エレベーターを利用して複数フロアを自律移動するロボットは、ホテルや病院、オフィスだけでなく、工場や物流施設でも活用が広がっています。 しかし従来は、ロボットとエレベーターを連携させるためには、メーカーごとに異なる仕様への対応やPLC配線、現地での細かなすり合わせが必要であり、自動化導入の大きな障壁となっていました。 参考記事：従来のエレベーター連携工事とは？ この課題を解決するために策定されたのが、RFA（ロボットフレンドリー施設推進機構）のエレベーター連携規格です。 今回は、このRFA規格の考え方と、YOKOIDOが取得したOcta Robotics「LCI認定」についてご紹介します。 RFA規格とは ― ロボットと建物設備をつなぐ共通ルール ロボット・エレベーター連携インターフェースは、経済産業省が推進する「ロボットフレンドリー（ロボフレ）」の取り組みから生まれた規格です。 ロボフレでは、食品分野や施設管理分野など、ロボットを導入しやすい社会インフラを整備するために複数のテクニカルコミッティ（TC）が設置されました。その中で施設管理TCは、

要旨 カゴ台車をAMRで搬送する際、停止位置精度だけでなく「搬送中の安定性」も重要なポイントになります。 一見同じように見えるカゴ台車でも、底面構造はメーカーや種類によって異なり、AMRとの接触状態が変わることがあります。 今回は、カゴ台車搬送時の安定性を向上させるために開発した「天板オプション」と、その効果をご紹介します。 カゴ台車はメーカーによって底面構造が異なる 以前ご紹介した「カゴ台車搬送」の記事でも解説したように、カゴ台車の底面には強度を確保するための梁（フレーム）が設けられています。 しかし、この梁の位置や本数はメーカーや機種によって異なり、必ずしも同じ構造ではありません。 ▶ 関連記事：「カゴ台車をAMRでリフトアップ搬送する際の注意点」 そのため、同じAMRでも、載せるカゴ台車によって接触状態が変わることがあります。 天板サイズによってはぐらつきが発生することも 標準仕様のAMR天板では、多くのカゴ台車に対応できるサイズとなっています。 しかし、一部のカゴ台車では梁が2本だけで天板に接触する状態となり、 台車底面の反り 梁の高さの

導入 カゴ台車の自動搬送では、「目的地まで運ぶこと」よりも、「毎回同じ位置に止まること」が難しいケースがあります。 一方で、ラックや専用パレットの搬送では、停止位置を比較的高い精度で再現できます。ラックは形状が一定で位置決めしやすく、AMRとの相性が良いためです。 まずは、ラック搬送の様子をご覧ください。 ※本記事でご紹介する停止位置精度は、AMRによる自律走行と、最終位置決めにAGVモード（磁気テープ走行）を組み合わせた運転例です。搬送経路全体をAMRで走行し、停止精度が重要となる区間のみAGVモードへ切り替える構成となっています。 このように、ラック搬送では繰り返し同じ位置へ停止させることが比較的容易です。 しかし、カゴ台車では事情が異なります。カゴ台車は自在輪を備えているため、走行中に車輪の向きやタイヤへ応力が蓄積され、停止後にわずかに姿勢や位置が変化することがあります。また、ラックのように位置決めの基準となる形状を作りにくいことも、停止位置精度を難しくする要因の一つです。 今回は、こうした課題に対してお客様現場で実際に採用した位置決め方

AMR（自律走行搬送ロボット）の導入では、「セットアップが難しそう」というイメージを持たれることが少なくありません。 YOKOIDOでは、「家電のように導入できるAMR」をコンセプトに、専門知識がなくても直感的に操作できるWebUIの開発を進めています。 今回は、お客様にご協力いただき、開発中の新しいWebUIを使用したカゴ台車搬送AMRのセットアップの様子を撮影・公開いたします。（お客様より撮影・公開の許可をいただいております。） 本記事では、実際の現場で行ったセットアップ工程をご紹介します。 WebUIで行ったセットアップ内容 今回のセットアップでは、以下の作業をすべてWebUI上で実施しました。 地図作成（マッピング） 走行コース作成 テスト走行 地図編集 コース編集 各種パラメータ変更 マルチ運転設定 現場で実際にAMRを走行させながら調整を行い、お客様の運用に合わせて最適な状態へセットアップしています。 ※今回の撮影では、タスク作成画面など一部の操作画面は撮影できておりません。今後、詳細な操作方法についても順次ご紹介していく予定です。

食品工場や物流現場でAMR（自律走行搬送ロボット）を導入する際、多くの方がまず気にするのは「ルート」や「安全性」です。 しかし、実際の現場運用で見落とされがちな大きな課題があります。それが、WiFi通信の不安定さによる“ダマ停”問題です。 なぜ食品工場では通信が不安定になりやすいのか。 食品工場での事例を紹介します。食品工場では図のように、エレベーター、そして冷蔵庫や冷凍庫のように多くのドアがあります。それぞれが鉄製のため、閉まっているときは無線電波を遮断してしまいます。このような環境では、部屋をまたぐたびにWiFi電波が弱くなりやすく、場合によっては通信が切断されます。特に厄介なのが、単純に「切れる」ケースだけではありません。 食品工場の内部 本当に危険なのは“ゴースト接続” 実際の現場では、WiFiが完全に切断されるよりも、「つながっているように見えるが、実際には通信できない」という状態が発生することがあります。いわゆる“ゴースト接続”です。スマートフォンであれば少し待てば復帰することもありますが、AMRは違います。AMRは各動作タイミング

なぜ「見えない障害物」が問題になるのか 2D LiDARを用いたSLAMでは、センサーが検出できるのは特定の高さの断面に限られます。 そのため、地図上では問題がないように見えても、実際の現場では接触リスクが残るケースが存在します。特に、上方向に張り出した構造物や、センサー高さから外れた障害物は、検出されないまま運用に入ってしまう可能性があります。 こうした「見えていない障害物」は、運用開始後にトラブルとして顕在化することが少なくありません。 センサーの死角は「上方向」にも存在する 2D LiDARの特性として見落とされがちなのが、上方向の死角です。このような構造物は、センサーの高さによって検出されません。その結果、AMRは「何もない」と判断して進行し、実際には接触してしまうという状況が起こり得ます。 作業台の張り出し部分 コンベアのフレーム 突き出した設備部品 機械の張り出し部が障害物になっている例 検出できないなら「避ける設計」にする このようなケースに対して重要なのは、「検出できるようにする」ことではなく、「そもそも近づかないように設計する」

なぜ「地図づくり」で運用が変わるのか AMRの導入において、初期設定の中でも特に重要なのが「地図作成」です。一見すると単純な工程に見えるこの作業ですが、実際には運用の安定性や使い勝手を大きく左右します。特に2D LiDARを用いたSLAMでは、センサ特性に起因する盲点が存在します。 本稿では、現場で見落とされがちなポイントと、それを踏まえた実践的な地図作成のコツを整理します。 2D LiDAR SLAMの前提：見えているのは「その高さだけ」 2D LiDARを用いたSLAMでは、センサが検出できるのは「LiDARが設置されている高さの断面」に限られます。つまり下記のようなものは地図に反映されません。 上部に張り出した構造物 センサ高さより上にある障害物 逆に、低すぎて検出されない対象 LiDARセンサーが検出できない障害物 この特性を理解していないと、「地図上では問題がないのに、実際には接触リスクがある」といった状況が発生します。 LiDARが障害物を検出せず衝突してしまう 発想の転換：あえて「障害物を置く」という方法 こうした課題に対して、現場

AMRとAGVは「選ぶ」ではなく「組み合わせる」時代へ AMR（自律走行搬送ロボット）とAGVは、これまで「どちらを選ぶか」という視点で語られることが多い技術です。しかし実際の現場では、この2つは対立するものではなく、それぞれの特性を組み合わせることで、より高い効果を発揮します。 特に近年では、AMRの柔軟な走行とAGVの高精度停止を両立する「ハイブリッド走行」が、現場にフィットする選択肢として注目されています。 AMRとAGVの違いは「停止位置精度」と「柔軟性」 AMRは環境に応じてルートを変えられる一方で、停止位置にはばらつきが出ることがあります。一方でAGVは、ガイドに沿って動くことで安定した停止位置を再現できます。 関連記事｜ ライントレーサー・AGV・LiDARの違いとは ＊AMRとAGVの違いについては、こちらの記事で詳しく解説しています AGVはなぜ現場で「位置合わせしやすい」のか AGVが現場で使いやすい理由は、単なる精度の高さではありません。実際の導入現場では、以下の2点が非常に重要になります。 1．磁気テープを直接地面に貼って

AMR導入でよく聞く質問：停止位置精度とは AMR導入を検討する際、多くの現場でよく聞くのが、「AMRの停止位置精度はどれくらいか」という質問です。ここでは自己位置精度について、2D LiDARと3D LiDARの比較を通じて分かりやすく紹介します。 2D LiDARの場合：平面上の三角測量 2D LiDARは三角測量で例えられる 自己位置の計算は、「今のLiDARが見ている景色と持っている地図がどれくらい一致しているか」を確率的に計算していると紹介しました。 2D LiDARの場合は、平面上の限られた点（特徴点という）で「三角測量」をしている状態です。特徴点は、走行時の振動やセンサーの精度によって、作った地図にもLiDARで景色にも誤差が含まれます。この誤差が重なると完全に一致する「三角形」が存在しなくなります。従って緩やかに一致しているところを自己位置とする、という閾値の設定が必要になります。これが2D LiDARの場合に自己位置精度が落ちる理由になります。 極端な例として、３点のみで自己位置を計算している下の図のような場合ですと、特徴点とな

工場や倉庫で使われる無人搬送車には、AGVやAMRといった種類がありますが、「何が違うの？」と聞かれることも少なくありません。今回は、搬送ロボットの“位置検出方法”に注目し、代表的な３方式、ライントレーサー方式、AGV（磁気誘導）方式、LiDAR方式の違いを分かりやすく解説します。 ① ライントレーサー方式（床の線を追いかける） 最もシンプルなのが、床に貼ったテープや塗装ラインをセンサーで読み取り、その線に沿って走行する方式です。いわば「決められたレールの上を走るガイド走行」にあたります 筆者が以前、小学生・中学生向けのロボットを使ったプログラミングの教室に携わったことがあり、その時の記事をもとに紹介させていただきます。 レールを認識するためのセンサーとして、赤外線センサーを使います。センサーは反射光の強弱を数値で表示できるようになっています。当時は白い紙の上の黒いラインをトレースするという動かし方のため、白い紙と黒い線の反射光の値を測定し、平均値を計算します。この平均値をしきい値として使います。 赤外線センサーの使い方 出展：JAAS協力企画.