CAD不要の物体姿勢推定、製造・物流に革新

東京工業大学やミュンヘン工科大学などの国際研究チームは、CADデータや事前の詳細な物体登録を必要とせず、少数の参照画像だけで物体の6次元姿勢（位置と向き）を推定できるフレームワーク「PANY（Pose Anything Anywhere）」を発表した。arXivに投稿された論文によると、標準ベンチマークYCB-Vでは既存手法比で精度が12%向上し、遮蔽物体が多いLM-Oでは20%超の改善を達成した。

従来の産業用ロボットにおける物体認識システムは、対象物ごとにCADモデルを用意するか、大量の教師データを収集する「オンボーディング」工程が不可欠であった。自動車メーカーや電機メーカーの生産技術部門では、新規部品を生産ラインに追加する際にこの工程だけで数週間から数ヵ月を要するケースがあり、多品種少量生産への移行を妨げる要因の一つとなっていた。

PANYはマルチビュー・トランスフォーマーを基盤とし、スマートフォンで撮影した数枚の参照画像からでも動作する。物体のCADモデルが存在しない場合や、形状データの取得が困難な場合でも、参照画像間の幾何学的整合性を学習することで安定した姿勢推定を実現する。遮蔽や大きな視点変化にも頑健であり、実環境での運用を想定した設計となっている。

ビジネスへの影響は複数の産業にわたる。製造業の生産技術部門では、ロボットセルへの新規ワーク追加に要するリードタイムの短縮が直接的なKPIとなる。従来は専門エンジニアによるCAD整備と教示作業が必要だったが、PANYの実用化により現場作業員が参照画像を数枚撮影するだけで対応できる可能性がある。段取り替え時間の削減は稼働率向上に直結し、OEEの改善指標として経営層への訴求力も高い。

物流・倉庫業においても恩恵は大きい。eコマース市場の拡大に伴い、ピッキングロボットが扱うSKU数は年々増加しており、新商品登録のたびにシステム更新コストが発生している。PANYのようなモデルフリー手法が実装されれば、新規SKUの追加コストを抑制しながらロボット自動化の対象範囲を広げることができ、人件費率やピッキング精度などのKPI改善につながる。

医療機器・精密機器の組立分野でも応用が見込まれる。形状が複雑で反射率の高い医療器具は従来の画像認識では扱いが難しかったが、RGB-Dデータに対応するPANYは奥行き情報を活用して精密なハンドリングを可能にする。手術支援ロボットや検査装置の自動組立ラインへの適用により、品質不良率の低減が期待される。

一方、実用化に向けた課題も残る。研究段階の精度指標と実環境での性能には依然としてギャップが生じることが多く、照明条件の変化や類似形状物体の混在する環境での検証が必要である。また、リアルタイム処理に要する計算資源の最適化も商用展開の鍵を握る。

今後は自動車OEMや物流大手との共同実証が加速するとみられ、CAD整備コストの削減効果を定量化する事例が蓄積されることで、投資対効果の算出が容易になる見通しである。ロボット導入の裾野を中小製造業にまで広げる契機となるか、業界の注目が集まっている。