人とロボットの共有制御に基づく遠隔操作型ライブライン配電作業ロボット

サマリー

人とロボットの共有制御に基づく遠隔操作型ライブライン配電作業ロボットが開発されました。実験室実験では、共有制御加重が軌道効率を向上させ、タスク完了時間やサブムーブメントを短縮することが示されました。突然のテレオペレーション行動検出アルゴリズムは、オペレーターの突然の動きを減らし、現場タップ操作で成功裏に検証されました。

要約

従来の配電線でのライブライン作業は、高リスク、高労働集約、高い訓練コストが特徴の手作業に依存しています。したがって、流通型ライブライン作業ロボットの開発は、手動操作に代わる重要な道筋です。しかし、作業環境は非常に構造化されておらず、複雑な屋外照明や予測不可能な風の条件といった課題があります。既存のロボットは主にマスター・スレーブの遠隔操作または完全自律モードを使用しており、これらはオペレーターに大きな精神的負担をかけ、誤操作に非常に敏感で、環境適応性も限られています。

これらの課題に対処するため、本研究は人間とロボットの共有制御に基づく遠隔操作型配信型ライブライン作業ロボットを提示します。最終的なマニピュレーターの軌道は、人間オペレーターとロボットの自動計画モジュールによって別々に提供された2つの基準軌道を線形重み付けした組み合わせによって得られます。このアプローチにより、ロボットのオペレーターへの依存度が減り、オペレーターの精神的負担が軽減され、効率が向上し、人間のオペレーターによる突然の誤操作を防ぎます。最後に、この論文ではシステム設計を提示し、実際のライブラインタッピング作業での応用を通じてその有効性を検証しています。

概要

ライブライン作業は、高電圧機器の点検、試験、保守において重要な方法です。中国におけるライブラインの作業量は急速に増加しています。業界の需要の観点から見ると、ライブライン作業における人員安全の問題を解決することは長期的かつ困難な課題です。方法、技術、機器、概念においても革新と改善が依然として必要です。

配電ライブライン作業は、電力配電のライブライン保守に用いられる最も一般的なライブライン作業のタイプの一つです。複雑な照明環境、密集した機器配置、配電線の位相間および位相間距離の狭さから、これらの運用は主に従来の手動方式に依存してきました。しかし、この従来のアプローチには、高リスク、高い労働集約、高い研^修費用といった問題があります。したがって、手作業に代わるライブライン作業能力を持つロボットの開発は、将来の配電ネットワークの運用と保守において避けられないトレンドとなっています。

1980年代以降、日本やアメリカ合衆国などの国々がこの分野で研究や試験を行ってきました( 図1参照)。最初期のシステムは、マスター・スレーブ追跡型の遠隔操作ロボットでした。例えば、日本のフェーズIIライブライン作業ロボット2は、プラットフォームに三自由度(DOF)補助マニピュレーター^を搭載し 、デュアルFOF電動マニピュレーターも搭載しました。人間の操作者は近距離から操作棒を使って操作しました。

米国のTOMCAT³モデルは、作業中のバケット内で人間の操作者が操作する油圧マニピュレーターを使用していました。同様に、中国の山東電力網⁴号線では、作業中のバケツに立ったオペレーターが操作する油圧マニピュレーターを採用しました。さらに、マスターエンドとスレーブエンド間の許容距離を拡大するために、スペインのROBTET ^5,6は遠隔通信に光ファイバーケーブルを使用し、地上からの遠隔操作を可能にしました。これらのロボットのテレオペレーションモードは、マスター・スレーブ追跡モードとして要約できます。自律知能が不足しており、環境を観察しロボットを近距離で操作する必要があり、精神的負担も大きいため、高電圧で危険な環境で人間の代わりになることはできません。

ロボット知能の不足に対処するためには、コンピュータビジョン、軌道計画、人間とロボットの遠隔操作などの知能技術の研究が求められ、ロボットの自律能力を強化します。

配電ライブライン作業では、タッピング作業が総^作業量の約20%7を占めます(配電線は図2に示されています)。したがって、視覚センサーを使って配線とその剥がれた部分(絶縁が剥がれた部分)を特定し、ロボットを誘導することが非常に重要です。2020年、国家グリッド瑞嘉⁸号は、LiDARと双眼カメラ情報を融合させて目標認識と位置特定を行うリモートインタラクション可能な分散型ライブライン作業ロボットを開発しました。さらに、形態演算とハフ変換を組み合わせたアルゴリズムが用いられ、電力線^{9,10の抽出を}容易にしています。ハフ変換は電力線の検出に用いられ、その後ステレオビジョンアルゴリズムで検出された2Dピクセルデータを3次元空間座標¹¹に変換します。湖北省電力研究所¹²号は、色と深度マップの融合に基づくフィルターを提案しました。この方法は送電線周辺の複雑な背景をフィルタリングし、近傍のピクセル値差を解析して明確な送電線の輪郭を抽出します。さらに、中国科学技術大学¹³校は深層学習に基づく電力線認識アルゴリズムを提案し、複数の電力線を迅速に識別・定位することを実現しました。

コンピュータビジョンアルゴリズムの急速な発展にもかかわらず、屋外での運用は依然として困難です。複雑な照明条件や反射性のワイヤー表面は、深度情報の損失を招き、深^{さデータに}大きく依存する手法では認識率が低く、位置誤差が大きくなります。同時に、配電線内に存在する様々な不規則な変形のため、一連の直線検出方法はもはや適用できなくなり、 図3に示されています。さらに、高地での風向きの変化は線の垂直方向の動きを引き起こし、既存のオフラインアルゴリズムの結果にセンチメートル単位の誤差をもたらします。

このような非常に危険で非構造化かつ動的な環境、いわゆる特殊作戦環境では、ロボットの視野や動的な意思決定能力が制限され、複雑な作業を自律的に完了することが困難です。

したがって、人間の知的意思決定能力を導入し、それをロボットの高精度モーションコントロールと組み合わせることが依然として必要です。前述の初期の遠隔操作技術は、人間の介入のための道筋を提供しました。これらを急速に発展するリモートインタラクションやテレオペレーション技術と組み合わせることで、インテリジェントテレオペレーション配信型ライブライン作業ロボットに関する研究体系が生まれています。

中国科学技術大学¹⁴ は、マスター側とスレーブ側間の段階的位置マッピングを実装し、人工ポテンシャル場(APF)法を用いてロボットの障害物回避に取り組みました。その後、アドミタンスベースのテレオペレーションが配布用のライブライン作業ロボットに実装されました。マスター・スレーブ・トラッキングを基盤とし、このアプローチによりロボットは環境の接触力の変化に応じて動的に姿勢を調整できます。中国電子科学技術大学¹⁵ 校は、オペレーターのテレプレゼンス感覚を高めるために、マスター側に仮想制約力を導入しました。さらに、マニトバ大学¹⁶ 校はテレオペレーションの過程で一連のバーチャルフィクスチャーを設置し、オペレーターの触覚感覚の没入感を強化しました。

しかし、前述のテレオペレーターロボットは依然としていくつかの課題に直面しています。スレーブ側の役割はマスターの運動軌道を追跡することであり、人間オペレーターが生成する基準軌道に大きく依存します。短時間作業や障害物回避などの要件により、マスターオペレーターに大きな精神的負担がかかり、長期かつ複雑な運用作業に悪影響を及ぼします。操作者は誤った動作をし、実際のマニピュレータの軌道に急激な動きを引き起こすことがあります。これにより、環境との衝突や位相間の短絡などの安全上の問題が生じることがあります。

共有制御は人間とロボットの意思決定能力を効果的に組み合わせた手法です^17,18。一般的に、人間とロボットの両方が同時に望ましい軌道や軌道点を生成し、線形重み付けの組み合わせによって新しい共有軌道を計算する必要があります。このアプローチにより、人間とロボットの意思決定の重みを変更することで、共有軌道の好みを調整できます。

したがって、本論文は人間とロボットの共有制御に基づく遠隔操作型配信型ライブライン作業ロボットを設計します。主な貢献は以下の通りです。まず、遠隔操作中の人間オペレーターによる基準軌道入力の過剰な周波数の問題に対処し、人間とロボットの共有制御法を研究します。人間オペレーターとロボットに制御重みを割り当て、基準軌道に線形重み付け組み合わせを行うことで、基準軌道の人間オペレーターへの依存を減らし、オペレーターの負担を軽減します。さらに、配電の盗聴作業の現場実験を通じて、異なる人間の操作者重量の影響が検証されています。次に、マスター軌道上の危険な挙動に対応するため、マニピュレータの実際の軌道の滑らかさと安全性を確保するために突然の動作挙動検出法を設計します。第三に、特殊な操作環境(ライブライン作業)で物理実験を行い、共有制御アルゴリズムと遠隔操作システムの有効性を検証します。

この記事の残りの部分では、まずテレオペレーターロボットの共有制御方法を紹介し、その後システムハードウェアとセットアップを紹介し、最後に実験室実験やライブ10kV配電網での現場展開を通じてこのアプローチを検証します。

プロトコル

オペレーターを含むすべての実験は安全ガイドラインに従って実施されました。遠隔操作実験は、研究チームのメンバーである3名の訓練を受けたオペレーター(全員右利きで少なくとも1時間の訓練を受けている)によって実施されました。外部の人間参加者は募集されず、本研究は機関倫理審査を必要としませんでした。ボランティアには実験手順が説明され、研究中に個人情報や機密データは収集されませんでした。

共有制御フレームワーク

ライブライン作業のシナリオでは、送電線の不規則な曲がり、複雑な屋外照明による深度情報の喪失、送電線のランダムな動きなどの要因が、非常に構造化されていない動的な環境を作り出します。これらの要因により、ロボットが環境中の送電線を正確に認識し位置特定することが困難になっています。したがって、完全に自律型ロボットの操作に頼ると、課題の失敗を招くことになります。

完全自律型ロボットの適応力が限られている問題に対処するため、人間のオペレーターが遠隔操作を通じてロボットの意思決定プロセスに介入し、人間の経験を活用してロボットが環境に適応するのを助けます。さらに、遠隔操作中の人間操作者による基準軌道入力の過剰な頻度問題に対処するため、人間とロボットの共有制御法が研究されています。この方法は実際の軌道の人間操作者への依存を減らし、オペレーターの精神的負担を軽減し、人間の知的意思決定能力とロボットの高精度制御能力を効果的に組み合わせることを可能にします。

本論文で提案された共有制御に基づくテレオペレーション配電ライブライン作業ロボットの構造は図4に示されています。ここで_xhはテレオペレーション装置による出力の軌跡点、rhは人間操作者が提供する基準軌跡点(マニピュレータのデカルト空間にマッピング)、rrはロボットが自律的に計画し補助的な役割を果たした基準軌跡点です。rはスレーブマニピュレータに送られる統合参照軌道点(以下のテキストでは共有軌道と呼ばれます)、_foはマニピュレーターの端にある力センサーが収集した生データ、_feは重力補償後の工具セットと環境との接触力、xはマニピュレーターの現在の姿勢です。

遠隔操作型配電型ライブライン作業ロボットは、マスター側とスレーブ側の2つの部分に分かれています。マスター側は地上にあり、人間の操作者がテレオペレーション装置の動きを制御します。オペレーターの手に届くデバイスからのフォースフィードバックを受け取り、ビジョンシステムから情報がフィードバックされることで、オペレーターは没入型の操作を実現します。スレーブ側は高い場所に設置されたロボットです。マスター側から姿勢_xhを受信した後、ロボットは空間マッピングを行いrhを取得し、収集した視覚および触覚データをマスター側にフィードバックします。

実際の環境における接触力、ターゲット、障害物に関するロボットとオペレーター間の知覚の整合が不完全なため、オペレーターはrhのリスクを最小限に抑えるために強い集中力を維持しなければなりません。rのrへの依存を減らし、長時間の操作中のオペレーターの精神的負担を軽減するために、ロボットは自律的に補助軌道r _rを計画する必要があります。これは、現実世界の誤差を含む知覚情報に基づいて、ほぼ最短経路かつ安全とされています。このr_rはrと線形重み付けされ、rが得られ、これはマニピュレーターに目標ポーズとして指示されます。

モーション空間マッピング

増分法を用いて、人間演算子によって与えられる軌道増分Δ×_h を計算しました。

Δx_h = x_h - x^′_h (1)
ここで x^′_h は遠隔操作の開始点における姿勢です。マスター側とスレーブ側の動き空間に大きな違いがあるライブライン作業ロボットでは、インクリメンタルマッピングによりオペレーターは任意の便利なポーズを選び、それをテレオペレーションの開始ポーズとして設定できます。

軌道増分 Δx_h はスレーブ側ロボットのデカルト空間に写像され、最終的に r_{h が得られました。} この写像の数学的表現は以下の通りです。

Δr_h = Δx_h * k, r_h = x^′ + Δr_h       (2)
ここで k は線形写像パラメータ、 x'はテレオペレーションの開始点におけるマニピュレーターの姿勢です。

自律的な軌道計画
自律軌道計画プロセスは線形補間を用いて、現在の姿勢から目標姿勢Pまでの最短軌道r_rを計算します。計算方法は以下の通りです:

(3)

ここで P はターゲットポイントで、双眼鏡カメラとステレオレーザーLiDARを含む視覚システムによって計算されます。計算はマウスで点を選択し、手と目のキャリブレーション行列を使って座標を変換することで行えます。 N は補間点の数、 i は補間点のシーケンス番号です。複雑な照明条件下では、視覚システムで計算された P には誤差が含まれており、 これにより_rr が独立してタスクを完了できないことに注意が必要です。

共有制御方法

rh_の環境への適応性とrr_の効率を組み合わせるためには、2つの軌道を統合する共有コントローラを設計する必要があります。共有コントローラはα固定パラメータ仲裁重みを使用し、実装プロセスは以下の通りです。

r = (1 - α) * r_r + α * r_h (4)

突然の動作行動検出法

遠隔テレオペレーションの過程では、操作者による誤った挙動が起こり、軌道に急激な変化が生じ、環境との衝突を引き起こすこともあります。スレーブ側でマニピュレータの安全かつスムーズな動きを確保するためには、マスター側でこのような過剰なテレオペレーションの挙動を検出し、処理する必要があります。図5には、突然の挙動検出を含む共有制御アルゴリズムの流れが示されています。

テレオペレーションシステムの構築

ライブラインの職場環境は非常に構造化されておらず、動的であることが特徴です。したがって、ロボットは自律的な知覚や意思決定能力だけに頼ってタスクを完了することはできません。人間の知性によって補強されなければなりません。テレオペレーションは、ロボットの軌道計画プロセスに人間の介入を統合する効果的な手法を提供します。このようなシステムでは、マスター側は地上の遠隔操作装置を操作するオペレーターが関わり、スレーブ側は高所の複数のサブシステムで構成されています。

本研究は、配電網運用に特化したテレオペレーションロボットシステムの開発を詳細に述べ、ライブラインタッピング作業の実施を目指しています。

遠隔操作ロボットシステムの導入

テレオペレーションシステムには、知覚サブシステム、制御サブシステム、マニピュレーターサブシステム、ツールサブシステム、絶縁キャリアサブシステム、マスターサイドの人間・ロボットインタラクションデバイスが含まれます。システム内でロボットが搭載する各サブシステムの詳細な使用状況は 表1に示されており、ハードウェアシステムは 図6に示されています。

知覚サブシステム:サブシステムは2DのRGB画像や空間深度情報を提供し、ロボットの動きを誘導し、運用の安全性を確保します。これを実現するために、長距離での大規模環境モデリング用のレーザーLiDARが搭載されています。近距離での高精度目標認識と定位のための双眼鏡カメラ、パンチルトズーム(PTZ)監視カメラは、操作状況を提供し、全工程を通じてオペレーターにフィードバックします。さらに、力センサーが統合されており、外部からの力を感知し、人間操作者に力フィードバックを提供するため、ロボット側と環境間の過剰な接触力によるシステム停止を防ぐのに役立ちます。

マニピュレーターサブシステム:タスクの主な実行者として、このサブシステムは均質な二腕配置で配置された2つのマニピュレーターで構成されています。

制御サブシステム:ライブライン作業ロボットの中核サブシステムとして、プラットフォームの計算、制御、エネルギー供給センターとして機能し、他のすべてのサブシステムに運用指令を発送する責任を負います。断熱と安全隔離を実現するために、パワーモジュールは高架プラットフォーム上の独立した電源を利用しています。電源と駆動制御の両方に48V直流電源を採用しており、逆転損失を低減し、結果として電力システムの体積と重量を最小限に抑えます。

エンドエフェクタサブシステム:特定の操作を実行するためにマニピュレーターの端に取り付けられた専用のエンドエフェクタ(工具)です。標準的なインターフェースを備えた専門的なツールが、さまざまなタスク向けに開発されています。配電網の動作には、ストリッピングツールとクリンピングツール( 図7参照)が含まれ、ストリッピングツールは3基の80W、450 nm波長レーザージェネレーターを使用し、焦点スポットサイズは130×180μmで、5V PWMで変調されます。直径18〜24mmの配電ケーブルで120mm区間のストリップを剥がす平均運転時間は、定格電力で周囲温度条件下で約2分です。圧着工具は、タップ導体線をクランプで主電源線にしっかりと固定し、電気的な連続性を確保する役割を担います。

絶縁キャリアサブシステム:このサブシステムはロボットを高所作業位置まで運搬します。通常、クローラー型または車輪付きの断熱された空中作業プラットフォーム(バケットトラックとも呼ばれる)で構成されています。ロボットシステム全体の統合制御を可能にするために、デジタル制御機能を備えています( 図8参照)。

マスター側の人間・ロボットインタラクションサブシステム:操作中、人間のオペレーターはハンドヘルドタブレット、PC、遠隔操作ハンドル、その他の計算機器を通じてロボットシステムに指令を出します。これらの装置はセンサーデータを再現し、ロボットからフィードバックされた視覚や接触力を含め、オペレーターはロボットの状態をリアルタイムで監視し、さらに操作者の手の動きをマニピュレーターの端にマッピングできます。サブシステム間の通信リンクは 図9に示されています。

遠隔操作装置

このシステムでは、遠隔操作のためのマスターとスレーブデバイスは、それぞれハプティックデバイスとマニピュレーターです。それぞれのデナビット・ハーテンバーグ(DH)パラメータを紹介します。

図10A、Bに示すように、これらはマニピュレータのリンク座標系です。マニピュレーターの6つの回転継手(L_{1,L 2,L 3,L 4,L 5,L 6})に対して、右手法則およびデナビット・ハルテンベルク(DH)の原則に従い、各接合部の座標系が確立されます。

図10Bでは、x₁∼x₆、y₁∼y6、z₁∼z₆はそれぞれ各関節の座標系のx、y、z軸を表しています。これらの確立されたリンクフレームに基づき、マニピュレータの前方運動学モデルを作成できます。DH記法は4つのパラメータを用います:a_i、α_i、d_i、θ_i。

これらのパラメータは次のように定義されます。_i:は第i本目の棒のz軸をx軸に沿って動かすことから(i+1)番目の棒のz軸までの距離を表します。α_i:i番目の棒のz軸をそのx軸の周りに回転させ、(i+1)番目の棒のz軸に回転させる角度を指します。D_I:第i本目の棒のx軸をx軸に沿って移動させてi本目の棒のz軸に沿って移動する距離を表します。 θ_i:第i本の棒のx軸を、そのx軸を第i本目の棒のz軸に回転させる角度を指します。

運動学モデルはDHパラメータ法を用いて確立され、マニピュレーターのDHパラメータは下記の 表2 に示されています。

テレオペレーションハンドルはマスターマニピュレーターとして使われるハプティックデバイスで、その関節はシリアルチェーンで構成されています。結合座標系は 図10Cに示されています。モデリング方法はスレーブマニピュレーターと同じです。

実験設計

現場展開前に提案された共有制御アルゴリズムを定量的に検証するため、標準PC上で動作するPythonスクリプトで実現した60 Hzの6自由度マニピュレーター遠接操作プラットフォームで2つの実験を行いました。各制御サイクルでスクリプトはマスター側のポーズを読み取り、共有軌道を計算し、ターゲットのデカルトポーズをマニピュレーターに送信します。連続するコマンド間には20ミリ秒の固定間隔が設けられ、更新速度は50Hzで、これは実験室プラットフォームと同じです。この実験室プラットフォームは、テレオペレーションシステム構造で記述されたライブライン作業ロボットと同じ制御アーキテクチャおよび共有制御アルゴリズム(式4)を共有しており、マニピュレーターの運動学と作業スペースのスケールのみが異なります。模擬タッピング作業が用いられます。水筒やアルミ柱などの障害物が存在する場合、オペレーターはマニピュレーターのエンドエフェクタをスタート位置Aからターゲット位置Bまで制御し、 図11に示されるワイヤータッピング操作を模倣します。実験室での実験の正確な再現性を確保するため、物理的な障害物と目標エンドポイントはスレーブマニピュレーターの基本座標系内に正確に配置されました。作業スペースには主に2つの障害物が設置されました。底面の中心を座標(X = 55 cm、Y = 5 cm)に置くプラスチック製の水筒(ベース寸法:8 cm × 8 cm、高さ:25 cm)と、底部を座標(X = 35 cm)に置くアルミ製のプロファイル(ベース寸法:2 cm × 2 cm、高さ> 50 cm)です。 Y = -30 cm)。遠隔操作課題の目標エンドポイントは座標(X = 50 cm、Y = -17 cm、Z = 26 cm)に設定されました。その後、検証済みアルゴリズムがライブライン作業ロボットに展開され、現場デモンストレーションが行われます。

実験手順は連続的で統合されたワークフローを通じて行われます。まず、システムの初期化時にスレーブマニピュレーターとマスターマニピュレーターの両方が電源オンになり、制御ソフトウェアが起動して50Hzの周波数で安定した二国間通信を検証します。テレオペレーション開始時の突然の制御ジャンプを防ぐため、アクティブテレオペレーションの前にマスター・スレーブアライメントフェーズが実施されます。この段階では、オペレーターがマスターマニピュレータを手動で誘導し、エンドエフェクターのデカルト位置(マスターのベースフレームで定義)がスレーブマニピュレーターの現在のエンドエフェクター位置(スレーブのベースフレームで定義)から30mm以内に位置するまで誘導します。これらのデカルト位置は各マニピュレータの内蔵コントローラーフィードバックから直接得られ、制御ソフトウェアはリアルタイムでユークリッド距離を監視します。このアライメントが成功すると、現在のスレーブ位置が開始位置として記録され、位置Aと表されます。その後、オペレーターが手動でスレーブエンドエフェクタを目標位置に誘導し、デカルト座標(ターゲット位置B)を記録しることで目標指定が行われます。自律プランナーは、開始位置から位置Bに向かって延びる線形参照軌道を生成します。その後、オペレーターは共有制御テレオペラ操作タスクを開始します。アクティブ実行中は、システムは20msの制御サイクルで動作し、マスター位置を入力として継続的に読み取り、オンラインチェックで突然のオペレーターの挙動を検出し、共有制御軌道を出力として計算(式4に示す通り)、スレーブマニピュレータに対応するコマンドを発します。安全対策として、急な動きが検知されると、スレーブマニピュレーターは即座にフリーズし、専用のポジションホールドモードで最後の有効な位置を保持します。この状態から回復し、共有制御テレオペレーションを自動的に再開するには、オペレーターはマスターマニピュレーターを手動で後ろに移動させ、マスター・スレーブエンドエフェクタのユークリッド距離が20 mm回復閾値を下回るまで移動させなければなりません。最終的に、スレーブエンドエフェクターがターゲット位置Bから5mm以内に到達し、保持した時点で試験が完了し成功とみなされます。

実験1:突然の動作行動検出
この実験は実験室プラットフォーム上の検出メカニズムを検証します。50Hzでのテレオペレーション中は、マスターエンドエフェクタのフレームあたりの変位が監視されます。 D_th = 6 mm/フレーム(瞬時速度300 mm/s)を超えると、システムは凍結状態に入り、スレーブマニピュレーターは追尾を停止し、最後の有効な構成を保持します。スレーブは、オペレーターがマスターをフリーズから20mm以内に戻すまでフリーズしたままです。

実験2:共同対照パフォーマンス比較

3つの仲裁重み α=0.3、 α=0.8、 α=1.0がラボプラットフォーム上で比較されており、補足ビデオ1、補足ビデオ2、補足ビデオ3に記載されています。合計45件の実験試験が実施され、3人のオペレーターが3つの仲裁条件それぞれで5回の繰り返しを行いました。システム性能は3つの主要な評価指標を用いて評価されました。まず、完了時間T:最初のオペレーター入力からスレーブエンドエフェクタが目標位置Bに到達するまでの合計時間;短い時間ほど運用効率が向上します。次に、軌道効率η=L_直線/_L実動。_{ここでLは} 開始位置Aから目標位置Bまでのユークリッド距離_、Lは 試験中にスレーブエンドエフェクタが通過した総経路長です。η=1は完全に効率的で直接的な経路を示します。値が低いほど、より冗長で迂回路の多い動きを示します。第三に、サブムーブメントのカウント N_sub は異なるムーブメントセグメントの数を表し、これはマスターエンドエフェクタの平滑化された速度プロファイルにおけるゼロ交差を数えることで計算されます。カウントが小さいほど、オペレーターの認知負荷が低く、より連続的で自信に満ちた操作を示します。最後に、3つの仲裁条件における統計的有意性はKruskal-Wallis H検定を用いて評価され、事後比較にはペアワイズのMann-Whitney U検定が用いられます。

実験3:現場展開

実験室での検証後、共有制御アルゴリズム(α=0.3)と突然の行動検出がテレオオペレーティングシステムの構築で説明されたライブライン作業ロボットに展開されます。

結果

突然の動作動作検出
図12 は、実験室プラットフォーム上で行われた代表的な試験の時系列解析を示しており、意図的な突然の動きを2回含んでいます。
両者の急激な動きはそれぞれ1.81秒と5.72秒で検出され(TPR = 100%)、正常動作の13.2秒間で偽陽性はゼロ(FPR = 0%)でした。フリーズ応答時間:1フレーム(20ミリ秒)、コントロールループのタイミングで測定。

共有制御性能
図13 は、実験室プラットフォーム上で45件の試験(3人のオペレーター×5回の繰り返し×3つの条件)にわたる比較を示しており、データの詳細は 表3に記載されています。
その結果、適切な共有制御重量が遠隔操作性能を大幅に向上させることが示されています。ロボット主導の共有制御(α=0.3)では、作業完了時間は31.4%短縮され、サブムーブメントの数は純粋テレオペレーション(α=1.0)と比べて37.9%減少し、オペレーターの精神的負担を軽減しました。これにより、修正措置や意思決定の回数が少なくて済みました。一方で、軌道効率は57.8%向上し、ロボットの自律的な軌道計画が冗長な経路を効果的に排除し、オペレーターをより直接的かつ効率的な動きへ導くことを示しています。これらの傾向は、3つの独立系事業者すべてで一貫していました。

ライブライン作業ロボットでの現場展開
検証済みの共有制御アルゴリズム(α = 0.3)は、突然の挙動検出を備え、6自由度の産業用マニピュレーターを搭載したライブライン作業ロボットに展開されました。ロボットは10 kV配電網でのライブラインタッピング操作を成功裏に完了し、実験室で検証されたアルゴリズムが実際の現場システムに応用できることを示しました。 図14A はロボットが高所でライブラインタッピング作業を行う様子を示し、 図14B は地上局から遠隔操作を行うオペレーターを示しています。

データの利用可能性:
本研究の発見を裏付けるすべての生データは、文書 https://github.com/huchenyu778797-lgtm/piper_shared_control/issues および補足ファイル1で公開されています。

図1:ライブラインメンテナンスのための初期のテレロボットシステム。(A) 日本で開発されたフェーズIIロボット。(B) アメリカ合衆国で開発されたTOMCATシステム。この図の拡大版はこちらをクリックしてご覧ください。

図2:典型的な10 kV配電線。外層は断熱殻で、内層は金属製です。この図の拡大版はこちらをクリックしてご覧ください。

図3:屋外環境における視覚的課題。画像はケーブルの不規則な曲がりと複雑な照明による深度情報の喪失を強調しています。この図の拡大版はこちらをクリックしてご覧ください。

図4:共有制御システムの構造。この図は、マスター側からの人間操作者の入力と、スレーブ側のロボットの自律計画を統合して融合軌道を生成する様子を示しています。この図の拡大版はこちらをクリックしてご覧ください。

図5:共有制御アルゴリズムのフローチャート。 このプロセスにはデータ収集、突然の動作検出、共有制御に基づく軌道融合、最終モーションコマンドの実行が含まれます。この図の拡大版はこちらをクリックしてご覧ください。

図6:遠隔操作型配信型ライブライン作業ロボットシステム。(A) 現場に展開されたシステム全体の概要。(B) ロボットシステムの詳細なハードウェア設計および部品配置。この図の拡大版はこちらをクリックしてご覧ください。

図7:ライブラインタッピング操作の主要なステップ。(A) 外絶縁層のレーザーアブレーション。(B) 金属芯を露出させるために絶縁層を除去すること。(C) タップ導体線をクランプでメイン電源線に固定すること。この図の拡大版はこちらをクリックしてご覧ください。

図8:現場展開準備。絶縁されたバケットトラックがスレーブマニピュレーターを高電圧線近くの高所作業位置まで運搬します。この図の拡大版はこちらをクリックしてご覧ください。

図9:通信アーキテクチャ。回路図はマスターコントロールステーションとリモートスレーブマニピュレータ間のデータ伝送経路を示しており、低遅延のテレオペレーションを保証します。この図の拡大版はこちらをクリックしてご覧ください。

図10:マニピュレーターの運動学的モデリング。 (A) スレーブマニピュレーター用に確立された共同座標系。(B)奴隷操作者の関節フレームの詳細な画像。(C) マスターマニピュレーターのジョイント座標系。 この図の拡大版はこちらをクリックしてご覧ください。

図11:実験室の 実験装置。 (A) テストにはマスターマニピュレーターとスレーブマニピュレーターが使用されます。(B) 物理的障害物と目標エンドポイントを含むシミュレーションタッピングタスク環境。 この図の拡大版はこちらをクリックしてご覧ください。

図12:実験室テレオペレーションプラットフォーム上の突然の行動検出の時系列解析。 (トップ)X、Y、Zのマスター(青)とスレーブ(赤)の位置。赤のシェーディング=フリーズされた間隔。(中間)マスタースレーブ距離(オレンジ);緑の点線=20 mmの再開閾値。(下)フレームあたりの変位(紫);赤線 = D_th = 6 mm;赤い点=フレーム数を超えました。パラメータ:50 Hz、D_th = 6 mm/フレーム。この図の拡大版はこちらをクリックしてご覧ください。

図13:3つの条件下での実験室テレオペレーションプラットフォーム上の共有制御性能比較。バー = 平均;誤差バー = ±1 SD。赤いボックス = Kruskal-Wallis p値。括弧 = マン-ホイットニーUペア対p値。45回のトライアル(3オペレーター×5回×3つの条件)。(a) 完了時間。(b) 軌道効率。(C) サブムーブメント。この図の拡大版はこちらをクリックしてご覧ください。

図14:共有制御システムの現場適用。(A) スレーブマニピュレータはライブ配電線上で動作しています。(B) 提案された共有制御法を用いて露出した金属部品をクランプに成功裏に挿入すること。この図の拡大版はこちらをクリックしてご覧ください。

サブシステム	主要構成要素	主な機能	特徴
マニピュレーターサブシステム	シングル/デュアルマニピュレーター	マルチ被遠角の動きを実現	高負荷、軽量、広い作業スペース
	マニピュレータードライバーシステム	直流電力でジョイントモーターを駆動し、マニピュレーターの動きを実現します	直流入力、高い駆動効率
制御サブシステム	産業用コンピュータ	データ計算、モジュール間の通信	高い信頼性、強力な計算能力、大容量のストレージ容量
	通信モジュール	リモートコントロールと監視の実装	安定性、信頼性、電磁両立(EMC)要件を満たしています
	電源モジュール	ロボットプラットフォーム全体に電力を供給します	6+時間のシステム安定運転を達成
知覚サブシステム	双眼視覚モジュール	小規模で高精度な点クラウド取得	位置測定精度>1%、作動距離>2m
	LiDARモジュール	大規模点雲スキャン	作動範囲>10m、再構成角度>25°、点雲密度>300k点
	フォースセンサーモジュール	6軸の力情報を取得	フォースフィードバック周波数>10Hz、フォースフィードバック精度は1Nより優れています
ツールサブシステム	ドライアイスクリーニングモジュール	ドライアイスクリーニング機能を実装	軽量で、絶縁体清掃要件を満たし、EMC保護も必要です
	ゼロ値検出モジュール	高電圧パルスゼロ値検出を実装	出力パルス電圧0-60kV、電磁電気制御要件を満たしています
	ボルト/アンボルトモジュール	ボルト/アンボルト機能の実装	軽量でトルク要件を満たし、EMC保護が必要です
	レーザーピーリングモジュール	配電線の外側絶縁皮の剥がし作業	非接触型で金属部分に損傷がなく、半導体シールド層を効果的に剥がすことができます
	その他のシリアライズ機能モジュール	ワイヤーの継ぎ/切断、鳥よけの設置、故障指示器の設置、樹木の剪定、断熱修復、過電圧保護装置の取り付け、巡回作業	モジュール式で軽量、EMC保護および対応する機能要件を満たしています
バケットトラックサブシステム	絶縁された揚げ上げ装置	等電位作業プラットフォームの絶縁サポートを提供し、遠隔デジタル制御を可能にします	高いEMCレベルで、250kg以上の負荷を支えられる端、強力な電磁干渉耐性、220kV電圧のアーク干渉下での遠隔制御能力
	インテリジェントキャリア	ロボットの地上移動を実現	小型で軽量、狭いライブライン作業現場や複雑な地形に適しています
マスターサイドサブシステム	オペレーターとロボットのリモートインタラクションプラットフォーム	ロボットプラットフォームへの遠隔テレ操作を可能にします。耐久性、重量、その他の使いやすさに満足できるニーズを実現	小型で軽量、ライブライン作業現場に適しています

表1:サブシステム仕様。 ライブライン作業ロボットを構成する各サブシステムの詳細な機能。

UR10
関節	シータ [rad]	a[m]	d[m]	アルファ[ラッド]
ジョイント1	0	0	0.1273	π/2
ジョイント2	0	-0.612	0	0
ジョイント3	0	-0.5723	0	0
ジョイント4	0	0	0.163941	π/2
ジョイント5	0	0	0.1157	-π/2
ジョイント6	0	0	0.0922	0

表2:マニピュレーターのDHパラメータ。 スレーブマニピュレーターのジョイント座標系をモデル化するために用いられた運動学的パラメータ。

メートル法	α=0.3	α=0.8	α=1.0	p値
T	5.9±1.6	8.2±4.0	8.6±2.2	0.0061
η	0.789±0.074	0.557±0.081	0.5±0.081	<0.0001
N_sub	5.9±2.1	9.0±4.1	9.5±2.9	0.0035

表3:データ詳細。3つの仲裁重み(α = 0.3, 0.8, 1.0)における共有制御性能の定量的比較。45件の試験データ(3人のオペレーター×5回の反復×3つの条件)。指標:タスク完了時間T(s)、軌道効率η、サブ移動数N_サブ。平均±標準偏差として報告された数値。

補足映像1:α=0.3の共有制御テレオペレーション 。このビデオは、ロボット主導の共有制御条件下での模擬タッピングタスクの実験手順を実演しています。これは、ロボットが経路計画の大部分を担うことで得られる高い軌道効率とオペレーターのサブムーブメントの削減を示しています。このファイルをダウンロードするには、こちらをクリックしてください。

補足映像2:α = 0.8 の共有制御遠隔操作。このビデオは、人間優位の共有対照条件下での実験手順を実演しています。人間の入力がロボットによる自律計画を大きく上回るため、操作は視覚的に純粋な遠隔操作に似ており、基準と比較して効率や完了時間の量的改善がほとんどないことと相関しています。このファイルをダウンロードするには、こちらをクリックしてください。

補足映像3:マスター・スレーブ追跡のテレオペレーションベースライン α = 1.0 。このビデオは、自律的な支援なしに従来のトラッキングテレオペレーションを用いた基礎的な実験手順を示しています。これにより、作業完了時間が比較的長くなり、オペレーターが手動で行うサブ移動が必要であることが浮き彫りになり、軌道効率が低下します。このファイルをダウンロードするには、こちらをクリックしてください。

ディスカッション

本研究は、人間とロボットの共有制御に基づく遠隔操作型ライブライン作業ロボットシステムを提案します。動的な屋外照明や非構造化された背景に苦戦する完全自律システム(¹²)や、オペレーターに高い認知的・身体的負担を課す従来のマスター・スレーブ追跡遠隔操作(^14,15,16)に対し、私たちのアプローチは人間の意図とロボットによる自律計画を融合させています。さらに、本研究は運用の安全性を確保するために突然の動き検出アルゴリズムを提案し、オペレーターのミスの可能性にも対処しています。本研究は、高電圧保守のための共有制御の現場検証済み統合を提供することで、極端環境における物理的人間-ロボット相互作用(pHRI)分野を前進させ、理論的な共有制御フレームワーク^17,18と実際の産業応用とのギャップを埋めています。

実験室実験では、適切な共有制御重量がオペレーターの作業完了時間と手動制御の負担(サブムーブメントの減少)を大幅に削減し、軌道効率を向上させることが示されています。具体的には、ロボット主導の共有制御(α = 0.3)では、完了時間が31.4%短縮され、軌道効率は57.8%改善、サブムーブメント数はトラッキングテレオペレーションと比べて37.9%減少しました。さらに、急動検知機構は100%の真陽性率を達成し、応答時間は20ミリ秒でした。提案された方法は、危険な運転に伴う疲労を客観的に軽減することで、電力網の保守を近代化する上で非常に重要です。電力分配ネットワークを超えて、この共有制御フレームワークは、火災救助や地質探査に配備されるロボットなど、高度に構造化が薄く危険な環境で動作する他の特殊目的ロボットにも応用が期待されています。これらの場合、人間の認知的適応力とロボットの精密さを組み合わせる必要があります。

これらの結果は制御されたシナリオでの実現可能性を示していますが、制限としては単一のタスクタイプ(タッピング)に限られ、異なるオペレーター体験への影響の分析が不足しています。多様な作業、オペレーター、環境条件にわたるさらなる検証が必要です。今後の研究は、適応的α調整と拡大されたフィールドトライアルに焦点を当て、現在のデカルト位置でリスクを更新する際のα、リスクを計算するためのリスクフィールド構築に重点を置いています。

成功した実証にもかかわらず、この研究にはいくつかの制約があります。まず、実験的検証は主に単一のタスクタイプ(ライブラインタッピング)に焦点を当てました。次に、共有制御重みは各タスクの前に固定されており、変化する不確実性へのリアルタイムの適応性が欠けていました。最後に、この研究は訓練を受けたオペレーターの数が限られており、経験レベルの変動による影響は分析されませんでした。今後の方向性は、リアルタイムのタスクコンテキストと^{オペレーターの状態に基づいて}仲裁重みを動的に調整する適応型共有制御フレームワークの開発に焦点を当てます。さらに、多様なメンテナンス作業、異なるオペレーターの経験、異なる気象条件を対象とした拡大フィールドトライアルを実施し、システムの堅牢性をさらに検証する予定です。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
Hikvision DS-2DC2D20IW-DE3	Hikvision	https://www.hikvision.com/cn/products/pdplist/161056/	パン・チルト・ズーム(PTZ)監視カメラ
KUNWEI KWR75	KUNWEItech	https://www.kunweitech.com/products/866.html	力センサー
LivoxAVIA	Livox(DJI)	https://www.livoxtech.com/cn/avia	レーザーLiDAR
Piper	AGILEX	https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88	実験検証用のラボプラットフォームにおけるマスター/スレーブマニピュレーター
Python	Python Software Foundation	https://www.python.org/	プログラミング言語
RealSenseD435	Intel	https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html	双眼カメラ
Touch	3D Systems	https://cn.3dsystems.com/haptics-devices/touch	ハプティクスデバイス
Ubuntu 24.04	Canonical Ubuntu	https://ubuntu.cn/	オペレーションシステム
UR10	Universal Robots	https://www.universal-robots.cn/	ライブライン作業ロボットのマニピュレーター