top of page
bk-shin.png

開発者レポート

「Challenge ATOM」にチャレンジするチームの奮闘をレポート!

「走る」から「働く」へ。不整地ロボットが「自律」へ踏み出す

4 日前
読了時間: 3分

RWR班/大阪工業大学

【第2回】2026年11月



 山林や畑など、でこぼこした場所を走り、行く手をふさぐものがあればアームで取り除いて進む。そんなロボットづくりに取り組んでいるのが、大阪工業大学のRWR班です。走行用のクローラと、さまざまな作業ができるアームを組み合わせ、「自分で走り、その場で必要な作業もできるロボット」を目指して開発を進めています。


「走る」と「作業する」、二つの自律化へ

 前回までハードウェアの製作を中心に進めてきたRWR班。現在はクローラロボットに自作のロボットアームを搭載し、「自ら位置を把握して走る」「カメラで対象物を捉えてアームを動かす」ための制御へと、開発の軸足が移っています。


 屋外での自律走行に向けて取り組んでいるのが、GNSS(衛星測位)を使った自己位置推定です。一般的なGNSSよりも高精度な測位が可能なRTK(Real Time Kinematic)を利用し、センチメートル単位でロボットの位置を把握することを計画しています。現在は単体での座標取得を確認し、アンテナモジュールを機体へ搭載するための台も製作。実機での検証に向けた準備が進んでいます。


 ロボットアームでは模倣学習による自律制御を進めています。Unity上にアームのシミュレーション環境を構築し、形や色、位置がランダムに変化する対象物を設定。アーム先端のカメラ画像を入力として、対象物を追いかける動きを学習させています。シミュレーション上で得られる対象物の座標などから各関節の動きを計算し、その動作とカメラ画像の組み合わせを教師データとして蓄積。約2400回分の試行データを使って学習させた結果、シミュレーション上では成功率93%まで到達しました。対象物の位置だけでなく、形や色にも変化を持たせながら学習を進めています。



 間もなく実機での本格的な動作確認も開始します。現在は精度を高めるための再学習と調整を進めているところ。シミュレーションで獲得した動きを、実世界のロボットでどう再現するか。 RWR班の開発は、シミュレーションと実機を行き来しながら、アームの自律制御を磨く段階に入っています。



Next Challenge

「走る」と「作業する」をひとつに

 次のステップは、シミュレーションで学習したアームの動きを実機で安定して再現すること。そして、クローラの自律走行です。RTKによる位置情報も活用しながら屋外で走行実験を行い、自ら現在地を捉えて移動できる仕組みの検証を進めます。さらに、クローラの走行にも模倣学習を取り入れていく計画です。


 目指すのは、「走る」と「作業する」をひとつのロボットの中でつなぐこと。 土や砂利、木の根などがある不整地を進み、行く手を阻む枝などがあれば、アームを使って取り除いて先へ進む。さらに、アームの先端を付け替えることで、農業や園芸での収穫、水やりなど、さまざまな作業への展開も考えています。

bottom of page