移動する
空・陸・水中の現場へ到達し、固定センサーだけでは見えない場所を観測します。
Autonomous Mobile Systems / ROS / MAVLink / Sensor Fusion
動いて、測る。
現場へ行くAI。
uav.nagoya は、ドローン、ローバー、水中機などの自律移動体を用いて、現場で観測・判断・実行を行う技術ポートフォリオです。 ROSのTFによる座標系管理、DDS通信、MAVLink連携、Open-RMFによる複数ロボット・施設連携、センサーフュージョン、Gazeboなどのシミュレーション、強化学習による制御、Agent制御を扱います。さらに、STP承認を介してジョブショップ、SCM、生産管理、MESとの接続も視野に入れます。
VehicleDrone / Rover / UUV / ArduPilot
Coordinate FramesROS TF / map / odom / base_link / sensor frames
CommunicationDDS / ROS 2 topics / MAVLink / telemetry
Fusion & ControlLiDAR / Camera / IMU / GNSS / Agent control
Simulation & LearningGazebo / reinforcement learning / policy evaluation
STP Integrationmission approval / audit log / historian feedback
Job / MES / SCMjob dispatch / production order / logistics workflow
Concept
uav.nagoya は、Lind計装AIの「手足・移動体」です。
センサーは固定されているだけではありません。移動体に載せることで、現場へ行き、測り、状態を推定し、必要な行動へつなげることができます。uav.nagoya は、計装AIを現実空間へ拡張するための移動体レイヤです。
座標を合わせる
ROS TFで map / odom / base_link / sensor frame を管理し、複数センサーの位置関係を扱います。
判断して動く
STPの承認・制御フローと接続し、Agentが状況に応じた観測・移動・再計測を行います。
Architecture
Sense → Estimate → Dispatch → Approve → Act
自律移動体は、センサーで測るだけではなく、座標系を合わせ、状態を推定し、ジョブやミッションとして割り当てられ、必要に応じて承認を通して動くシステムです。
01
Sense
LiDAR、Camera、IMU、GNSS、Depth、SDRで現場を測る。
02
Estimate
TF、SLAM、状態推定、センサーフュージョンで位置と環境を理解する。
03
Simulate
Gazeboなどで経路、制御、センサー配置、失敗ケースを検証する。
04
Dispatch / Approve
ジョブ、Mission、Waypoint、制御方針を割り当て、STPで安全条件と承認を通す。
05
Act
MAVLinkやAPIを通じて飛行・走行・観測タスクを実行する。
Technical Stack
移動体をシステムとして扱うための技術。
uav.nagoya では、機体そのものだけでなく、座標系、通信、センサー統合、制御判断、STP連携までを一つの移動体システムとして整理します。
ROS TF / 座標系
map、odom、base_link、camera、lidar、imu などの座標変換を管理し、観測データを同じ世界に配置します。
DDS / ROS 2 通信
ROS 2 の通信基盤として、センサーデータ、状態、制御指令、イベントを分散システムとして流します。
Open-RMF / Fleet Orchestration
複数のロボット、エレベーター、扉、充電器、施設側システムを連携し、タスク割当と移動体運用を調整します。
MAVLink / ArduPilot
ArduPilot やPX4系のテレメトリ、Mission、Waypoint、状態監視をMAVLink経由で接続します。
Sensor Fusion
LiDAR、Camera、IMU、GNSS、Depth、SDRなどを統合し、移動体の自己位置と周囲環境を推定します。
Gazebo / Simulation
実機投入前に、機体モデル、センサー、地形、障害物、通信遅延、失敗ケースをシミュレーションで検証します。
Reinforcement Learning Control
強化学習で、追跡、回避、探索、再観測、経路選択などの制御方針を学習・評価します。実運用では安全制約と承認フローを通します。
Agent Control
移動体を、Agentとして制御する。
UAVやローバーは、単なるラジコンではなく、観測目的、制約条件、安全条件、承認状態に応じて行動するAgentとして扱えます。シミュレーションや強化学習で得た制御方針も、現場投入時には安全条件・承認・監査ログを通す対象になります。
Observe
現場のセンサー情報、地図、ミッション状態、STPからの要求を観測します。
Decide
再観測、経路変更、停止、帰還、承認待ちなどの行動候補を選びます。
Act with Safety
MAVLinkやROS 2 actionを通じて動作し、安全条件と監査ログを残します。
STP / Job Orchestration
移動体を、現場ジョブと業務フローにつなぐ。
UAVやローバーは、単独で飛ぶ・走るだけではなく、点検依頼、搬送指示、再観測要求、生産計画、保全計画、物流ワークフローから発生する「ジョブ」を実行する移動体として扱えます。
Job Shop / Production
生産指示、工程進捗、設備状態に応じて、点検・搬送・観測ジョブを生成します。
MES / SCM
MES、生産管理、倉庫、物流、SCMと接続し、現場の作業要求を移動体ミッションへ変換します。
STP Approval Gate
ジョブ実行前に、権限、安全条件、エリア制約、承認、監査ログを通します。
位置づけとしては、Open-RMFやROSが「ロボット・施設側の実行調整」を担い、STPが「業務要求・承認・監査・MES/SCM連携」を担います。これにより、移動体は単なる機体ではなく、生産・物流・保全のジョブを実行するフィールドエージェントになります。
Simulation / Learning
実機の前に、シミュレーションで試す。
GazeboやSITLを用いて、機体、センサー、通信、障害物、地形、失敗ケースを再現します。強化学習で得た制御方針は、そのまま現場へ出すのではなく、評価・制約・承認を通して安全に利用します。
Scenario
点検、搬送、追跡、探索、障害物回避、再観測などのシナリオを作成します。
Policy
強化学習やルールベース制御で、状況に応じた行動方針を学習・比較します。
Safety Gate
STP側で安全条件、運用権限、承認、監査ログを確認してから実行します。
uav.nagoya の狙いは、ドローンを単体の機体として扱うことではありません。ROSの座標系、DDS通信、MAVLink、Open-RMF、センサーフュージョン、Gazeboシミュレーション、強化学習による制御、Agent制御、STP承認フロー、MES/SCM/生産管理とのジョブ連携をつなぎ、移動体を「都市計装AIの身体」として扱うことです。
Related Domains
測る・動く・通す。
uav.nagoya は、iot.nagoya と stp.nagoya と連携し、Lind Instrumentation AI の技術ポートフォリオを構成します。
測る
iot.nagoya
センサー、エッジAI、環境計測。Lindの目と耳。
動く
uav.nagoya
ドローン、ローバー、自律移動体。Lindの手足・移動体。
通す
stp.nagoya
SCADA、OT、MES、API、承認ワークフロー。Lindの神経系。