伸び続ける E コマースを背景に拡大中の「自動倉庫」市場

E コマース市場の拡大に伴い、物流市場も成長し続けています。矢野経済研究所は「2022年版 物流ロボティクス市場の現状と将来展望」で日本国内の物流ロボットの市場は CAGR 25.6% で成長し、2025 年に約 600 億円に達すると予想しています。いっぽう、減少し続ける生産年齢人口や上がり続ける人件費に対応するために、生産性向上による省人化対策は急務です。また物流倉庫内では、通路や棚上の空間ロスにより、多くの倉庫で保管容積を十分に有効利用できていないという課題があります。多くの物流倉庫では人手が活用されていますが、限界があります。

そこで注目されているのが「自動倉庫」です。入庫、保管、出荷の業務を一元管理できるだけでなく、高さ方向や通路幅も活用できるようになることから、倉庫容積を最大限活用することが可能です。グローバルインフォメーションは、自動倉庫システム（ASRS）の市場規模は、2023 年に 87 億米ドル、年平均成長率は 7.9% で、2028 年には 127 億米ドルに達すると予測しています。

ラピュタロボティクスの自在型自動倉庫「ラピュタ ASRS」

ラピュタロボティクスは物流ロボット分野として注目されているスタートアップの一つです。独自のクラウドロボティクス プラットフォーム「rapyuta.io」の開発とロボットソリューションの開発、導入、運用支援を行っています。同社の強みは、多数のロボットの動きを効率良く制御する「群制御」テクノロジです。

ラピュタロボティクスは 2023 年 8 月から自在型自動倉庫「ラピュタ ASRS」を発売しています。アンカーレスで施工可能、そして形をお客様の要望に合わせて設計可能な柔軟性を持つ自動倉庫です。三井化学と共同で開発した樹脂製フレームが使われており、アンカー工事は不要で、自由にレイアウトが行えるブロック構造となっています。導入後の規模の拡大・縮小や、事業成長に応じた移設等を最小限のコストで行えます。変わった倉庫形状への対応や、防火扉をまたぐような設置も容易です。

自動倉庫には様々なタイプがありますが、ラピュタロボティクスの「ラピュタ ASRS」は他社の自動倉庫よりも倉庫容積をより効率的に使える上、使用電力や速度においても優り、「人の生産性は 10 倍に伸ばせる」としています。これまでに模型やプラモデル等を扱うホビーリンク ジャパン社の既存倉庫で稼働しています。また、出版取次大手の日販の倉庫でもまもなく稼働開始する予定です。

小型薄型のロボットが自動倉庫内を走行して荷物を運ぶ

「ラピュタ ASRS」は 4 つの部品から構成されています。樹脂製フレームで構成された荷物を収納するためのマルチフロア、4 つの足を持つ「ビン」と呼ばれる専用コンテナ、そして「ビン」の下に入り込んでリフトアップし荷物を運んで倉庫内を走行する小型薄型のロボット、ロボットのフロア間上下移動を可能にするエレベーターです。

厚さ 80mm の小型ロボットも独自開発されたものです。車輪は「メカナムホイール」と呼ばれる特殊な車輪で、旋回せずに任意の方向に移動可能であり、旋回時間が必要ありません。フロア上には白線が引かれており、ロボットはこれを目印として走行します。

ロボットが自動倉庫内を走行している様子

NVIDIA Jetson Orin Nano システム オン モジュールは、AI によるカメラデータの処理を実現し、自律型ロボットのナビゲーションを可能に

このロボットには前後左右にカメラが搭載されています。フロアの床にはビンの足がぴったり噛み合うようにくぼみが設けられています。通常はこのくぼみに足がハマることで位置ずれなどが発生しないようになっていますが、まれにズレてしまうこともあります。そこでロボットは、カメラを使ってビンの向き、姿勢や周囲の障害物を認識して、ぶつからないように走行しています。

カメラ画像のエッジAI処理には NVIDIA Jetson Orin Nano モジュールが使われています。NVIDIA Jetson で開発する前は、搭載されている AI 処理能力が不足していたため、ロボットはカメラの画像処理を行うことはできませんでした。Jetson Orin Nano モジュールは、フロントカメラとサイドカメラの両方の映像をリアルタイムで処理することを可能にします。ラピュタ ASRS では現在カメラ 1 台分の映像処理を実装していますが、今後さらなる機能拡張を順次予定しています。

ロボットのカメラビュー

NVIDIA TensorRT で推論を高速実行

認識 AI はラピュタロボティクスが独自開発したもので、GPU 上での推論処理を高速化するためのライブラリである NVIDIA TensorRT を使って実行しています。ディープニューラル ネットワークの学習済みモデルを実行する上で、実際に実行する GPU の種類に合わせてモデルを最適なかたちへと自動変換します。ユーザーは詳細を考えることなく、推論時間を大幅に短縮することができます。

なお、認識 AI の学習のためには NVIDIA  RTX 5000 Ada 世代 GPU を使用しています。

ピッキング ステーションは AI で労働者の生産性を支援

「ラピュタ ASRS」の入庫、出庫作業は「ステーション」と呼ばれる定点で行われます。ロボットがビンを運んできますので、作業者はほとんど歩く必要がありません。作業者の周りで最大 8 つの保管／出荷用ビンを独立して制御できます。複数のロボットを待機させることで、作業者のピック待ち時間をゼロにできます。

ピッキングや投入には大画面モニタや、プロジェクタを使った誘導が行われます。プロジェクタから光が投影されるので、その光に従って作業すればいいのです。トレーニングを積んでいない作業者でも、すぐに作業に取りかかることができます。

また、作業者の安全を確保するためにも NVIDIA のアクセラレーテッドコンピューティングが用いられており、ステレオカメラと NVIDIA のオープンソース「trt_pose」リポジトリに基づく姿勢推定 AI モデルを搭載した NVIDIA Jetson Orin NX を使用して、自動倉庫内でのロボットによる搬送が安全かつ正しく行われているかどうかをチェックします。

ピッキングステーション

演算性能には余裕が必要

ラピュタロボティクスが、「ラピュタ ASRS」のロボットへ NVIDIA Jetson を搭載し、強力な NVIDIA Isaac ロボットプラットフォームなどの NVIDIA アクセラレーテッドコンピューティングの 採用を決めた理由は、エッジにおけるより多くの AI 処理の必要性があるからです。

顧客は常に「より高性能」を求めます。自動倉庫は発展途上の技術であり、さらなる高速化が可能です。ただしロボット、そして自動倉庫システム全体の性能を今後も継続して向上させていくためには、演算性能にも余裕が必要です。追加開発するにしても、演算性能に余裕がなければ最初から作り直す必要があるからです。今後のことも考えて、ラピュタロボティクスでは NVIDIA Jetson の活用を選択しました。

デジタルツインで一気通貫の効率化を目指す

では今後はどうなるのでしょうか。物流倉庫の自動化を進める上で、本当に重要なことは部分最適ではなく「全体最適」です。そのためには様々なマテハン機器や作業者の動きを一気通貫で扱う必要があります。

ラピュタロボティクスでは自動倉庫の「ラピュタ ASRS」、人と協働する自律移動ロボット「PA-AMR」のほか、自動フォークリフト「ラピュタ AFL」の開発を行っています。マーカーなどを壁や床に貼ることなく、柔軟な移動・搬送が可能な自動フォークリフトです。すでに国内の倉庫４件で使われています。

真に効率化を進めていくのであれば、一部分の自動化だけではなく、これら全体を一つのシステムで扱って、連携させることが重要です。倉庫のトラックバースからの荷下ろし、荷下ろしから仮置き場への移送、そして倉庫への入庫、出庫といった一連の流れ全体を最適化し、効率化するのです。

開発者が Universal Scene Description（OpenUSD）を容易に統合するためのアプリケーションプログラミングインタフェース、ソフトウェア開発キット、およびサービスを含むプラットフォームである Omniverse と AI 対応ロボットを構築、テストするためのリファレンスロボットシミュレーションプラットフォームである NVIDIA Isaac Sim は、実際にロボットシステムを構築する前にシミュレーションを行う効果的な方法を提供し、実機が稼働した後も改善サイクルを継続しやすくします。また、関係者間で共通認識を持って改善に挑んでいくこともできます。

また、NVIDIA Omniverse を利用することで、顧客訪問時のプレゼンテーションに利用できる、フォトリアルで物理的に正確な仮想環境を作成することもできます。Omniverse を使用することで、自動倉庫と作業プロセスの非常に詳細なバーチャル表現を作成することができ、顧客が自動倉庫がどのように見えるかについて、明確で一貫したイメージを形成するのに役立ちます。

今後もラピュタロボティクスは NVIDIA のアクセラレーテッドコンピューティングをソリューションに活用し、さらなる物流効率化に挑んでいきます。