（８）と式（９ａ）の中間的な挙動が実現される。

運動制御システムＢ１００のアクチュエータ制御器Ｂ００１は、計算された制御入力ｕｃ、すなわち、車両速度ｖおよびステアリング角度（操舵角）φを実現するように、アクチュエータＢ００２を制御し、アクセル開度やステアリングを変更する。

図９は、自律制御システムのコントローラＡ１０１により実行される処理の流れの一例を示すフローチャートである。図９に示す処理は、所定の制御周期で繰り返し実行される。図９に示すように、ステップＳ０１において、コントローラＡ１０１は、環境認識器Ａ００１および状態検出器Ａ００２から検出値を取得し、メモリに記憶されている検出値を更新する。ステップＳ０２において、コントローラＡ１０１は、環境認識器Ａ００１により非制御対象である移動体が検出されたか否かを判定する。環境認識器Ａ００１により非制御対象が検出された場合、処理はステップＳ０３に遷移する。他方、環境認識器Ａ００１により非制御対象が検出されなかった場合、処理はステップＳ１０に遷移する。この場合、車両運動演算部Ａ００８は、制御対象のみを考慮した制御動作を実施する。つまり、拘束条件（７ａ）、（７ｂ）、（７ｃ）を考慮せずに式（８）を最小化するようモデル予測制御を行う。

ステップＳ０３において、対象識別部Ａ００４は、環境認識器Ａ００１から取得した環境情報に基づき非制御対象の識別を行う。対象識別部Ａ００４は、この識別結果に従って、非制御対象の移動速度限界（制御入力ｕｕの最大値）と非制御対象のサイズ（半径ｒ）とを決定する。ステップＳ０４において、予測軌道算出部Ａ００６ａは、ステップＳ０３において識別した非制御対象の属性に従って、非制御対象の予測軌道を算出する。

ステップＳ０５において、実軌道評価部Ａ００６ｂは、非制御対象が実際にとった移動軌道（実軌道）を算出する。ステップＳ０６において、軌道比較部Ａ００６ｃは、ステップＳ０２で非制御対象が検出された時刻から所定時刻が経過しているか否かを判定する。実軌道が短すぎる場合、予測軌道と実軌道の比較ができないため、ステップＳ０５でこのような判定が実施される。所定時間が経過していない場合、処理はステップＳ０７に遷移する。一方、所定時間が経過している場合、処理はステップＳ０８に遷移する。
ステップＳ０７に遷移した場合、実軌道が短すぎて予測軌道と実軌道の比較が実施できないため、軌道比較部Ａ００６ｃは軌道偏差ｅを所定の初期値（閾値ｔｈ２以上の値）に設定する。ステップＳ０８に遷移した場合、軌道比較部Ａ００６ｃは予測軌道と実軌道を比較して軌道偏差ｅを算出する。

ステップＳ０９において、安全基準決定部Ａ００７は、ステップＳ０７において設定された、もしくはステップＳ０８において算出された軌道偏差ｅに従って、安全基準を決定し、利用するモデル予測制御の方式を決定する。ステップＳ１０において、車両運動演算部Ａ００８は、ステップＳ０９において決定されたモデル予測制御の方式に従って制御対象車両の制御入力ｕｃを算出する。ステップＳ１１において、車両運動演算部Ａ００８は、ステップＳ１０で算出された制御入力ｕｃを実現するようにアクチュエータ制御器Ｂ００１に制御指示を与える。アクチュエータ制御器Ｂ００１は、この制御指示に従って各アクチュエータＢ００２の制御を実施する。

上述した実施形態によれば、次の作用効果を奏する。

（１）軌道逸脱評価部Ａ００６は、非制御対象の属性に対応する非制御対象の移動予測軌道からの、非制御対象の移動軌道の逸脱度合いを評価する。安全基準決定部Ａ００７は、非制御対象の属性と、移動予測軌道からの逸脱度合いとに基づき、制御対象の行動に関する安全基準を決定する。車両運動演算部Ａ００８（行動修正部）は、制御対象の位置と、非制御対象の位置と、安全基準とに基づき、安全基準が高くなるほど制御対象が非制御対象に接近しなくなるように制御対象の行動を修正する。このようにしたので、周囲の移動体の挙動の予想が困難な場合でも、自動運転車両もしくは半自動運転車両を効率的かつ安全に運転することができる。

（２）予測軌道算出部Ａ００６ａは、非制御対象の属性と、所定時間前に算出された非制御対象の位置とに基づいて、軌道の平均値と分散とを算出し非制御対象の移動予測軌道とする。実軌道評価部Ａ００６ｂは、非制御対象の位置の変化を非制御対象の移動軌道として評価する。軌道比較部Ａ００６ｃは、非制御対象の移動予測軌道からの、非制御対象の移動軌道の逸脱度合いを評価する。このようにしたので、非制御対象の属性に応じて移動予測軌道の範囲を的確に定めることができる。

（３）予測軌道算出部Ａ００６ａは、非制御対象の属性に基づき、非制御対象が従う運動方程式、非制御対象の移動速度の最大値、および非制御対象のサイズを用いて非制御対象の予測軌道を算出する。このようにしたので、非制御対象の属性に応じて予測軌道を精度良く算出することができる。

（第２実施形態）
図１０は、第２実施形態に係る自律制御システムが適用された物流倉庫を示す模式図である。倉庫１００内には搬送ロボット１０１ａ，１０１ｂ，１０１ｃが計３台配置されている。搬送ロボット１０１ａ，１０１ｂ，１０１ｃは、作業員とともに搬送作業を行う。本実施形態では、搬送ロボット１０１ａ，１０１ｂ，１０１ｃが制御対象であり、作業員等の歩行者１０２ａ，１０２ｂが非制御対象である。以下の説明において、搬送ロボット１０１ａ，１０１ｂ，１０１ｃを搬送ロボット１０１と総称する。同様に、歩行者１０２ａ，１０２ｂを歩行者１０２と総称する。

倉庫１００内には複数のインフラセンサ１０３が備えられている。複数のインフラセンサ１０３は、倉庫１００内に存在する移動体を監視する。複数のインフラセンサ１０３による監視情報は、無線通信用のアクセスポイント１０４を介してサーバ１０５に展開される。サーバ１０５は倉庫１００内の搬送ロボット１０１の移動制御計画を算出する機能を有しており、本第２実施形態に係る自律制御システムの演算機能を担う。サーバ１０５は、第１実施形態で説明したコントローラＡ１０１と同様のハードウェア（処理装置、揮発性メモリ、不揮発性メモリ等）を備える。サーバ１０５と搬送ロボット１０１は双方向の通信を行う。すなわち、サーバ１０５は搬送ロボット１０１が取得したセンサ情報を受信し、搬送ロボット１０１はサーバ１０５から行動計画を受信する。搬送ロボット１０１はLiDARセンサ、IMU、エンコーダなど環境認識器Ａ００１および状態検出器Ａ００２に相当するセンサを備えている。

図１１は、搬送ロボット１０１の運動制御を説明する模式図である。搬送ロボット１０１は差動二輪方式で駆動される。各々の搬送ロボット１０１に割り付けられたＩＤに対応する添え字ｉを利用して、搬送ロボット１０１の位置の座標（ｘｉ，ｙｉ）、方位角θｉをまとめたベクトルｐｉ＝［ｘｉ ｙｉ θｉ］で与えた場合、搬送ロボット１０１は次式（１１）の運動方程式に従う。式（１１）において、ｖｉは搬送ロボット１０１の速度であり、ωｉは搬送ロボット１０１の角速度であり、ｕｃ，ｉは搬送ロボット１０１の制御入力である。

歩行者１０２にもインフラセンサ１０３で認識した順にＩＤが割り付けられる。各ＩＤに対応する添え字ｊを利用して、歩行者１０２の位置の座標（（ｘｕ，ｊ），（ｙｕ，ｊ））をまとめたベクトルｑｊ＝［ｘｕ，ｊ ｙｕ，ｊ］で与えた場合、歩行者１０２は次式（１２）の運動方程式に従う。式（１２）において、ｖｘ，ｉは歩行者１０２の速度ｖのｘ方向成分であり、ｖｙ，ｊは歩行者１０２の速度ｖのｙ方向成分であり、ｕｕ，ｊは歩行者１０２の制御入力である。

上述の第１実施形態と同様に、環境認識器Ａ００１に相当するインフラセンサ１０３もしくは搬送ロボット１０１に搭載されたLiDARセンサが非制御対象（歩行者）を検知すると、対象識別部Ａ００４によって非制御対象の属性（移動特性）が識別される。

一般公道と異なり、物流倉庫のような限定エリアの場合、倉庫内を移動するロボットや車両（人が操作するフォークリフトを含む）の行動は、倉庫を運用するＷＭＳ（Warehouse Management System）で管理されている。このため、制御対象が検知した非制御対象の位置とＷＭＳが管理している車両の業務状況とを紐づけることで、非制御対象の属性（移動特性）を識別してもよい。

同じく、物流倉庫のような限定エリアの場合、上記のＷＭＳを利用した属性の識別で対応がつかない非制御対象の大部分は歩行者に分類される。ただし、同じ歩行者の分類であっても、限定エリアにおいては、さらに細かい分類を行うことが可能になる。

例えば、一般に、勤続年数が長い社員のほうが倉庫の運用を熟知しており、危険な行動をとりにくい。同様に、期間限定で働いているアルバイトやパートの作業員は倉庫の運用に慣れていないため、危険な行動をとりやすい。また、倉庫を見学に来た一般人は搬送ロボット１０１を見たこともないため、さらに危険な行動をとることが予想される。

以上のような分類は、インフラセンサ１０３やLiDARセンサで取得した画像や点群情報から類推することは困難である。しかしながら、限定領域であれば、社員証やゲストカードを持っていないと入場することができないため、サーバ１０５はこのカードと通信することで、カード所有者の属性を取得することができる。対象識別部Ａ００４は、非制御対象としての歩行者１０２が所持しているカードから受信した属性情報に基づき、歩行者１０２の属性を識別する。

図１２は、第２実施形態に係る安全基準決定部Ａ００７による安全基準の決定方法を説明する図である。上述した分類に従えば、安全基準決定部Ａ００７を図１２に示すように細分化することができる。つまり、軌道逸脱評価部Ａ００６で算出した予測軌道と実軌道の軌道偏差ｅの値が同一であっても、異なる安全基準が決定される。

例えば、安全基準決定部Ａ００７は、対象識別部Ａ００４により属性が新入社員、アルバイト、およびパートのいずれかに識別された歩行者１０２については、標準的な安全基準特性７０を採用する。標準的な安全基準特性７０は、図６で示す特性と同様であるので、説明を省略する。

安全基準決定部Ａ００７は、対象識別部Ａ００４により属性が勤続年数の長い社員と識別された歩行者１０２については、ベテラン用の安全基準特性７１を採用する。勤続年数の長い社員は、新入社員、アルバイト、およびパート等に比べて安全意識が高いため、安全基準を「最安全」まで上げずとも搬送ロボット１０１と接触するような事態を生じさせないと予想できる。このため、ベテラン用の安全基準特性７１は、軌道偏差ｅが閾値ｔｈ２以上の場合に安全基準を「最安全」と「標準」の間の「高安全」とする特性とされている。ベテラン用の安全基準特性７１は、軌道偏差ｅが閾値ｔｈ１よりも大きく閾値ｔｈ２未満の範囲において、軌道偏差ｅが大きくなるにしたがって安全基準を高くする特性である。ベテラン用の安全基準特性７１は、軌道偏差ｅが閾値ｔｈ１以下の場合には、標準用の安全基準特性７０と同様、安全基準を「標準」とする特性である。

安全基準決定部Ａ００７は、対象識別部Ａ００４により属性がゲストと識別された歩行者１０２については、ゲスト用の安全基準特性７２を採用する。安全意識が高くないであろうゲストカード所持者については、たとえ予想軌道と実軌道が一致しても安全基準を「標準」よりも高くすることが好ましい。これにより、歩行者（ゲスト）１０２が急に搬送ロボット１０１に接近したとしても、歩行者（ゲスト）１０２と搬送ロボット１０１との接触を回避しやすくなる。ゲスト用の安全基準特性７２は、軌道偏差ｅが０以上かつ閾値ｔｈ１未満の範囲では、安全基準を「標準」と「最安全」の間の「高安全」とする特性である。さらに、ゲスト用の安全基準特性７２は、軌道偏差ｅが閾値ｔｈ１よりも大きく閾値ｔｈ２未満の範囲において、軌道偏差ｅが大きくなるにしたがって安全基準を高くし、軌道偏差ｅが閾値ｔｈ１と閾値ｔｈ２の中間の値以上の場合に安全基準を「最安全」とする特性である。

以下、制御対象と非制御対象とがそれぞれ複数存在するときに、車両運動演算部Ａ００８で実行される制御演算について説明する。

まず、安全基準決定部Ａ００７が安全基準を「標準」に決定したときの車両運動演算部Ａ００８による制御内容を説明する。搬送ロボット１０１と歩行者１０２とが接触しないための条件は、次式（１３ａ）、（１３ｂ）、（１３ｃ）、（１３ｄ）で表される。ＩＤがｉの搬送ロボット１０１（ｉ）を囲む半径ｒｃ，ｉは式（１３ａ）で与えることができる。また、ＩＤがｊの歩行者１０２（ｊ）を囲む半径ｒｊは環境認識器Ａ００１の検出結果に従って算出される。さらに、歩行者１０２（ｊ）の予測軌道に対する不確定性を考慮した半径の増加分ｒａ，ｊは式（１３ｂ）で与えることができる。搬送ロボット１０１（ｉ）と歩行者１０２（ｊ）の距離ｄｉｊは式（１３ｃ）で与えることができる。以上の準備の下、搬送ロボット１０１（ｉ）と歩行者１０２（ｊ）が接触しないための条件は、式（１３ｄ）で与えることができる。

なお、制御対象である搬送ロボット１０１が複数台存在する場合、搬送ロボット１０１同士が接触しないための条件も必要になるが、その条件の算出方法は式（１３ａ）、（１３ｂ）、（１３ｃ）、（１３ｄ）と同様なので説明を省略する。

搬送ロボット１０１（ｉ）が従うべき目標経路ｒｉが与えられている場合、搬送ロボット１０１（ｉ）について考慮すべき評価関数Ｊｉは、制御対象が１台のときの式（８）に倣って、次式（１４）で与えることができる。

すべての搬送ロボット１０１の行動を最適化するには各搬送ロボット１０１の評価関数Ｊｉの総和Ｊを考えた次式（１５）を最小化する制御入力ｕｃ，ｉを、搬送ロボット１０１と歩行者１０２とが接触しないための拘束条件である式（１３ａ）、（１３ｂ）、（１３ｃ）、（１３ｄ）を考慮して求めればよい。式（１５）において、Ｎは搬送ロボット１０１の台数であり、図１０に示す例ではＮ＝３になる。

サーバ１０５は、算出した制御入力ｕｃ，ｉを各搬送ロボット１０１に配信する。搬送ロボット１０１は自身に備えられている運動制御システムＢ１００を利用してアクチュエータＢ００２を駆動する。

次に、安全基準決定部Ａ００７が安全基準を「最安全」に決定したときの車両運動演算部Ａ００８による制御内容を説明する。非制御対象が複数存在する場合、考慮すべき評価関数Ｊ´は、非制御対象が１つのときの式（９ａ）、（９ｂ）に倣って、次式（１６ａ）、（１６ｂ）で与えることができる。ここで、Ｍは非制御対象の数であり、図１０に示す例ではＭ＝２になる。式（１６ｂ）において、ｖｊは、ＩＤがｊの歩行者１０２の速度である。また、式（１６ｂ）に含まれる関数ｍｊ（ε（ｋ））は式（１６ｃ）、（１６ｄ）、（１６ｅ）、（１６ｆ）によって与えることができる。式（１６ａ）の評価関数Ｊ´は、前述の問題設定と同様に、式（１５）の評価関数Ｊに非制御対象が制御対象に最速で近づくこと意図した評価関数Ｊｐを加えた形になっている。ただし、制御対象と非制御対象が複数存在する場合、どの制御対象に近づくのかを考慮しないと安全性を向上する効果を十分に付与することができない。この問題を考慮するために、式（１６ｃ）に式（１６ｆ）の関数ｈ（ε（ｋ））が含まれている。なお、式（１６ｃ）において、Ｗは所定の係数である。

図１３は、関数ｈ（ε（ｋ））と関数ε（ｋ）の関係の一例を示す図である。式（１６ｄ）、（１６ｅ）により算出される関数ε（ｋ）は、ＩＤがｉの搬送ロボット１０１（ｉ）とＩＤがｊの歩行者１０２（ｊ）の距離の二乗に相当する。関数ε（ｋ）が大きい場合、つまり、搬送ロボット１０１（ｉ）と歩行者１０２（ｊ）とが十分に離れている場合には、式（１６ｆ）は０になる。このとき式（１６ｃ）も０になる。一方、関数ε（ｋ）が小さい場合、つまり、搬送ロボット１０１（ｉ）と歩行者１０２（ｊ）とが近い場合には、式（１６ｆ）に示す関数ｈ（ε（ｋ））が１の値をとる。このような条件のときのみ、式（９ａ）、（９ｂ）と同様、評価関数Ｊに評価関数Ｊｐが加えられた状況になる。つまり、歩行者１０２（ｊ）は距離が近い搬送ロボット１０１（ｉ）に近づくという状況で搬送ロボット１０１（ｉ）が歩行者１０２（ｊ）に接触しないような制御入力ｕｃを算出する問題になる。

式（１６ａ）、（１６ｂ）の評価関数と式（１３ａ）、（１３ｂ）、（１３ｃ）、（１３ｄ）の拘束条件を考慮したモデル予測制御に従って算出した制御入力ｕｃを用いれば、安全基準が「標準」の場合よりも、さらに安全な行動を搬送ロボット１０１にとらせることができる。

上述した第２実施形態によれば、次の作用効果を奏する。

（１）対象識別部Ａ００４は、非制御対象に設けられた非制御対象の属性を識別可能なカード（デバイス）により非制御対象の属性を識別する。このようにしたので、非制御対象の属性を予め定めておき制御対象の運動制御に活用することが可能になる。

（２）安全基準決定部Ａ００７は、対象識別部Ａ００４により識別された非制御対象の属性、および、軌道逸脱評価部Ａ００６により評価された非制御対象の移動予測軌道からの逸脱度合いが同一であっても、非制御対象の属性を識別可能なカード（デバイス）に設定された非制御対象の安全行動に関する評価値が異なれば、異なる安全基準を決定する。このようにしたので、非制御対象の属性や振る舞いだけでなく非制御対象の評価値も用いたより柔軟な運動制御を行うことができる。

以上、一般公道を走行する車両と物流倉庫における搬送ロボットを例に本発明の実施形態を詳細に述べたが、本発明の適用先はこれらに限定されないことは言うまでもない。たとえば、港湾における搬送車両やテーマパーク内を移動するロボットなどにも本発明を活用できる。

次のような変形例も本発明の範囲内であり、変形例に示す構成と上述の実施形態で説明した構成を組み合わせたり、上述の異なる実施形態で説明した構成同士を組み合わせたり、以下の異なる変形例で説明する構成同士を組み合わせることも可能である。

＜変形例１＞
図１４は、変形例１に係る自律制御システムの構成を示す図であり、制御対象の移動体である車両００１および非制御対象の移動体である歩行者００２を示す。第１実施形態では、制御対象に環境認識器Ａ００１が搭載されている例について説明した。しかしながら、制御対象の周辺情報を収集できれば、環境認識器Ａ００１は制御対象に搭載されている必要はない。図１４に示す例では、制御対象の車両００１とは物理的に離れた場所に、環境認識器Ａ００１としてのインフラセンサ００３が設置されている。インフラセンサ００３は、取得した歩行者００２のセンサ情報を、無線システム００４を介して車両００１に提供する。このようにすることで、例えば限定された空間内で多数の車両を用いる場合などに車両１台あたりのコストや重量、燃料消費量などを削減することができる。

＜変形例２＞
図６で説明した例では軌道偏差ｅのみで安全基準を決定しているが、安全基準決定部Ａ００７はこのような形態に限定されない。例えば、軌道偏差ｅが大きくなる図５（ｃ）のような歩行者００２の挙動が確認されたとしても、図５（ｄ）のように、歩行者００２が遠方から接近してくる車両９０に気づいたうえでの回避行動をとったとすると、この歩行者００２は安全志向が強いと判断される。一方、図５（ｄ）と類似した状況でも、図５（ｅ）のように、遠方の車両９０に接近するような実軌道が確認された場合は、この歩行者は危険行動をとっていると判断される。

よって、図５（ｄ）のように制御対象から非制御対象が離れる場合は負、図５（ｅ）のように制御対象に非制御対象が近づく場合は正の符合を付与した修正軌道偏差ｅ’（図１５参照）を利用して安全基準を決定してもよい。軌道逸脱評価部Ａ００６は、所定時間経過後の制御対象と非制御対象との間の距離（以下、相対距離とも記す）の予測値を演算して保持し、実際に上記所定時間が経過したときの相対距離の実測値と比較する。軌道逸脱評価部Ａ００６は、相対距離の実測値が予測値よりも大きい場合には、制御対象から非制御対象が離れていると判断する。軌道逸脱評価部Ａ００６は、相対距離の実測値が予測値以下の場合には、制御対象に非制御対象が近づいていると判断する。

図１５は、変形例２に係る安全基準決定部Ａ００７による安全基準および自車両の優先度の決定方法を説明する図である。修正軌道偏差ｅ’が負、つまり、非制御対象が制御対象を回避するような動作をとった場合には、制御対象が利己的な行動を行っても安全性は損なわれない。図１５の縦軸は、横軸より上側に向かうにしたがって安全基準が高くなり、横軸より下側に向かうにしたがって自車両（制御対象）の優先度が高くなることを模式的に示している。図１５では、修正軌道偏差ｅ’が負の場合、安全基準は維持（β＝０を維持）しつつ、修正軌道偏差ｅ’の絶対値が大きくなるほど、自車両の優先度を上げる例について示している。

本変形例において、評価関数Ｊ´は、式（１０）の右辺第一項に係数γを乗じることで与えられる（Ｊ´＝γＪ＋βＪｐ）。安全基準決定部Ａ００７は、修正軌道偏差ｅ’が負の場合、修正軌道偏差ｅ’の絶対値が大きくなるほど、すなわち自車両の優先度が高くなるほど係数γを大きくする。

図１５に示す例では、修正軌道偏差ｅ’が負の場合において、修正軌道偏差ｅ’が０以下であり閾値ｔｈ３以上の場合には、優先度が標準に設定される。なお、修正軌道偏差ｅ’が０以上の場合も同様に、優先度が標準に設定される。この場合、係数γは１に設定される。なお、閾値ｔｈ３は、０未満の値であり、例えば閾値ｔｈ１に－１を乗じた値である。修正軌道偏差ｅ’が閾値ｔｈ４以下である場合には、優先度が最優先に設定される。この場合、係数γは１よりも大きい所定値γ１に設定される。なお、閾値ｔｈ４は、閾値ｔｈ３未満の値であり、例えば閾値ｔｈ２に－１を乗じた値である。修正軌道偏差ｅ’が閾値ｔｈ３未満であり閾値ｔｈ４よりも大きい場合には、修正軌道偏差ｅ’の絶対値が大きくなるほど、優先度が高くなる。つまり、修正軌道偏差ｅ’の絶対値が大きくなるほど係数γが増加する。

係数γが大きい場合、制御対象の速度を上昇させることができるので、制御対象による作業の効率を向上することができる。例えば繁忙期の工場で動作する工程間搬送車両に、このような制御方式を適用することで、工場の生産性向上に寄与し得る。

以上のとおり、本変形例に係る安全基準決定部Ａ００７は、軌道逸脱評価部Ａ００６により評価された予測軌道からの逸脱度合いが所定の閾値よりも大きい場合（ｅ＞ｔｈ１）であって、非制御対象が制御対象に近づく挙動が確認されたときには、制御対象の行動に関する安全基準を現在の基準よりも安全な側（高い側）に変更する。一方、安全基準決定部Ａ００７は、軌道逸脱評価部Ａ００６により評価された予測軌道からの逸脱度合いが所定の閾値よりも大きい場合（ｅ＞ｔｈ１）であって、非制御対象が制御対象から離れる挙動が確認されたときには、安全基準を高い側に変更しない。つまり、本変形例によれば、非制御対象の属性だけでなく非制御対象の挙動をも考慮した正確な安全基準を定めることができる。

なお、安全基準および自車両の優先度の決定に用いる特性は、図１５に示す例に限定されない。例えば、優先度の決定に用いる特性は、修正軌道偏差ｅ’が閾値ｔｈ３以下である場合に優先度を最優先に設定する特性であってもよい。

以上、本発明の実施形態について説明したが、上記実施形態は本発明の適用例の一部を示したに過ぎず、本発明の技術的範囲を上記実施形態の具体的構成に限定する趣旨ではない。

なお、上記の自律制御システムＡ１００に係る各構成や当該各構成の機能および実行処理等は、それらの一部又は全部をハードウェア（例えば各機能を実行するロジックを集積回路で設計する等）で実現してもよい。また、図中に示した制御線や情報線は説明上必要と考えられるものを示しており、製品上で必要な全ての制御線や情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

Ａ００１…環境認識器、Ａ００２…状態検出器、Ａ００３…制御対象位置算出部、Ａ００４…対象識別部、Ａ００５…非制御対象位置算出部、Ａ００６…軌道逸脱評価部、Ａ００６ａ…予測軌道算出部、Ａ００６ｂ…実軌道評価部、Ａ００６ｃ…軌道比較部、Ａ００７…安全基準決定部、Ａ００８…車両運動演算部、Ａ１００…自律制御システム、Ａ１０１…コントローラ、Ｂ００１…アクチュエータ制御器、Ｂ００２…アクチュエータ、Ｂ１００…運動制御システム

Claims (6)

1. 行動を制御可能な移動体である制御対象と、行動を制御できない移動体である非制御対象とが混在する領域において、前記制御対象と前記非制御対象とが接触しないように前記制御対象の行動を制御する自律制御システムであって、
   前記制御対象の位置を算出する制御対象位置算出部と、
   前記非制御対象の属性を識別する対象識別部と、
   前記非制御対象の位置を算出する非制御対象位置算出部と、
   前記対象識別部により識別された前記非制御対象の属性に対応する前記非制御対象の移動予測軌道からの、前記非制御対象位置算出部により算出された前記非制御対象の移動軌道の逸脱度合いを評価する軌道逸脱評価部と、
   前記対象識別部により識別された前記非制御対象の属性と、前記軌道逸脱評価部により評価された前記移動予測軌道からの逸脱度合いとに基づき、前記制御対象の行動に関する安全基準を決定する安全基準決定部と、
   前記制御対象位置算出部により算出された前記制御対象の位置と、前記非制御対象位置算出部により算出された前記非制御対象の位置と、前記安全基準決定部により決定された前記安全基準とに基づき、前記安全基準が高くなるほど前記制御対象が前記非制御対象に接近しなくなるように前記制御対象の行動を修正する行動修正部と、
   を備える自律制御システム。
2. 請求項１に記載の自律制御システムにおいて、
   前記軌道逸脱評価部は、
   前記対象識別部により識別された前記非制御対象の属性と前記非制御対象位置算出部により所定時間前に算出された前記非制御対象の位置とに基づいて、軌道の平均値と分散とを算出し前記非制御対象の前記移動予測軌道とする予測軌道算出部と、
   前記非制御対象位置算出部により算出された前記非制御対象の位置の変化を前記非制御対象の前記移動軌道として評価する実軌道評価部と、
   前記予測軌道算出部により算出された前記非制御対象の前記移動予測軌道からの、前記実軌道評価部により評価された前記非制御対象の前記移動軌道の逸脱度合いを評価する軌道比較部と、
   を備える自律制御システム。
3. 請求項２に記載の自律制御システムにおいて、
   前記予測軌道算出部は、前記対象識別部により識別された前記非制御対象の属性に基づき、前記非制御対象が従う運動方程式、前記非制御対象の移動速度の最大値、および前記非制御対象のサイズを用いて前記非制御対象の前記移動予測軌道を算出する自律制御システム。
4. 請求項１に記載の自律制御システムにおいて、
   前記安全基準決定部は、前記軌道逸脱評価部により評価された前記移動予測軌道からの逸脱度合いが所定の閾値よりも大きい場合、前記安全基準を現在の基準よりも安全な側に変更するが、前記非制御対象が前記制御対象から離れる挙動が確認された場合は、前記安全基準を変更しない自律制御システム。
5. 請求項１に記載の自律制御システムにおいて、
   前記対象識別部は、前記非制御対象に設けられた前記非制御対象の属性を識別可能なデバイスにより前記非制御対象の属性を識別する自律制御システム。
6. 請求項５に記載の自律制御システムにおいて、
   前記安全基準決定部は、前記対象識別部により識別された前記非制御対象の属性、および、前記軌道逸脱評価部により評価された前記非制御対象の前記移動予測軌道からの逸脱度合いが同一であっても、前記非制御対象の属性を識別可能なデバイスに設定された前記非制御対象の安全行動に関する評価値が異なれば、異なる安全基準を決定する自律制御システム。

Images