「自動運転」と聞くと、多くの人は市街地を走る乗用車を思い浮かべる。しかし、自動運転車を支えるのと同じコア技術スタックは、静かに産業用倉庫を変革しつつある—そして、その変革が最も大きな意味を持つ場所こそ、地味な存在であるフォークリフトだ。無人フォークリフトはもはや、フォーチュン500企業のパイロットプログラムに限られた未来の概念ではない。それらは世界中の何千もの施設で稼働する本番対応システムであり、人間のオペレーターが座っていなくても、パレットを移動し、ラックを積み降ろしし、在庫を24時間体制で管理している。

これらの機械がどのように動作するのかを理解するには、自律運転スタックに目を向ける必要があります。自律運転スタックとは、認識、位置推定、計画、制御システムからなる層状のアーキテクチャであり、これらが一体となってリフトトラックに複雑で動的な環境を安全かつ効率的にナビゲートする能力を与えます。この記事では、そのスタックの各レイヤーを分解し、フォークリフトのユースケースにどのように具体的に適用されるかを説明し、自律リフトトラックを単なる自動車技術の縮小版ではない独自の分野にしている、独自のエンジニアリング上の課題を探ります。

自律運転スタックとは？

自律運転スタックとは、車両やロボットが人間の入力を必要とせずに環境内を移動できるようにする、ソフトウェアとハードウェアの完全なアーキテクチャです。下に重なる各レイヤーに依存しながら、リアルタイムで連携する一連の層として考えるとよいでしょう。最下層には生のセンサーデータがあり、最上位にはホイールの回転、フォークの上昇、ブレーキといった物理的な動作があります。その間では、複雑なアルゴリズムが世界を処理し、推論し、次に何をすべきかを決定します。

乗用車の場合、このスタックは何年にもわたる高速道路・都市部でのテストによって磨かれてきました。産業用フォークリフトの場合、スタックはまったく異なる要求に対応するために再設計する必要があります。狭い通路、重い積載物、人とロボットが混在する環境、精密な荷物の位置決め、カウンターバランスフォークリフトやリーチトラック特有の運動学的挙動などです。基本となるレイヤーは同じですが、実装はすべてのレベルで大幅に異なります。

認識レイヤー：フォークリフトが環境をどう見るか

認識はあらゆる自律システムの基盤です。自動運転フォークリフトは、周囲を継続的にセンシングし、どのような物体が存在するか、それらがどこにあるか、安全な走行にリスクをもたらすかどうかを理解する必要があります。これには通常、単一の技術だけに頼るのではなく、複数のセンサーモダリティが並行して動作する組み合わせが関与します。

LiDAR（Light Detection and Ranging）はフォークリフト認識の主力です。LiDARセンサーはレーザーパルスを照射し、表面に当たって戻ってくるまでの時間を計測することで、環境の高密度で正確な3D点群を生成します。産業用フォークリフトは、構造化された倉庫環境での平面ナビゲーションに2D LiDARを一般的に使用し、より高度なモデルでは、ラック上のパレットや床面の低い障害物など、高さの異なる物体を検出するために3D LiDARを組み込みます。

カメラは、LiDAR単独では得られない視覚的コンテキストを追加します。ビジョンシステムはQRコード、バーコードラベル、レーンマーキング、人を識別でき、より豊かな状況認識を可能にします。深度カメラはフォークリフトにステレオ視を提供し、パレット係合時の距離推定と荷物位置のミリメートル単位の検出を支援します。一部のシステムではさらに超音波センサーや赤外線近接センサーを短距離の安全レイヤーとして配置します。特に、正確なクリアランスが最も重要となるフォーク周辺で使用されます。

これらのセンサーは一体となって、環境の統一モデルを生成するリアルタイムデータ融合パイプラインに情報を供給します。この融合の品質とレイテンシーは、フォークリフトがどれだけ安全かつスムーズに動作するかを直接左右します。特に、人の作業員、他の車両、絶えず変化する在庫が常時変動要素となる動的な環境では重要です。

位置推定とマッピング：自分の位置を知る

認識はフォークリフトに周囲の状況を伝えます。位置推定は、自分がどこにいるかを伝えます。これらは関連しているが異なる問題であり、両方を同時に解くことはモバイルロボティクスの中核的な課題の一つです。最新の自律フォークリフトで主流となっているアプローチがSLAM—Simultaneous Localization and Mapping（自己位置推定と地図作成の同時実行）です。

SLAMアルゴリズムにより、ロボットは未知の環境の地図を構築すると同時に、その地図内での自分の位置を追跡できます。フォークリフトを施設に最初に導入するときは、スペース内を走行し、LiDARデータを使って詳細な2Dまたは3Dの平面図を構築します。その後の走行では、受信したセンサーデータを保存済みの地図と照合し、正確な位置を特定します。通常、数センチメートル以内の精度です。この地図照合プロセスは毎秒数百回継続的に実行され、在庫の移動、一時的な障害物、作業員の動きなどにより周囲が少しずつ変化しても、フォークリフトが常に自分の位置を把握できるようにします。

高度なシステムは、SLAMを追加の位置推定手がかりで補完します。反射マーカーやQRコードランドマークを施設の戦略的な場所に配置することで、累積するドリフト誤差を補正するのに役立つグランドトゥルースアンカーとして機能します。一部の高精度アプリケーションではさらに慣性計測ユニット（IMU）—加速度と角速度を追跡するセンサー—を統合し、LiDARデータが曖昧な短い期間（スキャン反射が限られる狭いラック通路を走行する場合など）に位置推定を維持します。

ロバストなSLAMベースの位置推定の実用的な利点は、自律フォークリフトが床埋め込みマグネットやワイヤーガイドシステムなどのインフラ改修を一切必要としないことです。これは、固定された物理ルートに根本的に制約されていた旧来の自動搬送車（AGV）技術に対して、最新のレーザーナビゲーション式自律フォークリフトが持つ重要な利点の一つです。

経路計画と狭い空間での意思決定

フォークリフトが自分の位置と周囲の状況を把握したら、現在位置から目的地まで安全かつ効率的に移動する方法を考え出す必要があります。これが経路計画レイヤーの役割であり、グローバル計画とローカル計画の2つのレベルで動作します。

グローバル経路計画は、施設全体の地図上で開始地点から目標地点までの最適なルートを計算します。A*やダイクストラ法などのアルゴリズムが、交通ルール、速度制限ゾーン、タスク優先順位を尊重しながら、最短または最小コストの経路を見つけるために一般的に使用されます。この計画はフォークリフトが動き出す前に生成され、移動全体の高レベルなガイドとなります。

ローカル経路計画は、グローバルプランナーが予測できない動的で予測不可能な要素—通路の真ん中に置かれたパレット、進路を横切る作業員、反対方向から接近する別のロボット—をリアルタイムに処理します。ローカルプランナーは、短いルックアヘッドウィンドウ内で安全な軌道を継続的に再計算し、速度とステアリングを調整して衝突を回避しながら、可能な限りグローバルルートに沿って進行します。産業用ロボティクスでは、Dynamic Window Approach（DWA）やモデル予測制御（MPC）などのアルゴリズムがこの目的で頻繁に使用されます。

フォークリフト特有の計画には、自動車ベースのシステムではほとんど発生しない複雑さが加わります。積載状態のフォークリフトは、空荷の場合とは旋回半径、安定性プロファイル、制動距離が大きく異なります。計画システムは、積載重量、フォーク高さ（持ち上げられた荷物は重心を移動させ、より低い走行速度を要求します）、そしてセンチメートル単位の精度でラック位置にバックで進入するという独自の課題を考慮する必要があります。これらの制約により、フォークリフトの経路計画は、平面荷物を運ぶ移動ロボットよりもはるかに要求が高くなります。

制御実行：意思決定を動作に変換する

制御レイヤーは、経路プランナーが作成した計画軌道を受け取り、フォークリフトの駆動モーター、ステアリングアクチュエーター、油圧システムに送信される実際のコマンドに変換します。このレイヤーは、実際のシステムに存在する機械的な不完全さを補正しながら、物理的な制限をリアルタイムに強制する必要があります。

PIDコントローラー（比例-積分-微分）は、基本的なモーションコントロールの主力です。フォークリフトがあるべき位置と実際の位置の差を常に計測し、そのギャップを埋めるための補正コマンドを発行します。より高度なシステムは、フォークリフトの完全な運動学モデルを考慮したモデルベース制御戦略を使用し、特にパレットのピックアップと置き換えに必要な低速で精密な操作中に、より滑らかで予測可能な動きを可能にします。

制御レイヤーでは安全が絶対条件です。自律フォークリフトは、複数の独立した安全チャネルを実装する必要があります。人が定義された保護ゾーンに入ったときに減速または緊急停止をトリガーするレーザー安全スキャナー、積載状態と運用エリアに基づいて加速度と速度を制限する安全評価済みモーションコントローラー、そしてセンサーや計算ノードのいずれかが応答を停止した場合に機械を停止させる冗長ウォッチドッグシステムです。現在の量産型自律フォークリフトのほとんどは、次に適合するよう設計されています。ISO 3691-4、無人産業用トラックの国際安全規格であり、危険検出、保護フィールドの適用範囲、安全状態の動作について厳格な要件を定めています。

フリート管理とシステム統合

1台の自律フォークリフトは有用です。しかし、連携したフリートは変革をもたらします。フリート管理ソフトウェアは個々のロボットスタックの上位に位置し、複数のユニットにわたるタスク割り当て、交通調整、充電スケジュール、システム全体のパフォーマンス監視を同時に統括します。

倉庫管理システム（WMS）やエンタープライズリソースプランニング（ERP）プラットフォームが輸送オーダー（パレットAを場所Bから場所Cへ移動）を発行すると、フリートマネージャーが最適な空きフォークリフトを選択し、タスクを生成してディスパッチします。その後、実行状況をリアルタイムに監視し、ロボットが解決不可能な障害物に遭遇した場合、バッテリー残量が少なくなった場合、またはジョブを早く完了した場合にタスクを再割り当てします。複数ロボットの交通管理は、交差点での優先ルールを割り当て、同じスペースを共有する機械同士の譲り合いロジックを調整することで、デッドロックやボトルネックを防止します。

既存の施設インフラとの統合も同様に重要です。最新の自律フォークリフトプラットフォームは、標準APIを介してWMSシステムに接続し、デジタルI/Oやネットワークプロトコルを介してドックドア、コンベヤー、エレベーター制御と通信し、運用データを分析ダッシュボードにフィードバックして継続的なパフォーマンス最適化を実現します。このエンドツーエンドの統合こそが、自律フォークリフトを単なるスタンドアロン機から、デジタル工場エコシステムの真のノードへと引き上げるのです。

フォークリフトに自律運転スタックを適用する際の特有の課題

自動運転技術を道路車両からフォークリフトに移植することは、単純な移植ではありません。リフトトラック運用のいくつかの特性は、乗用車の自動運転には直接相当しないエンジニアリング上の課題を生み出します。

• 3D荷役：地面を走行する搬送ロボットとは異なり、フォークリフトは3次元で動作する必要があります。安定性やセンサー視界に影響する荷の移動を考慮しながら、フォークを精密に上昇・下降・傾斜させます。
• 双方向走行：フォークリフトは、特にラックからの取り出し時に日常的に後退走行を行います。自律システムは、前進走行と同じ安全性と精度で後方視認走行を処理する必要があります。
• 人と機械が混在する環境：倉庫がロボット専用エリアになることはほとんどありません。自律フォークリフトは、歩行者、有人運転車両、他の自律システムと安全に共存する必要があり、堅牢な人検出と社会的文脈を考慮したナビゲーション行動が求められます。
• 可変積載量：1,500kgのパレットを運ぶフォークリフトの挙動は、空荷のフォークリフトとは大きく異なります。自律運転スタックは、安全性と効率を維持するために、積載状態に基づいて動作パラメータを動的に調整する必要があります。
• パレットの識別と係合：パレットの差し込み口を自動で見つけ、フォークを位置合わせし、クリーンなピックアップを完了するには、一般的な移動ロボットのナビゲーションが要求する精度をはるかに超える、サブセンチメートル単位の位置精度が必要です。

これらの課題を解決するには、既存の移動ロボットプラットフォームを単に応用するだけではない、専用に設計された自律運転スタックが必要です。今日の最高の自律フォークリフトシステムは、これらの制約を最初から考慮して設計され、特殊なセンサー、制御アルゴリズム、機械設計を一貫した全体として統合しています。

リーマンの自律フォークリフトがこれをどう実践しているか

リーマンの自律フォークリフトシリーズは、産業用マテリアルハンドリングに特化した10年以上の応用ロボティクスエンジニアリングの成果です。各モデルは、上記の完全な自律運転スタックを実装し、実際の倉庫環境向けに設計された専用ハードウェアにパッケージ化されています。

このIronhide自律フォークリフトは、高スループットの流通環境における重量物パレット輸送向けに設計されています。レーザーベースのSLAMナビゲーションとマルチセンサー認識を使用し、広域施設で継続的に稼働しながら、フロアレベルとラック上の保管位置の両方を精密に管理します。狭いスペースで多用途なスタッキングが必要なオペレーション向けには、Stackman 1200自律フォークリフトは、コンパクトなフットプリントに完全な自律運転スタック機能を備え、自律障害物回避とシームレスなWMS統合を実現します。

最も要求の厳しい大規模オペレーション（屋外ヤード、重量物製造フロア、高層倉庫）向けに、リーマンはRhinoceros自律フォークリフトを提供しています。これは、自律運用が要求するナビゲーション精度と安全基準を維持しながら、重量物を扱えるように設計されています。全モデルにわたり、リーマンのシステムは、施設インフラ改修を必要としないプラグアンドプレイ導入、既存のWMS・ERPシステムとのオープンAPI統合、そして有人フォークリフトのフリートでは到底実現できない24時間365日の運用能力を備えています。

フォークリフト以外にも、リーマンのより広範なAMRエコシステム—IronBov潜伏搬送ロボットや各種産業用ロボット移動シャーシ—は、同じコア自律運転スタックアーキテクチャを共有しており、施設は統一されたフリート管理の下で、さまざまなマテリアルハンドリングタスクにわたる協調型マルチロボット戦略を展開できます。

結論

自律運転スタックは単一の技術ではありません。認識、位置推定、計画、制御が一体となって機能する統合アーキテクチャです。このスタックがリフトトラック運用の要求に特化して設計されると、その結果として、パレットを安全に扱い、複雑な倉庫環境をナビゲートし、エンタープライズシステムと統合し、疲労やエラーなしで継続的に稼働できる自律フォークリフトが生まれます。このスタックの各レイヤーがどのように機能するかを理解することで、運用チームとエンジニアリングチームは自律フォークリフトソリューションを評価する際に、より情報に基づいた意思決定を行えるようになり、また現在のテクノロジーが何をできて何ができないかについて現実的な期待を設定できます。

自動運転フォークリフトは運用戦略の代わりではありません。それを増幅させるツールです。このテクノロジーから最大の価値を引き出す施設は、導入を思慮深く進め、実績のある自律運転スタック、安全認証、そして変化する運用ニーズに合わせて成長できる統合柔軟性を備えたプラットフォームを選択する施設です。センサーコストの低下、AIアルゴリズムの向上、そして業界全体での導入経験の蓄積に伴い、自律フォークリフト運用と手動フォークリフト運用の能力差は、自動化に有利な方向へ拡大し続けるでしょう。

自律フォークリフトを施設に導入しませんか？

リーマンの自律フォークリフトソリューションは、実績のあるSLAMナビゲーション、AIによる障害物回避、シームレスなWMS統合を組み合わせており、迅速な導入と運用に合わせた拡張が可能です。お客様の環境とワークフローに適した自律フォークリフトについて、当社のロボティクス専門家にご相談ください。

リーマンに問い合わせる