JP6853718B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

Description

本発明は、ゴミピットでゴミを運搬するクレーンの自動制御に利用可能な情報を出力する情報処理装置等に関する。

ゴミ焼却設備は、ゴミ収集車が搬入するゴミを一時的に貯留するゴミピットを備えており、ゴミピット内のゴミはクレーンにて撹拌された上で、焼却炉に送り込まれて焼却される。この撹拌は、焼却炉に送り込むゴミの質を均質化するために行われており、ゴミを安定して燃焼させるために重要な処理である。このようなクレーンの自動制御に関する先行技術文献として、例えば下記の特許文献１が挙げられる。下記の特許文献１には、２台のカメラの視差からゴミピット内に堆積したごみの高さを計測し、その計測結果を用いて、ごみ高さが一番低い番地にごみを運ぶようにクレーンを自動制御することが記載されている。

特開２００６−４４９０４号公報（２００６年２月１６日公開）

しかしながら、ゴミを掴む地点や掴んだゴミを離す地点を決めるだけでは、クレーンの完全自動運転を実現することはできない。ゴミピット内には、積み上がったゴミやゴミピットの壁面、およびゴミを仕切る区画等の障害物が存在し、また、物理的な障害物はなくとも、運用上、クレーンを通過させない領域も存在するので、これらを避けるようにクレーンを制御する必要があるからである。

このように、クレーンの完全自動運転を実現するためには、クレーンの通過の妨げとなる要素が、ゴミピット内のどこに存在するかを特定することが必要であるが、このような技術は従来知られていないという問題があった。クレーンの通過の妨げとなる要素が、ゴミピット内のどこに存在するかを特定することが必要であるが、このような技術は従来知られていないという問題があった。特に、物理的な障害物はないが、運用上クレーンを通過させない領域は、クレーンの熟練オペレータが経験や技術に基づいて、そのような領域を避けてクレーンを動かしているため、自動運転においてこのような領域を避けることは困難であった。

本発明の一態様は、上記の問題点に鑑みてなされたものであり、オペレータの経験や技術に基づき、ゴミピット内の各領域にクレーンの通過の妨げとなる要素が存在する確度を示す出力データを得ることができる情報処理装置等を実現することを目的とする。

上記の課題を解決するために、本発明に係る情報処理装置は、ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得部と、上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する確度算出部と、を備え、上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである。

上記の課題を解決するために、本発明に係る情報処理方法は、ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得ステップと、確度算出部により、上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する出力ステップとを含み、上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである。

本発明の一態様によれば、オペレータの経験や技術に基づき、ゴミピット内の各領域にクレーンの通過の妨げとなる要素が存在する確度を示す出力データを得ることができるという効果を奏する。

本発明の一実施形態に係る情報処理装置の要部構成の一例を示すブロック図である。 ゴミピットの断面図における模擬障害物の位置を示した図である 路面画像を取得してひび割れを検出する処理の一例を示すフローチャートである。 画像調整処理の一例を示すフローチャートである。 ニューラルネットワークに学習させる処理の一例を示すフローチャートである。 学習済みのニューラルネットワークを用いて模擬障害物情報を生成する処理の一例を示すフローチャートである。 ニューラルネットワークの出力値の例と、該出力値を二値化した例とを示す図である。 模擬障害物情報を用いて経路情報を生成する処理の一例を示すフローチャートである。 図８の各処理で使用または生成される情報の例を示す図である。 本発明の実施形態２に係る情報処理装置が、ゴミの高さに応じたニューラルネットワークを選択する方法を説明する図である。

〔実施形態１〕
本発明の一実施形態について図１から図９に基づいて説明する。

〔装置構成〕
本実施形態に係る情報処理装置の構成を図１に基づいて説明する。図１は、情報処理装置１の要部構成の一例を示すブロック図である。詳細は後述するが、情報処理装置１は、ゴミピット内の各領域において、クレーンの通過の妨げとなる要素が存在する確度を示す情報を生成する機能を備えている。情報処理装置１は、例えばパーソナルコンピュータ等であってもよい。

情報処理装置１は、情報処理装置１の各部を統括して制御する制御部１１、情報処理装置１が使用する各種データを格納する記憶部１２、情報処理装置１に対するデータ等の入力を受け付ける入力部１３、およびデータを出力する出力部１４を備えている。なお、記憶部１２は、情報処理装置１の外部に設けられていてもよい。

また、制御部１１には、操作履歴取得部１１１、通過情報生成部（通過情報取得部）１１２、ゴミ情報取得部１１３、障害物情報取得部１１４、経路情報生成部１１５、模擬障害物情報生成部（確度算出部）１１６、および学習部１１７が含まれている。そして、記憶部１２には、操作履歴情報１２１、ゴミ情報１２２、および障害物情報１２３が格納されている。

操作履歴取得部１１１は、ゴミピットにおけるクレーンのオペレータによる操作の履歴を示す操作履歴情報を取得する。例えば、レバーで操作するクレーンであれば、レバーが操作されたタイミングと、操作の内容とが対応付けられた操作履歴情報を取得する。本実施形態では、操作履歴取得部１１１は、記憶部１２に記憶されている操作履歴情報１２１を取得する。

通過情報生成部１１２は、ゴミピット内の空間を区分した各単位ブロックにおけるクレーンの通過履歴を示す通過情報を操作履歴情報から生成する。具体的には、通過情報生成部１１２は、操作履歴情報１２１からクレーンの動作軌跡を特定して、その動作軌跡に対応する通過情報を生成する。操作履歴情報１２１からクレーンの動作軌跡を特定する際には、クレーンの操作内容と、それに応じたクレーンの位置（より詳細にはクレーンのバケットの位置）の変化との対応関係を示すクレーン動作パターンモデルを用いてもよい。そして、通過情報生成部１１２は、上記動作軌跡から、クレーンの通った単位ブロックを特定し、それらの単位ブロックを示す通過情報を生成する。この通過情報は、例えば、クレーンの通った単位ブロックの値が１であり、それ以外の単位ブロックの値が０である情報であってもよい。なお、上記のようにして生成した通過情報を予め記憶部１２に記憶しておいてもよく、この場合、操作履歴取得部１１１は不要であり、通過情報生成部１１２は記憶部１２から通過情報を取得する。

ゴミ情報取得部１１３は、ゴミピットに堆積されたゴミの高さに基づいて特定された、各単位ブロックにおけるゴミの有無を示すゴミ情報を取得する。具体的には、ゴミ情報取得部１１３は、記憶部１２に記憶されているゴミ情報１２２を取得する。ゴミ情報は、例えば、ゴミのある単位ブロックの値が１であり、それ以外の単位ブロックの値が０である情報であってもよい。ゴミ情報は、例えばゴミピット内のある位置におけるゴミの高さを計測し、その高さ以下に位置する単位ブロックはゴミあり、その高さより高所に位置する単位ブロックはゴミなし、とする処理をゴミピットの全面について行うことで生成することができる。なお、ゴミの高さは、クレーンをゴミの位置まで下ろしたときのクレーンのロープ長から計測する、各種測定機器で計測する、等によって特定することができる。

障害物情報取得部１１４は、ゴミピットにおける既知の障害物が各単位ブロックに存在するか否かを示す障害物情報を取得する。具体的には、障害物情報取得部１１４は、記憶部１２に記憶されている障害物情報１２３を取得する。障害物情報は、例えば、障害物のある単位ブロックの値が１であり、それ以外の単位ブロックの値が０である情報であってもよい。既知の障害物としては、例えば、ゴミピットの壁面、ゴミピット内を複数の区画に分ける仕切り、ゴミピットの上部にせり出した監視室等が挙げられる。

経路情報生成部１１５は、障害物が存在する可能性の高さが所定の閾値以上である単位ブロックを避けて、指定された出発点から指定された目的点までのクレーンの通過経路を示す経路情報を生成する。

模擬障害物情報生成部１１６は、上記通過情報を含む入力データから、各単位ブロックにクレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する。この出力データの生成には、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習させたニューラルネットワークを用いる。以下では、上記要素が存在する確度が閾値以上の単位ブロックを模擬障害物のある単位ブロックと呼び、上記出力データを模擬障害物情報とも呼ぶ。なお、模擬障害物は、物理的な障害物に限られない。例えば、ゴミピットの運用上クレーンを通過させないことが好ましい事情等のある単位ブロックも模擬障害物があるとみなされることがある。また、上記他のゴミピットとは、模擬障害物情報の生成対象となるゴミピットと同型であることが望ましいが、ゴミピットの形状や構造が程度類似していれば、型が異なっていても構わない。

学習部１１７は、ニューラルネットワークに上記の対応関係を学習させる。学習の詳細は図５に基づいて後述する。

上述のように、操作履歴情報１２１は、ゴミピットにおけるクレーンのオペレータによる操作の履歴を示す情報である。また、ゴミ情報１２２は、各単位ブロックについて、ゴミピットに堆積されたゴミの高さに基づいて特定されたゴミの有無を示す情報である。そして、障害物情報１２３は、各単位ブロックについて、既知の障害物が存在するか否かを示す情報である。

〔機能概要〕
情報処理装置１の機能概要を図２に基づいて説明する。図２は、ゴミピットの断面図における模擬障害物の位置を示した図である。図示のゴミピットは、ゴミ貯留部と、ホッパーとを備えている。また、同図には模擬障害物とクレーンの軌跡を図示している。ゴミピットの運営においては、ゴミピット内に投入されてゴミ貯留部に保管されているゴミを、クレーンで撹拌したり、積み替えたり、ホッパーに投入して焼却炉に送り込んだりする処理が行われる。

情報処理装置１が生成する模擬障害物情報は、図示のように、ゴミピット内の空間における模擬障害物が存在する領域を示している。よって、この領域を避けてクレーンの通過経路を示す経路情報を生成し、この経路情報に従ってクレーンを動作させることにより、熟練したオペレータが操作する場合と同様に、安全なクレーン制御が実現される。

〔模擬障害物情報の生成〕
模擬障害物情報の生成について図３に基づいて説明する。図３は、障害物情報、ゴミ情報、および通過情報を用いてニューラルネットワークにより模擬障害物情報を生成する例を示した図である。

ここでは、ゴミピット内の空間を立方体状の単位ブロックに区分して、各単位ブロックを（ｘ，ｙ，ｚ）の座標で表している。例えば、上記空間が幅５ｍ、奥行き１０ｍ、高さ５ｍの空間であり、単位ブロックを一辺０．５ｍの立方体とした場合、１≦ｘ≦１０、１≦ｙ≦２０、１≦ｚ≦１０となる。単位ブロックのサイズは、クレーンのバケットのサイズ等に応じて決定すればよい。

本例における障害物情報は、各単位ブロックにおける障害物の有無を１または０の数値で示すものである。より詳細には、（ｘ，ｙ，ｚ）の位置の単位ブロックに障害物がある場合、その単位ブロックにおける障害物情報は（ｘ_Ｏ，ｙ_Ｏ，ｚ_Ｏ）＝１となる。一方、（ｘ，ｙ，ｚ）の位置の単位ブロックに障害物がない場合、その単位ブロックにおける障害物情報は（ｘ_Ｏ，ｙ_Ｏ，ｚ_Ｏ）＝０となる。

同様に、本例におけるゴミ情報は、各単位ブロックにおけるゴミの有無を１または０の数値で示すものである。より詳細には、（ｘ，ｙ，ｚ）の位置の単位ブロックにゴミがある場合、その単位ブロックにおけるゴミ情報は（ｘ_ｒ，ｙ_ｒ，ｚ_ｒ）＝１となる。一方、（ｘ，ｙ，ｚ）の位置の単位ブロックにゴミがない場合、その単位ブロックにおけるゴミ情報は（ｘ_ｒ，ｙ_ｒ，ｚ_ｒ）＝０となる。

また、本例における通過情報は、各単位ブロックにおけるクレーンの通過の有無を１または０の数値で示すものである。より詳細には、（ｘ，ｙ，ｚ）の位置の単位ブロックをクレーンが通過したことがある場合、その単位ブロックにおける通過情報は（ｘ_ａ，ｙ_ａ，ｚ_ａ）＝０となる。一方、（ｘ，ｙ，ｚ）の位置の単位ブロックをクレーンが通過したことがない場合、その単位ブロックにおける通過情報は（ｘ_ａ，ｙ_ａ，ｚ_ａ）＝１となる。

これらの障害物情報、ゴミ情報、および通過情報が、ニューラルネットワークへの入力データである。つまり、入力データ数は、（ｘ×ｙ×ｚ×３）個となる。

図示のニューラルネットワークは、上記の入力データが入力される最上位層である入力層と、出力データを出力する最下位層である出力層と、入力層と出力層との間に設けられた中間層とを含む、三層のニューラルネットワークである。なお、中間層の数はこの例に限定されない。

このニューラルネットワークの入力層のノード数は、入力データ数と同じ（ｘ×ｙ×ｚ×３）個である。また、ニューラルネットワークの出力データは、各単位ブロックにおける模擬障害物の有無を示すものであり、（ｘ_ｉ，ｙ_ｉ，ｚ_ｉ）と表される。（ｘ_ｉ，ｙ_ｉ，ｚ_ｉ）は０以上１以下の値を取り得る。出力層のノード数は、単位ブロックの個数と同じであり、（ｘ×ｙ×ｚ）個である。ニューラルネットワークでは、上位階層から下位階層にノード値が伝達されるが、この伝達の際に、ノード間の接続毎に設定された重みパラメータを用いた重み付けが行われる。学習データを用いた学習により、この重みパラメータが最適化され、模擬障害物情報を生成可能なニューラルネットワークが構築される。

〔模擬障害物情報の概要〕
上記のようにして学習されたニューラルネットワークの出力データ、すなわち模擬障害物情報について、図４に基づいて説明する。図４は、ニューラルネットワークの出力値を単位ユニットごとに示した図である。なお、図４は、垂直方向（図２の上下方向）をＺ、ゴミピットの幅方向（図２の左右方向）をＹで示している。図示していないが、ゴミピットの奥行き方向（ＺとＹの双方に直行する方向）はＸで表す。つまり、図４では、ゴミピットをＺＹ平面で切断した断面を示している。

図示のように、ゴミ層内や壁面内あるいはそれらの近辺に位置する単位ユニットの出力値は、総じて１に近い値となっている。これにより、これらの単位ユニットには障害物が存在する確度が高いことがわかる。一方、出力値が０に近い単位ユニットも存在しており、これらの単位ユニットには障害物が存在する確度が低いことがわかる。

よって、クレーンの経路を決定する際に、このような模擬障害物情報を用いることにより、例えば図４に最適経路として示す経路のような、障害物が存在する確度の高い単位ユニットを避けた安全性の高い経路を自動で生成することが可能になる。

〔処理の流れ（ニューラルネットワークの学習）〕
ニューラルネットワークに学習させる処理の流れを図５に基づいて説明する。図５は、ニューラルネットワークに学習させる処理（情報処理方法）の一例を示すフローチャートである。

なお、本処理の前に、ニューラルネットワークの学習用の入力データとして、操作履歴情報１２１、ゴミ情報１２２、および障害物情報１２３が入力部１３を介して情報処理装置１に入力され、記憶部１２に格納されている。これらの情報は、模擬障害物情報の生成対象となるゴミピットと同型で、障害物の位置（各ブロックにおける障害物の有無）が既知である他のゴミピットについての情報である。

より詳細には、操作履歴情報１２１は、他のゴミピットにおけるオペレータの操作履歴を示す情報である。操作履歴情報１２１からは、後述の処理により、他のゴミピットの各単位ブロックにおけるクレーンの通過情報が生成され、この通過情報が学習用の入力データとして用いられる。なお、他のゴミピット内の空間（クレーンの可動範囲内の空間）は、模擬障害物情報の生成対象となるゴミピットと同様に単位ブロックに区分されている。そして、模擬障害物情報の生成対象となるゴミピットの各単位ブロックと、他のゴミピットの各単位ブロックとは一対一に対応している。

また、ゴミ情報１２２は、当該他のゴミピットの各単位ブロックにおけるゴミの有無を示す情報である。そして、障害物情報１２３は、当該他のゴミピットの各単位ブロックにおける障害物の有無を示す情報である。これらの情報は、そのまま学習用の入力データとして用いられる。

Ｓ１では、操作履歴取得部１１１は、記憶部１２から操作履歴情報１２１を取得する。続いて、通過情報生成部１１２は、操作履歴情報１２１からクレーンの動作軌跡を特定し（Ｓ２）、通過情報を生成する（Ｓ３）。また、ゴミ情報取得部１１３は、記憶部１２からゴミ情報１２２を取得し（Ｓ４）、障害物情報取得部１１４は、記憶部１２から障害物情報１２３を取得する（Ｓ５）。

次に、模擬障害物情報生成部１１６は、Ｓ３で生成された通過情報と、Ｓ４で取得されたゴミ情報１２２と、Ｓ５で取得された障害物情報１２３とを入力データとして、ニューラルネットワークで出力値を算出する（Ｓ６）。そして、学習部１１７は、Ｓ６で算出された出力値と正解値との誤差が小さくなるようにニューラルネットワークの重みを修正することにより、ニューラルネットワークを更新する（Ｓ７）。

そして、学習部１１７は、学習を終了するか否かを判定する（Ｓ８）。学習部１１７が学習を終了すると判定した場合（Ｓ８でＹＥＳ）、処理は終了となり、これにより、ニューラルネットワークは学習済みの状態となる。一方、学習部１１７が学習を終了しないと判定した場合（Ｓ８でＮＯ）、処理はＳ１に戻る。Ｓ８では、学習部１１７は、例えば学習回数（Ｓ７で更新を行った回数）が所定回数に達した場合に学習を終了すると判定してもよいし、出力値と正解値との誤差が目標値以下となったときに学習を終了すると判定してもよい。

２回目以降のＳ１の処理では、操作履歴取得部１１１は、操作履歴情報１２１の中から未選択のデータを選択する。同様に、２回目以降のＳ４の処理ではゴミ情報取得部１１３はゴミ情報１２２中から未選択のデータを選択し、２回目以降のＳ５の処理では障害物情報取得部１１４は障害物情報１２３中から未選択のデータを選択する。そして、ニューラルネットワークによる出力値の算出と、その出力値に基づくニューラルネットワークの更新が再度行われる。つまり、ニューラルネットワークの学習処理では、Ｓ８で学習を終了すると判定されるまで、学習データを変更しながら重みを調整する処理を繰り返して行う。

〔処理の流れ（模擬障害物情報の生成）〕
学習済みのニューラルネットワークを用いて模擬障害物情報を生成する処理の流れを図６に基づいて説明する。図６は、学習済みのニューラルネットワークを用いて模擬障害物情報を生成する処理（情報処理方法）の一例を示すフローチャートである。

なお、本処理の前に、ニューラルネットワークの学習用の入力データとして、操作履歴情報１２１、ゴミ情報１２２、および障害物情報１２３が入力部１３を介して情報処理装置１に入力され、記憶部１２に格納されている。これらの情報は、模擬障害物情報の生成対象となるゴミピットについての情報である。

Ｓ１１〜Ｓ１６の処理は、使用するデータが学習用の入力データであるか否かが相違するだけで、図５のＳ１〜Ｓ６の処理と同様である。すなわち、操作履歴取得部１１１は、記憶部１２から操作履歴情報１２１を取得し（Ｓ１１）、通過情報生成部１１２は、操作履歴情報１２１からクレーンの動作軌跡を特定し（Ｓ１２）、通過情報を生成する（Ｓ１３、通過情報取得ステップ）。また、ゴミ情報取得部１１３は、記憶部１２からゴミ情報１２２を取得し（Ｓ１４）、障害物情報取得部１１４は、記憶部１２から障害物情報１２３を取得する（Ｓ１５）。

そして、模擬障害物情報生成部１１６は、Ｓ１３で生成された通過情報と、Ｓ１４で取得されたゴミ情報１２２と、Ｓ１５で取得された障害物情報１２３とを入力データとして、ニューラルネットワークで出力値を算出する（Ｓ１６、出力ステップ）。この出力値が模擬障害物情報である。

〔模擬障害物情報について〕
ニューラルネットワークの出力値をそのまま模擬障害物情報として用いることもできるし、この出力値を加工して模擬障害物情報としてもよい。これについて、図７に基づいて説明する。図７は、ニューラルネットワークの出力値の例と、該出力値を二値化した例とを示す図である。

図７の（ａ）に示すように、ニューラルネットワークの出力値は０〜１の範囲となる。このような出力値を模擬障害物情報として用いた場合、値が１に近い単位ブロックを避けて、値が０に近い単位ブロックの範疇で経路を生成することになる。

一方、同図の（ｂ）に示すように、ニューラルネットワークの出力値を二値化することにより、その値を０および１の何れかとすることができる。このような出力値を模擬障害物情報として用いた場合、値が１の単位ブロックを避けて、値が０の単位ブロックの範疇で経路を生成することになる。二値化の際の閾値は、例えば０．５や０．８等のように、０〜１の間で適宜設定すればよい。閾値を０に近い値とするほど、安全性の高い経路を作成することが可能になるが、経路の選択の幅が限られる。

〔処理の流れ（経路情報の生成）〕
模擬障害物情報を用いて経路情報を生成する処理の流れを図８および図９に基づいて説明する。図８は、模擬障害物情報を用いて経路情報を生成する処理（情報処理方法）の一例を示すフローチャートである。図９は、図８の各処理で使用または生成される情報の例を示す図である。

Ｓ２１では、経路情報生成部１１５は、模擬障害物情報生成部１１６が生成した模擬障害物情報を取得する。この模擬障害物情報は、上述のように、ニューラルネットワークの出力値そのものであってもよいし、これを二値化したものであってもよい。二値化処理は模擬障害物情報生成部１１６が行ってもよいし、経路情報生成部１１５が行ってもよく、他の処理ブロックが行ってもよい。図９の（ａ）には、二値化によって生成した模擬障害物情報の例を示している。二値化によって生成した模擬障害物情報は、ゴミピット内の領域を、模擬障害物がない領域と、それ以外の領域とに区分したものとなる。

Ｓ２２では、経路情報生成部１１５は、クレーンの出発点と目的点を特定する。出発点と目的点は、例えば単位ブロックを示す座標値（ｘ，ｙ，ｚ）で表されていてもよい。出発点と目的点は、入力部１３を介したユーザの入力に基づいて特定してもよい。

Ｓ２３では、経路情報生成部１１５は、出発点からの距離分布を算出する。より詳細には、経路情報生成部１１５は、模擬障害物のない範囲内において、出発点からＸ方向およびＹ方向の少なくとも何れかの方向に所定距離移動した位置と、出発点との距離を算出する処理を、上記位置を上記所定距離移動させながら行う。上記所定距離は、単位ブロックの一辺よりも短い距離であればよく、例えば単位ブロックの一辺の１０％の距離であってもよい。この処理により、模擬障害物のない範囲について、出発点からの距離の分布を特定することができる。特定結果を図示すると図９の（ｂ）のようになる。同図では出発点から等距離の位置を同じ色で示している。

Ｓ２４では、経路情報生成部１１５は、出発点との距離を算出した各位置について、Ｘ方向とＹ方向の勾配をそれぞれ算出する。Ｘ方向の勾配の算出結果を図示すると図９の（ｃ）のようになり、Ｙ方向の勾配の算出結果を図示すると図９の（ｄ）のようになる。これらの図では勾配が同じ位置を同じ色で示している。

Ｓ２５では、経路情報生成部１１５は、最適経路を特定する。具体的には、経路情報生成部１１５は、Ｘ方向とＹ方向のそれぞれの勾配を、所定の割合で変化させながら、出発点と目的点とを結ぶ最適経路を特定する。上記所定の割合は、例えば±０．１％であってもよい。

最後に、経路情報生成部１１５は、Ｓ２５で特定した最適経路のデータクリーニングを行い（Ｓ２６）、データクリーニング後のデータを経路情報とする（Ｓ２７）。例えば、図９の例では、同図の（ｅ）に示すような出発点と目的点とを結ぶ線分を示す情報が経路情報として算出される。なお、経路情報は、出発点と目的点とを結ぶ線分を、該線分上の座標で示したものであってもよい。

なお、ニューラルネットワークの出力値をそのまま模擬障害物情報として用いる場合、Ｓ２４において、経路情報生成部１１５は、算出した勾配に上記出力値の大きさに応じた重みを乗じてもよい。このように重み付けをした勾配をＸ方向と、Ｙ方向のそれぞれについて加算することにより、障害物が存在する可能性の低い経路を算出することができる。

また、Ｓ２５で特定する最適経路は最短の経路であってもよいし、他の条件を考慮して決定した経路であってもよい。他の条件としては、例えばクレーンの動作による消費電力が最小化される、クレーン動作の安全性が高くなる、および、クレーンが最も振れにくい等が挙げられる。具体的には、消費電力が最小化される経路は、例えば、Ｘ、Ｙ、Ｚの各軸方向にクレーンを動かす際のクレーン駆動用のモータの消費電力に基づいて特定することができる。また、クレーン動作の安全性が高くなる経路は、例えば、ゴミピットの壁際等のようなクレーンが衝突する可能性のある領域を避けることにより特定することができる。そして、クレーンが最も振れにくい経路は、例えばクレーンが振れやすい位置やクレーンが振れやすい移動パターンを避けることにより特定することができる。

〔実施形態２〕
本発明の実施形態２について説明する。なお、上記実施形態と同様の構成には同一の参照番号を付し、その説明を省略する。本実施形態の情報処理装置１は、ゴミピットにおけるゴミの高さに応じて、学習条件の異なるニューラルネットワークを用いる点で上記実施形態の情報処理装置１と相違している。

ゴミの高さに応じたニューラルネットワークの選択方法について図１０に基づいて説明する。図１０は、ゴミの高さに応じたニューラルネットワークの選択方法を説明する図である。図１０の（ａ）は、ゴミピットを真上から見た様子を示している。ゴミは搬入扉からゴミピット内に投入されるので、投入されたゴミは、まず、搬入扉の直下の搬入ごみ保管エリアに積み上げられる。そして、搬入ごみ保管エリア内のゴミは、新たに搬入されるゴミの受け入れが可能となるように、搬入ごみ保管エリアよりも奥側（ホッパー側）の投入ごみ保管エリアにクレーンにより積み替えられる。その後、投入ごみ保管エリアでは、ゴミを安定して燃焼させるためのクレーンによる撹拌が行われ、撹拌済みのゴミはクレーンによりホッパーに投入される。

このように、投入ごみ保管エリアと搬入ごみ保管エリアは、同じゴミピット内の領域であるが用途が異なっており、投入ごみ保管エリアのゴミの高さが示すゴミピットの状況と、搬入ごみ保管エリアのゴミの高さが示すゴミピットの状況とは異なっている。このため、本実施形態では、投入ごみ保管エリアのゴミの高さと搬入ごみ保管エリアのゴミの高さとの組み合わせに応じてニューラルネットワークを選択する。

具体的には、図１０の（ｂ）に示すように、投入ごみ保管エリアのゴミの高さを５ｍ未満、５ｍ以上１０ｍ未満、および１０ｍ以上の３段階に区分すると共に、搬入ごみ保管エリアのゴミの高さについても同様に３段階に区分している。そして、これらの高さの組み合わせ毎に、使用するニューラルネットワークが、パターン１〜９の９つの何れかに予め定められている。なお、各エリアのゴミの高さは、そのエリアにおけるゴミの平均高さであってもよい。

パターン１〜９のニューラルネットワークは、ゴミピットにおける投入ごみ保管エリアのゴミの高さと搬入ごみ保管エリアのゴミの高さが、所定の組み合わせとなっているという条件を満たした学習データで学習されたものである。例えば、パターン１のニューラルネットワークは、投入ごみ保管エリアおよび搬入ごみ保管エリアのゴミの高さが何れも５ｍ未満であるときの、通過情報、ゴミ情報、および障害物情報を学習データとして学習されたものである。

本実施形態の模擬障害物情報生成部１１６は、投入ごみ保管エリアおよび搬入ごみ保管エリアのゴミの高さをそれぞれ特定し、図１０の（ｂ）に示すようなテーブルを参照して、上記特定の結果に応じたパターンのニューラルネットワークを選択する。各エリアにおけるゴミの高さの特定方法は特に限定されない。例えば、ゴミ情報１２２から算出する、センサで計測する、クレーンがゴミに接したときのロープ長から特定する、等の方法が挙げられる。

このように、模擬障害物情報を生成する対象となるゴミピットにおける各エリアのゴミの高さと、ニューラルネットワークの学習に用いたゴミピットにおける各エリアのゴミの高さとを揃えることにより、より正確な模擬障害物情報を生成することが可能になる。

なお、本実施形態では、２つのエリアのゴミの高さに応じたニューラルネットワークを使用しているが、エリア分けを行うことなく、ゴミピット全体のゴミの高さに応じたニューラルネットワークを使用してもよい。また、ゴミピット内を３つ以上のエリアに区分し、各エリアにおけるゴミの高さの組み合わせに応じたニューラルネットワークを使用してもよい。

〔クレーン制御の自動化例〕
模擬障害物情報を利用してクレーン制御を自動化することができる。この場合、情報処理装置１の制御部１１には、クレーンの動作パターンの割合を決定する工程管理部が含まれていてもよい。

一般に、ゴミ搬入車でゴミピットに搬入されたゴミは、ゴミピット内に一時的に貯留される。この貯留中には、搬入扉の直下の搬入エリアから撹拌エリアへの積み替え、撹拌エリア内での撹拌等が行われる。そして、最後にゴミはホッパーに投入されて焼却される。積み替えはゴミの搬入に支障がないように、ゴミの搬入状況に応じて行われる。また、撹拌は、ゴミをクレーンで高所に持ち上げて離す動作が行われ、高所で離されたゴミは自重で落下し、この際にゴミ袋が破れ、落下地点の周囲のゴミと混ざり合う。そして、ホッパーへの投入は、燃焼させるゴミの量が不足したホッパーからの投入指令に従って行われる。

工程管理部は、ゴミピットに搬入されるゴミの量とゴミの焼却量とから、クレーンの動作パターン（積み替え、撹拌、ホッパーへの投入）の割合を決定する。より詳細には、クレーンを動作させる時間帯における搬入量から積替え回数を決定し、焼却量から投入回数を決定する。そして、上記時間帯から、これら積み替えおよび投入作業に要する時間を差し引いた残り時間から撹拌回数を決定する。また、工程管理部は、上述のような一般的なゴミピットにおける作業の流れに応じて、積み替え、撹拌、投入の作業手順を決定する。

作業手順が決まれば、クレーンの動作内容、すなわちどの位置でゴミを掴み、どの位置でゴミを離すかも決まる。そして、その掴み位置と離し位置との間の最適経路は、上述のように、経路情報生成部１１５が模擬障害物情報を利用して生成することができる。生成した経路情報は、クレーンのメインコントローラに入力し、メインコントローラが経路情報に従ってクレーンを動作させる。

これにより、クレーンを安全に自動制御することができると共に、クレーンの動作に要する消費電力も最小化することができる。なお、制御対象のクレーンは複数あってもよく、この場合、メインコントローラは各クレーンのコントローラを制御し、該コントローラは各クレーンを制御する。

〔変形例〕
上記各実施形態では、通過情報、ゴミ情報、および障害物情報を用いて模擬障害物情報を生成する例を説明したが、これらの情報のうち、少なくとも通過情報を用いることにより、オペレータの経験や技術が反映された模擬障害物情報を生成することができる。つまり、ゴミ情報および障害物情報は必須の入力データではない。

模擬障害物情報の用途は、経路情報の生成に限られない。例えば、強化学習によってクレーンの動作パターンを決定しようとした場合、強化学習は試行錯誤を伴うため、実際のゴミピットではクレーンを動かして学習することはできない。しかし、模擬障害物情報を用いて仮想的なゴミピット空間を規定することにより、この空間内で強化学習を行うこともできる。

模擬障害物情報の生成に用いるアルゴリズムは、機械学習によって、少なくとも通過情報を含む入力データから、各単位ブロックにクレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力することのできるものであればよい。例えば、ニューラルネットワーク以外にも、確率解析の統計手法、決定木、種々のクリスタリング手法等を適用することが可能である。

〔ソフトウェアによる実現例〕
情報処理装置１の制御ブロック（特に制御部１１に含まれる各部）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。

後者の場合、情報処理装置１は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

〔まとめ〕
本発明の態様１に係る情報処理装置（１）は、ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得部（通過情報生成部１１２）と、上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する確度算出部（模擬障害物情報生成部１１６）と、を備え、上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである。

上記の構成によれば、オペレータの経験や技術に基づく、各単位ブロックにクレーンの通過の妨げとなる要素が存在する確度を示す出力データを得ることができる。なお、クレーンの通過の妨げとなる要素は、物理的な障害物であってもよいし、ゴミピットの運用上、クレーンを通過させないことが好ましい事情等であってもよい。

本発明の態様２に係る情報処理装置は、上記態様１において、上記ゴミピットに堆積されたゴミの高さに基づいて特定された上記各単位ブロックにおけるゴミの有無を示すゴミ情報を取得するゴミ情報取得部（１１３）を備え、上記確度算出部への入力データには上記ゴミ情報取得部が取得した上記ゴミ情報が含まれ、上記学習用の入力データには上記他のゴミピットの各単位ブロックにおけるゴミの有無を示すゴミ情報が含まれる、構成としてもよい。

上記の構成によれば、ゴミが堆積されていることがクレーンの通過の妨げとなる要素として加味された出力データを得ることができる。

本発明の態様３に係る情報処理装置は、上記態様１または２において、上記ゴミピットにおける既知の障害物が上記各単位ブロックに存在するか否かを示す障害物情報を取得する障害物情報取得部（１１４）を備え、上記確度算出部への入力データには上記障害物情報取得部が取得した上記障害物情報が含まれ、上記学習用の入力データには上記他のゴミピットの各単位ブロックにおける既知の障害物の有無を示す障害物情報が含まれる、構成としてもよい。

上記の構成によれば、既知の障害物の有無が加味されるので、既知の障害物の存在を確実に反映させた出力データを得ることができる。

本発明の態様４に係る情報処理装置は、上記態様１から３の何れかにおいて、上記出力データの示す可能性の高さが所定の閾値以上である上記単位ブロックを避けて、指定された出発点から指定された目的点までの上記クレーンの通過経路を示す経路情報を生成する経路情報生成部（１１５）を備えている構成としてもよい。

上記経路情報には、オペレータの経験や技術が反映されているので、この経路情報を用いることにより、オペレータの経験や技術をクレーンの自動運転に反映することができる。

本発明の態様５に係る情報処理方法は、情報処理装置による情報処理方法であって、ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得ステップ（Ｓ１３）と、確度算出部により、上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する出力ステップ（Ｓ１６）とを含み、上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである。この情報処理方法によれば、上記態様１と同様の作用効果を奏する。

上述の情報処理装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記情報処理装置が備える各部（ソフトウェア要素）として動作させることにより上記情報処理装置をコンピュータにて実現させる情報処理プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。

１ 情報処理装置
１１２ 通過情報生成部（通過情報取得部）
１１３ ゴミ情報取得部
１１４ 障害物情報取得部
１１５ 経路情報生成部
１１６ 模擬障害物情報生成部（確度算出部）

Claims (6)

1. ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得部と、
   上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する確度算出部と、を備え、
   上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである、ことを特徴とする情報処理装置。
2. 上記ゴミピットに堆積されたゴミの高さに基づいて特定された上記各単位ブロックにおけるゴミの有無を示すゴミ情報を取得するゴミ情報取得部を備え、
   上記確度算出部への入力データには上記ゴミ情報取得部が取得した上記ゴミ情報が含まれ、
   上記学習用の入力データには上記他のゴミピットの各単位ブロックにおけるゴミの有無を示すゴミ情報が含まれる、ことを特徴とする請求項１に記載の情報処理装置。
3. 上記ゴミピットにおける既知の障害物が上記各単位ブロックに存在するか否かを示す障害物情報を取得する障害物情報取得部を備え、
   上記確度算出部への入力データには上記障害物情報取得部が取得した上記障害物情報が含まれ、
   上記学習用の入力データには上記他のゴミピットの各単位ブロックにおける既知の障害物の有無を示す障害物情報が含まれる、ことを特徴とする請求項１または２に記載の情報処理装置。
4. 上記出力データの示す可能性の高さが所定の閾値以上である上記単位ブロックを避けて、指定された出発点から指定された目的点までの上記クレーンの通過経路を示す経路情報を生成する経路情報生成部を備えていることを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
5. 情報処理装置による情報処理方法であって、
   ゴミピット内でゴミを運搬するクレーンのオペレータによる操作履歴に基づく、当該ゴミピット内の空間を区分した各単位ブロックにおける上記クレーンの通過履歴を示す通過情報を取得する通過情報取得ステップと、
   確度算出部により、上記通過情報を含む入力データから、上記各単位ブロックに上記クレーンの通過の妨げとなる要素が存在する確度を示す出力データを出力する出力ステップとを含み、
   上記確度算出部は、上記ゴミピットと同型の他のゴミピットの、上記各単位ブロックに対応する各単位ブロックにおけるクレーンの通過情報を含む学習用の入力データと、当該他のゴミピットの各単位ブロックにおける上記要素の有無との対応関係を機械学習したものである、ことを特徴とする情報処理方法。
6. 請求項１に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記通過情報取得部および上記確度算出部としてコンピュータを機能させるための情報処理プログラム。

Images