ロボット運用データセット2026/10/1arXiv:2610.02428

自律移動ロボットの物流運用：ジョブ、ディスパッチイベント、ロボット状態のデータセット

Autonomous mobile robot operations logistics: a dataset of jobs, dispatch events and robot states

キット供給・空箱補充・充電ジョブを実行するAMRの9シフト分の運用データを収集し、ジョブ仕様、ディスパッチイベント、ロボット状態を関連付けたデータセットを公開した。

詳しい要約

1. どんなもの？

- 自律移動ロボット(AMR)の物流運用データセットMoRoOpを提示。 - 実験室のキット準備・供給シナリオで9回の8時間シフトにわたり記録。 - ジョブ仕様、各ジョブを構成する操作、ディスパッチイベント、ロボット状態観測を関連付け。 - 1,382ジョブ、4,815操作、19,352ディスパッチイベント、140,386ロボット状態観測を含む。 - キット仕様も含み、生データとクリーニング済みロボット状態テーブルを提供。

2. 先行研究と比べてどこがすごい？

- 要旨からは不明。 - 先行研究との具体的比較や優位性の記述はない。 - 既存データセットとの差異は明示されていない。

3. 技術・手法の肝は？

- 確率的に生成されたキット供給、空箱補充、充電ジョブをAMRが実行。 - ジョブ仕様、操作、ディスパッチイベント、ロボット状態観測をリンク。 - ロボット状態は位置、姿勢、速度、車輪ごとの充電状態、診断を含む。 - 遅延、ナビゲーション妨害、不成功操作も技術的に有効な観測として保持。 - 生データとクリーニング済みデータの両方を提供。

4. どうやって有効だと検証した？

- 実験室の運用環境で9回の8時間シフトにわたり記録。 - 技術的に有効な遅延、妨害、不成功操作を保持。 - データセットの規模と構成要素の数を報告。 - 有効性の定量的評価やベンチマークは要旨からは不明。

5. 議論はある？

- 再利用の方向性として、運用意思決定記録に対するAIエージェントの評価、外乱検出、操作予測、データ駆動型シミュレーション、イベントログ分析を文書化。 - データセットの限界や課題についての議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、AMRのディスパッチング、運用ログ分析、データ駆動型シミュレーションに関する研究が考えられる。 - 具体的な論文名は要旨からは不明。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jan-Felix Klein, Yongkuk Jeong

分類: cs.RO

原文アブストラクト

Autonomous mobile robots (AMRs) increasingly perform material transport in production logistics, where their operation is governed by job generation, dispatching and robot control. We present MoRoOp, a dataset of AMR operations recorded in a laboratory kit preparation and supply scenario over nine eight-hour shifts. During each shift, an AMR executed stochastically generated kit supply, empty-box refill and charging jobs. The dataset links job specifications, the operations constituting each job, dispatch events documenting operation state transitions and outcomes, and robot-state observations comprising position, orientation, velocity, per-wheel state of charge and diagnostics. It contains 1,382 jobs, 4,815 operations, 19,352 dispatch events and 140,386 robot-state observations together with the kit specifications used during job generation. The dataset was recorded in an operating laboratory environment, and technically valid observations of delays, obstructed navigation and unsuccessful operations were retained. Both raw and cleaned robot-state tables are provided. Documented reuse directions include the evaluation of AI agents on operational decision records, disturbance detection, operation prediction, data-driven simulation and event-log analysis.

arXivで原文を読む →arXiv概要ページ

← 論文一覧