何が起きたか
機械制御向けAIアルゴリズムを提供する株式会社エイシング（東京都港区）と大成建設株式会社は、シールドマシンの自動運転化を目指した方向制御AI技術を共同開発し、実証実験に成功したと発表した。実証は鹿児島3号東西道路シールドトンネル（下り線）新設工事で行われ、直径11.34mの泥土圧シールドによる自動運転で、到達点のずれを3mm以内に抑える高精度を達成した。AIは熟練オペレータの力点位置（推進ジャッキにかける力の分布）調整を学習し、掘進方向を自動制御する。
詳細
実証条件は右700mR曲線区間、上り勾配1.47%。実装技術は方向制御AIで、最適モデルの自動選定と逐次学習を組み合わせる。AIは掘進中の機械挙動を解析し、最適な力点位置（油圧ジャッキ出力配分）を即時に決定。各リング掘進後に精度を評価し、再学習を行う仕組みを構築している。エイシングの独自アルゴリズム「AiirMST®」は、現場データをその場で継続学習し、クラウド通信を必要とせずモデル更新が可能。過去データが限られる課題に対し、多数のシールドマシンの特性差を踏まえてデータを拡張し、多様な仮想モデルを作成。運用時には実際の現場条件に最も近いモデルを自動選定する。
Key Facts
| エイシングと大成建設は、シールドマシンの自動運転化を目指した方向制御AI技術を共同開発した。 | [1] |
| 実証実験は鹿児島3号東西道路シールドトンネル（下り線）新設工事で実施され、直径11.34mの泥土圧シールドで到達点のずれが3mm以内を達成した。 | [1] |
| 実証条件は右700mR曲線区間、上り勾配1.47%。 | [1] |
| エイシングの独自アルゴリズム「AiirMST®」は、現場データを継続学習し、クラウド通信を必要とせずモデル更新が可能。 | [1] |
| AIは熟練オペレータの力点位置調整を学習し、最適な油圧ジャッキ出力配分を即時に決定する。 | [1] |
本紙の見方
今回の発表は、シールドマシンという建設現場の重機にAIを適用し、熟練オペレータの暗黙知を自動化する点で、建設業界の省人化に向けた一歩と位置づけられる。特筆すべきは、実証実験で到達誤差3mm以内という数値が示されたことだ。直径11.34mの泥土圧シールドで、右700mRの曲線区間・上り勾配1.47%という条件下でこの精度を達成したことは、方向制御AIの実用性を一定程度裏付ける。 本紙の過去報道は存在しないが、エイシングの技術的特徴として、クラウド通信を必要とせず現場で逐次学習する点が挙げられる。これは、トンネル内など通信環境が不安定な現場での適用を想定した設計であり、建設現場特有の制約に対応した点で評価できる。また、過去データが限られる課題に対して、多様な仮想モデルを作成し、実際の現場条件に最も近いモデルを自動選定する方式は、データ不足を補う現実的なアプローチだ。 業界構造への含意として、シールド工事の省人化は、熟練オペレータの減少が進む中で喫緊の課題である。AIによる技術の平準化は、技能継承の問題を緩和する可能性がある。一方で、AIの判断を現場でどこまで信頼できるかという安全性の検証が今後の焦点になる。実証実験は1件のみであり、異なる地盤条件やマシンでの汎用性は未確認だ。 未確定の論点としては、今回の実証が特定の工事での結果であるため、他の地盤・曲線条件での再現性が挙げられる。また、AIモデルの学習に用いるデータの網羅性や、長期的な運用での信頼性も確認が必要だ。さらに、自動運転の導入が施工コストや工期に与える影響も、実用化に向けては検証が待たれる。
なぜ重要か
シールドマシンの自動運転は、建設業界の担い手不足という構造的な課題に対する具体的な解決策の一つとなる。今回の実証で示された3mm以内という精度は、AIが熟練オペレータの技量に迫る可能性を示唆しており、今後の建設現場の省人化・安全性向上の方向性を占う上で重要な指標となる。
日本への影響
日本の建設業界は深刻な人手不足に直面しており、シールド工事のような高度な技能を要する分野では、AIによる自動化が競争力の鍵を握る。エイシングと大成建設の取り組みは、国内の建設技術とAIを組み合わせた事例として、他社の追随を促す可能性がある。特に、現場データを逐次学習する方式は、日本の多様な地盤条件に対応する上で有効とみられる。