概要

スペースデータは、四足ロボットとドローンが送電トンネル内を分担して点検するシミュレーションを開発した。仮定したトンネル条件で3種類の点検方法を比較し、ロボットとドローンの併用が点検面と検出異常の数で最も多い結果になった。

詳しいファクト

仮想空間で点検方法を比較

スペースデータは、ロボットの現場実装基盤「RobotBrain」の活用例として、送電トンネルの点検シミュレーションを開発した。実設備に導入する前に、カメラやセンサーを用いる点検と、ロボット・ドローンの分担方法を仮想空間で比較する構成である。比較対象は、四足ロボットとドローンの併用、四足ロボットのみ、人による巡視の3方式。人の巡視は2人1組で懐中電灯を使い、目視しながら歩く想定としている。

出典を確認 ↗

想定条件とシミュレーション結果

シミュレーションでは、内径3.5メートル、長さ240メートルのトンネルと、両側に各5段のケーブル棚がある状況を仮定した。四足ロボットは可視光・赤外線カメラ、3D LiDAR、超音波マイクアレイを搭載し、床と下段を担当する。ドローンはトンネル内の4か所に設置したポートから飛び立ち、上段と天井を点検してポートに戻る設定である。接続部の過熱や部分放電、ひび、にじみ水、床の沈下などを置いた比較では、併用方式が点検できた面と見つけた異常の両方で最多となった。トンネル寸法、異常の位置や種類、機体性能はすべてシミュレーション上の仮定値である。

出典を確認 ↗

独自観点のコメント

シミュレーションで評価する「分担点検」の価値

この開発のポイントは、機体の性能だけでなく、四足ロボットとドローンの担当範囲や、異常を検知した後の連携を同じ仮想環境で比較できる点にある。通信が届かない区間でロボットが自律して点検を続ける設定や、超音波で異常の兆候を捉えた後にドローンへ確認を指示する流れも含まれている。

一方、示された優位性は、寸法や異常、機体性能を仮定したシミュレーション内の結果であり、実設備での検出精度や点検時間を実証したものではない。現場導入を判断するには、実際のトンネル環境での通信、飛行時間、センサーの検知性能などを検証する必要がある。RobotBrainを、ロボットの運用設計を事前に検討する基盤として位置づける取り組みといえる。

関連する企業・製品

出典