対談 CONVERSATION

勝負はたったの0.5秒 どう防ぐ?子どもにふりかかる危険な事故

宇都宮弘子

日本における子どもの死亡原因の統計、あまり知られていないのだが、いつも上位にくるのが事故による死亡だ。高所からの転落など、子どもの思わぬ行動が死亡につながるケースは少なくない。子どもにとっての本当の安全とは何か、センシングを使い導き出そうとする動きが出てきている。これまでの常識を疑い、センシング技術で子どもの安全性向上に取り組む東京工業大学の西田佳史教授は、「親が『目を離してはいけない』から『目を離してもいい』環境へとパラダイムシフトする」と話す。いったいどういうことなのか。自分事化をきっかけに描く一歩先の未来とは? 編集長・杉原行里が訪ねた。

子どもが生まれたことを
きっかけに研究をスタート
保護者の見守りの限界

杉原:今日はよろしくお願いします。早速ですが、西田教授がセンシング技術を使って子どもの安全性向上の分野を研究しようと思われたきっかけは?

西田:単純ですよ、子どもが生まれたからです(笑)。当時、福祉工学という分野はありましたが、主に高齢者が対象で、子どもの安全に寄与するものはなかったんです。例えばISO(国際標準化機構)やJIS(日本産業規格)の定義は「受け入れることのできない危険がないこと」ですが、やっぱり危険はある。危険がないことと定義するのではなくて、危険を扱える能力を備えた状態の社会に変えていきたいと思ったんです。

特に子どもの事故は、身体の機能変化と非常に関わりが深いと思っています。身体はもちろん、認知機能や運動能力が急速に発達する時期なので、昨日できなかったことが今日できるようになる。でも事故が起こるとまず、子どもから目を離した保護者の見守り責任が問われる。しかしその事故原因の多くは、そもそも我々が設計した環境やデザインが生み出してしまっているのです。そこで、デザインによって変えられる可能性があるんじゃないかなと考えたんです。

怪我をしにくい環境はできると語る西田教授

杉原:最近、電気ケトルで火傷をした子どもの話を聞いたばかりです。なぜそんな危険なデザイン構造になっているのか疑問を感じていたところです。

西田:そうなんです。人間の注意力に頼る「見守り」だけで事故を防ぐことはできない。それを証明するためには、実際の生活の場で起こり得る現象を切り離さず、計測をして理解するということが必要でした。そこで、子どもの実際の行動を画像処理して、子どもの転倒時間や、電気ケトルが倒れて熱湯がもれ広がるのにかかる時間、物が落ちたり倒れたりする時間を測定しました。子どもが転倒するのにかかる時間は平均0.5秒。これは、例え1メートルという至近距離で見守っていたとしても、人間の見守り能力に頼るだけで防ぐにはどうしても難しい。

また例えば、子どもが歯磨きをしながら動き回って転んで怪我をしてしまうという事故も多発しています。いくら「止まって磨きなさい!」と親が言っても、言うことを聞いてくれる子どもばかりではない。見守りだけでは不十分だから、事故が後を絶たないと僕は思っています。

杉原:本当にそうで、保護者の見守りだけで事故を防ぐには限界がありますよね。親がどれだけ注意していても、子どもってじっとしていられない。

西田:そうなんです。さらに我々は怪我のデータを統計的に処理するために、まずは病院の協力を得て子どもが怪我をした部位のデータを集めて可視化しました。ビッグデータを元に効果として結果を出すことができるようになったんです。例えば、歯ブラシの事故では、目を離さないで見守ることに限界があるなら、目を離してもいい環境・デザインをつくろうではないかと、私が「ABC理論」と呼んでいる、Ⓐ変えたいもの、Ⓑ変えられないもの、Ⓒ変えられるもののなかで、Ⓒの“変えられるもの”として、転倒データを元に歯ブラシのデザインを変えることができたんです。

研究室にはベビーベットやベビーサークルなど、実際に家庭で使う家具などが並んでいる。

杉原:そうだったんですか。最近は曲がる歯ブラシが販売されていますよね。規格化は考えられていないのですか?

西田:いい質問ですね。歯ブラシに限らず、最初はとにかく問題を提示することが大事だと考えているんです。そこから企業との共同研究がはじまって、プロダクトが出来上がる。そしてそれをユーザー側が魅力的なモノ、価値あるモノだと捉えることで他のメーカーが参入して常識化されていく。この段階まできたら規格化してもいいんじゃないかと。このサイクルを、データに基づいてやれるといいなと思っているんです。

最近は、転落事故について研究しています。最近は子どもの登る姿勢のデータベースが作れるようになってきているんです。どういうことかと言うと、子どもがどこを、どんなふうに登る可能性があるかということが分かることで、転落事故防止につながります。身体機能や認知機能の変化が大きい1~2歳の子どものデータを中心に集めていますが、今後は保育園の遊具で観察するとか、現場からの情報を集められるような仕組みが出来るといいなと思っています。

子どもから目を離してもいい環境の整備

杉原:なるほど。子どもの1~2年って変化がとても大きい。このアルゴリズムがディープラーニングしていくことも大事で、そこから得られるデータから環境やデザインを変えていくことによって、大きな事故を防ぐことが出来るようになるということですよね。

西田:その通りです。我々が研究を続けてきたなかで気が付いたことは、社会が必ずしも問題を理解しているというわけではないということ。リサーチして問題を抽出しなくてはいけない場合もある。我々が子どもの事故について取り上げたのが2007年で、それまではそういった活動はなかったんです。そこで、子どもにとって安全なもの、いいものをアイコン化して推奨することで市場を拡大していけたらと、2007年に「キッズデザイン賞」を作りました。ニーズがイノベーションに返還されるという仕組みが出来上がりつつあるのかなと思っています。やはりいいものを褒めていかないと社会はシフトしない。

杉原:素晴らしいですね。確かにハードパワーとしての規格も必要ですが、エンジニアリングでもデザインを変えられるものがきちんと評価されなければユーザーも育たない。アイデア自体はかなり前からあったのに、実装としてのフィールドになかなか到達しなかったということですよね。おそらく倫理的な問題もあるかと思います。今は、一般社会におけるデータの扱い方についての理解が深まってきている。

西田:そうですよね。現場で役に立つ知識の作り方が、IoTの時代で変わってきたのかなと感じています。家庭においても、新しいスマート環境を作っていくということが出来る時代になってきたのではないかなと。社会側の受け入れ方が変わってきたと思うんです。最近はZoomやSkypeで家の中まで入っていける時代になってきたので、画像認識を使えば、その家、その人に合わせた安全対策の提案が出来るようになりますよね。

杉原:確かに。事故の可能性が可視化されることで、よりイメージしやすいし、事故防止につながると思います。事故に様々な外的要因があったとしても、誰にでも必ず起こる可能性がある。高齢化の問題で考えると自分事化しやすいですよね。いまや3人にひとりが高齢者と言われる時代になっていて、家族にひとりは高齢者がいるという社会ですから。

西田:そうなんです。日本の人口分布と事故の確率をグラフで見てみると、人口分布は平たんな一方、事故の確率は生まれた瞬間と65歳以上に多い、いわゆる「バスタブ曲線」です。人生には妊娠・出産や介護したりされたりと、どこかで必ず変化がある。この変化に対応していかないといけないのが現代。変化するところに色々なニーズが隠れている。つまり、 “常識を疑え”ということなんです。これまでの常識だった「事故を防ぐために目を離すな」から、我々が目指しているところは「目を離してもいい環境」を作ること。それを認めていく環境を作ること。怪我を許容する自立支援や、リスク管理型の社会参加を促す方向にもっていきたい。

杉原:謎解きのようなグラフですね。こんなにも課題の抽出されている社会に生きているってラッキーですよね。これからいろんなことにチャレンジできる。

西田:そうですね。このメッセージが若い世代の人たちにどんどん伝わっていくといいですよね。我々には解かなくてはいけない問題がたくさんある。まだまだ未熟な社会です。人生100年時代と言われているいま、子どもからお年寄りまで、“機能が変わる人”にフォーカスして、その変化にどう対応していくかが問われる社会になってきているわけです。

西田佳史(にしだ・よしふみ)
東京工業大学 工学院 機械系教授。1998年東京大学大学院工学系研究科機械工学専攻博士課程修了。博士(工学)。同年4月通産省(現経産省)工業技術院電子技術総合研究所入所。2003年産業技術総合研究所デジタルヒューマン研究センター研究員。同年、同研究センター人間行動理解チーム長。2005年〜2012年科学技術振興機構戦略的創造研究推進事業(CREST)研究代表者。2009年産業技術総合研究所デジタルヒューマン工学研究センター生活・社会機能デザイン研究チーム長。2013年同研究所デジタルヒューマン工学研究センター首席研究員。2014年から2019年東京理科大学連携大学院客員教授。2015年産業技術総合研究所人工知能研究センター首席研究員。2017年より、セコム科学技術振興財団の特定領域研究助成(社会技術分野)の領域代表者。 2019年より産業技術総合研究所人工知能研究センター招聘研究員。2019年から東京工業大学工学院機械系教授に就任。

(text: 宇都宮弘子)

(photo: 壬生マリコ)

  • Facebookでシェアする
  • LINEで送る

RECOMMEND あなたへのおすすめ

対談 CONVERSATION

どうするポストコロナ時代!AIとロボットがもたらす物流イノベーション GROUND株式会社がつくる新たな潮流

吉田直子

現在、コロナウイルスの影響もあり、物流業界は激動の時代を迎えている。E-コマースのニーズが激増し、企業・個人間の取り引きが今までにないほど増えているにもかかわらず、労働人口の減少や、現場労働者の高齢化により、人手不足が深刻になっているからだ。そんななか、AIとロボットを活用し、物流業界に革命を起こそうとしているのがGROUND株式会社だ。同社がめざすのは先端テクノロジーを活用した物流施設の最適化だという。果たして、物流施設の中では、いま何が起こっているのだろうか。2015年に同社を立ち上げた取締役社長の宮⽥啓友氏に、編集長・杉原が、物流業界の課題と同社のミッションについてうかがった。 ・物流倉庫におけるロボット化、AI化の流れ ・ECの物流波動はプロでも先が読めない ・在庫の配置もAIで解析し最適化する

物流倉庫における
ロボット化、AI化の流れ

杉原:まず御社の事業を、読者の方にわかりやすく説明していただけますでしょうか?

宮田:我々がめざしているのは世界中の先端テクノロジーを活用して物流施設、つまり倉庫の運営を最適化することです。時代背景を説明すると、1970年代までは物流倉庫は主に港湾地域に限定されて建設されており、非常に閉ざされた世界でした。そこから高度経済成長下でフォークリフトが導入され、2000年代までその流れが続きます。2000年前後からはコンビニなどの小売流通が発展し、比較的きめの細かい物流作業が発生し、それに伴って物流施設の中でウェアハウスマネジメントシステム(WMS)、倉庫管理システムというものが使われ始めます。一方で、もともとは自動車のライン生産に供給するためのバックヤードとして誕生した、自動倉庫というものがありました。2010年くらいまでは、そのWMSと自動倉庫くらいしか、いわゆる倉庫を合理化する機器はありませんでした。ところがECの発展により、説明するまでもなく、物量が飛躍的に増加しました。物流施設での作業はもはや人手だけでは困難になり、ましてや日本は少子高齢化の中で、そもそも雇用が確保できない。ECという新しいインフラを支える物流と、業界の実情が大きくかけ離れてしまったのです。

杉原:顧客ニーズが間違いなく既知なのに、技術的なところが未知であるという状況ですね。

宮田:そうですね。そこで、ようやくそのギャップを埋めていくために、ロボット、AIというテクノロジーが注目・活用され始めました。製造業界から10年ほど遅れているのですが、電気自動車の普及によってリチウムイオンの単価が劇的に下がった結果として、我々が提供する物流ロボットも、ようやく投資対効果が見合うようになってきたという流れです。さらに、SLAM(Simultaneous Localization and Mapping:センサーによって周囲環境を把握し、マップをつくりつつ、取得したデータをもとにロボットの自身の位置も推定する技術)技術も進化し、原価の低下と技術の進展がちょうどいま交わったところで、次世代型物流施設というものが求められ始めている。AIなどの先端テクノロジーを活用していかに物流(倉庫)を最適化するかという、この領域を我々はめざしています。

GROUNDが中国のロボットメーカーと共同開発したAMR(自律型協働ロボット) 「PEER(ピア)」。倉庫内作業の「ピッキング」工程において、人と協働しながら作業支援を行うAMR(自律型協働ロボット)。

杉原:具体的には、どういう方法になるのでしょうか?

宮田:例えば、物流機能を有する事業者さんに対して、オープンな物流プラットフォームの構築・提供を目指しています。いわばOSですね。でも、例えばiPhoneのiOSはAppleだけのアプリケーションですが、我々はAndroid的なものを提供したいと考えています。

自律型協働ロボット「PEER」を使用したピッキング作業の様子。オーダーが入ると、ロボットは自ら対象商品が格納されている棚の前まで移動し、停止する。作業者は自分が担当するエリアで待機しているロボットを見つけ、タブレットの指示に従って商品をピッキングし、ロボットのバスケットに商品を入れるだけでよい。

杉原:要は参入障壁を低くすることによって、規模を広げていくということですね。あえてモノポリーされているiPhone型のiOSではなく、Android型を選ばれたのはなぜですか。1970年からの流れがあって改革が起きにくい潮流があったからなのか、それともほかに理由があるのでしょうか。

宮田:2つ理由があって、ひとつはどのような形であれ、EC・物流のリーディングカンパニーであるAmazonに対抗しなければならないということです。彼らはフィラデルフィアに500人以上のデータサイエンティストとエンジニアを集めて、物流オペレーションを高度化するための技術開発を行い、毎年1兆円もを物流へ投資しています。まさにアップルがiOSを囲い込んでいるように、自分たちの物流オペレーションを高度化して独占しています。そんなことは、一企業にはもはやできません。そう考えると、おそらく産学官や民間連合などの、ゆるやかなコンソーシアムでオープンなプラットフォームを作ってAmazonに対抗しないと、技術的にも追いつかないし、投資規模としてもかなわない。

杉原:そうですね。まず、マスが違いますよね。

ECの物流波動は
プロでも先が読めない

宮田:もうひとつは、楽天に勤めていた時にめざしていた構想をクラウドで実現したいという想いがありました。EC物流は、車や白物家電を製造する上での製造物流とは全く違います。例えば、製造業の部品を提供するための物流は、生産計画に基づいているので、明日どれくらいの物量を工場に供給すればいいかわかっている。一方でECはダイレクトに消費者に対して商品を供給するので、例えば、●●スーパーセールで明日どれくらいの物量があるのかは、社内の市場のデータ解析をする専門チームをしても読み切れないんです。

杉原:そうなんですか? 結構読んでいるのかなと思っていたのですが。

宮田:読めないですね。物流ハブをどこに置くかというのも空ぶりになったりと、非常に難しい。それに加えて、ロングテール化の問題があります。つまり、ECでは販売機会の少ないニッチな商品でも色やサイズなどを幅広く取り揃える戦略が主流となっています。ユーザーとしては非常に便利ですが、届ける側は必ずこれを在庫しておかなくてはいけない。こういった消費者ニーズの複雑化・高度化などに伴う様々な制約が生まれる物流を最適化するには、従来の倉庫や物流センターの設備だけでは、もはや成り立たず破綻寸前にあります。こういう非常に高度で複雑な判断が伴い、かつ制約が厳しいオペレーションに対して、あらかじめ予見することはそもそもできない。予見できないから、変化や異常をすぐに察知して、異常に合わせられる、そういう柔軟な仕組みを我々は作っている。必ず前提条件は崩れるものということに基づき、ロボットもAIソフトウェアも開発されています。

杉原:そのアルゴリズムの変数の作り方は異常と変化というところから始まっていて……。

宮田:まさにそうですね。それをいかに迅速に察知して視覚化できるかということをめざしています。

杉原:面白いですね。大手物流事業者でさえできなかった、もしくはまだ難しいところを、物流の部分からディープラーニングさせてコントロールしていくという考え方ですよね。

宮田:そうです。いま、いわゆる購買データと物流センターの在庫の配置の連携は全くとれていなくて、完全に分断されているのが現状なのですよ。

杉原:医療と製薬会社の関係にちょっと似ていますよね。その分断されているものに、歩み寄っていくという考え方に近いのでしょうか。

宮田:そうです。連携を真ん中の物流施設から実現していく。それが、我々が開発しているインテリジェントロジスティックスというソリューション全体、次世代型物流施設の基盤です。PEERという自律型協働ロボットも開発していますが、そのロボットの持っているロボットコントロールシステムと、事業者が使っているウェアハウスマネジメントシステムを、全部ミドルウェアでつなぎこむんですね。そして、つないだものをすべて「Intelligent EYE」というダッシュボードで可視化していくのです。

在庫の配置も
AIで解析し最適化する

宮田:いまの物流センターは、いまだにホワイトボードに進捗を書いて、勘と経験をベースに人を配置しています。我々はそういったものを、可視化していく。自社開発したDyAS(ディアス)というAI物流ソフトウェアは、在庫やPOSデータなど事業者が有する様々なデータを集計・分析し、例えば明日販売する予定の商品を手前に持ってくるとか、明日はサプライヤーから通常より1.5倍くらいの商品が入ってくるから人とロボットをそれぞれどれだけ配置するかを、AIを使って計算・シミュレートし、可視化ツールのIntelligent EYEを通じて現場の管理者に示す。こういった仕組みを、いま構築し始めています。

同社がオリジナル開発したAI物流ソフトウェア「Dynamic Allocation System(DyAS)」。物流倉庫における業務ナレッジや内部・外部データを蓄積・解析し、流施設管理者の意思決定をサポートすることにより、在庫保管効率や物流作業効率を向上させる。

杉原:ということは、このIntelligent EYEとDyASが基本的には核となっていて、実は御社のPEERとかButlerとかのロボットに関しては、アウトプットとしてはほかのものでもいいわけですよね。

宮田:そうです。現場のロボットは、デバイスでしかありません。中長期的には我々はロボットの開発ステージからは離れ、ロボットの仕組みに様々なものを接続・最適化させていくことにより注力するつもりです。

杉原:ロボット化のほうに行くのであれば、圧倒的な資金力とマスプロダクションが得意なところとの競争になってしまうから、コアのビジネスをやっていくということですね。僕らも実はいま、御社と本当に同じような考え方をしているんです。歩行解析ロボットに取り組んでいるのですが、ユーザー側はカメラがあれば、僕らのほうのフィジカルバンクにアクセスできるんですね。

宮田:最終的にはETLポータルを通じて、いかにデータを取得できる仕組みを作るかという方向ですよね。その礎を我々は作っています。スーパーはある程度、野菜、精肉とカテゴリごとに商品がありますが、物流施設は必ずしもそうである必要はない。ポピュラリティと言うのですが、あるものと別のものがセットで買われる傾向があるとしたらAIが分析して、カテゴリが違っても、合理化を考えたときには隣同士に配置してもいいわけです。

杉原:実は消費比率が全然違うから、ティッシュペーパーと洗剤を一緒に買うわけないですもんね。

宮田:そうです。ドラッグストアでは同様のカテゴリで陳列していても、物流施設内はそうある必要はない。ましてや違うブランドやメーカーが混ざっていても全くかまわないわけです。そういう考えに基づいて、あくまでも出荷するうえでの生産性、どのような配置をすれば最短時間で処理ができるのかをAIを使って解析・シミュレートしています。

宮⽥啓友(みやた・ひらとも)
株式会社GROUND 代表取締役社⻑/CEO
上智⼤学法学部卒。1996年 株式会社三和銀⾏⼊⾏。2000年 デロイトトーマツコンサルティング(現:アビームコンサルティング)⼊社。⼤⼿流通業を中⼼にロジスティクス・サプライチェーン改⾰のプロジェクトに従事。2004年 アスクル株式会社⼊社。ロジスティクス部⾨⻑として⽇本国内の物流センター運営を⾏う。2007年 楽天株式会社⼊社。物流事業準備室⻑を経て2008年 物流事業⻑就任。2010年 楽天物流株式会社設⽴、代表取締役社⻑就任。2012年 楽天株式会社執⾏役員物流事業⻑就任。同年フランスのフルフィルメントプロバイダAlpha Direct Services SASを買収し、マネージングディレクターを兼務する。2013年アメリカのフルフィルメントプロバイダWebgistixを買収。2015年4⽉ GROUND株式会社設⽴。

(トップ動画:https://www.youtube.com/watch?v=GK43OBRCzOI

(text: 吉田直子)

(photo: 増元幸司)

  • Facebookでシェアする
  • LINEで送る

PICK UP 注目記事

CATEGORY カテゴリー