Digital Twin Construction Method based on Data Driven Real-World Modeling

多様なセンシング技術による実世界のデータ化が可能になりつつあるが、単なる画像やセンシング値からは「価値を生み出す施策」の実現は容易ではない。実環境に有用な施策を検証するには、作業者や対象物をオブジェクトやエージェントとしてとらえ、マルチエージェントシミュレーションとして実現することが望まれるがモデル構築のコストが高いことが課題である。本研究では、データ駆動に基づいて実世界モデリングを行う手法を検討している。そのためには、まず、実世界データを大規模に取得する必要がある。今年度は、我々が有する物流倉庫カメラ基盤を通じて60台のカメラから2400時間を超える実世界データの収集を行い、これらの分析を進めた。作業員の認識はある程度は可能であるが、複数のカメラ間での連携についての検討を進めている。また、多種多様な荷物が登場するため、従来型の認識技術では十分な精度が期待できないため、新たなモデル化手法に取り組んでいる。得られた人や荷物の移動データを用いて物流倉庫内のエージェントモデルの構築を進めているが、荷物を仮置きする場所に応じて異なる意図があるため、作業者へのヒアリングなどを通じて、モデル化に必要な要素の明確化を進めている。。特に作業者の作業モードが得られたデータのみでは十分に認識できていない場合には、倉庫管理システム（ＷＭＳ）などからの情報を付与してデータ統合を行う枠組みの検討を進める必要がある。

多様なセンシング技術による実世界のデータ化が可能になりつつあるが、単なる画像やセンシング値からは「価値を生み出す施策」の実現は容易ではない。実環境に有用な施策を検証するには、作業者や対象物をオブジェクトやエージェントとしてとらえ、マルチエージェントシミュレーションとして実現することが望まれるがモデル構築のコストが高いことが課題である。本研究では、データ駆動に基づいて実世界モデリングを行う手法を検討している。そのためには、まず、実世界データを大規模に取得する必要がある。今年度は、我々が有する物流倉庫カメラ基盤を通じて60台のカメラから2400時間を超える実世界データの収集を行い、これらの分析を進めた。作業員の認識はある程度は可能であるが、複数のカメラ間での連携についての検討を進めている。また、多種多様な荷物が登場するため、従来型の認識技術では十分な精度が期待できないため、新たなモデル化手法に取り組んでいる。得られた人や荷物の移動データを用いて物流倉庫内のエージェントモデルの構築を進めているが、荷物を仮置きする場所に応じて異なる意図があるため、作業者へのヒアリングなどを通じて、モデル化に必要な要素の明確化を進めている。。特に作業者の作業モードが得られたデータのみでは十分に認識できていない場合には、倉庫管理システム（ＷＭＳ）などからの情報を付与してデータ統合を行う枠組みの検討を進める必要がある。