| 研究課題/領域番号 |
16K18046
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知能機械学・機械システム
|
|---|
| 研究機関 | 弘前大学 |
|---|
研究代表者 |
竹囲 年延 弘前大学, 理工学研究科, 助教 (60517712)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 経路計画 / 強化学習による最適化 / RTK-GPS / 経路指示 / DEM / 堆積土砂 / 掬い取り / シミュレーション / ホイールローダの自動化 / 粉体シミュレーション / 掬い取り・積み下ろし / 知能機械 / 建設・土木・鉱山作業ロボット |
|---|
| 研究成果の概要 |
本研究により，土砂の掬い取り点，ホイールローダの走行経路（その切り返し点を含む），そして，その土砂を積み下ろすトラックの位置，をホイールローダの走行距離を最適にするという観点から，同時に決定することができようになった．また，本研究で提案した手法は静的な障害物を回避するための条件を簡単に考慮することができる．
加えて，全体の掬い取り最適化の問題を部分的な最適化問題として最適化し，その部分的な最適化問題の解の組み合わせと，それを強化学習の手法を適用することにより，土砂全体の掬い取りという膨大な組み合わせが存在する解に対して，最適な経路を算出することができるようになった
|
| 研究成果の学術的意義や社会的意義 |
これまでは2点間のノードの経路を最適にする手法や，それら複数のノードの場所と距離は事前に決まっている中で，全体を最適化する手法（巡回セールスマン問題等）は多く提案されていた．一方で，本研究によって，全ての土砂を掬いとるという大域的な最適化問題を解決するために，複数のノードに相当する，積み下ろし点や切り返し点，そして，トラックの位置・姿勢の決定を，作業プロセスの中で最適化し，また，ノード間の距離も同時に最適化して算出する方法を開発した．これにより，作業によって対象が変化する場合についても，全ての作業が終わるまでの全工程に対して最適化することができる解法とその有効性が示された．
|
