月面・惑星探査ローバーの自己位置推定とナビゲーション

概要

月面やその他の惑星地形は，自律ロボットナビゲーションに根本的な課題をもたらします。地球上の構造化された環境と異なり，これらの天体表面は幾何学的特徴が極めて乏しく，単調なレゴリス平野，テクスチャの少ない斜面，高度に反復的なクレーター形状を特徴とします。これにより，従来の視覚・LiDARベースの自己位置推定手法は著しく性能が低下，あるいは完全に機能しなくなります。

本研究は，このような特徴の乏しい環境に特化した，ロバストな Simultaneous Localization and Mapping（SLAM） および自律ナビゲーション技術の開発に取り組んでいます。中心的な課題は，周囲の環境が標準的なアルゴリズムが拠り所とする識別可能な構造をほとんど持たない状況においても，ローバーの位置・姿勢を高精度で推定することです。

研究の方向性

特徴点の乏しい環境でのSLAM

標準的なSLAMパイプラインは，特徴的なランドマークの検出と追跡に依存しています。月面では，こうしたランドマークはほぼ存在しません。本研究では，車輪オドメトリ，慣性計測，太陽センサによる方位推定，地形の法線ベクトルを組み合わせたマルチモーダルセンサフュージョンを調査し，カメラやLiDARのデータが有用でない場合でも信頼性の高い姿勢推定を実現します。

地形適応型ナビゲーション

不整地のレゴリス上を安全に走行するためには，地形の走行可否をリアルタイムで評価する必要があります。本研究では，搭載センサから地表面の特性（傾斜，凹凸，締固め度）を分類する知覚アルゴリズムを開発し，ローバーが危険地帯を回避しながらミッション目標へ向けて自律的に経路計画できるようにします。

反復地形におけるループ閉合

長距離走行ではデッドレコニングによる累積誤差が避けられません。この誤差を修正するためにループ閉合，すなわち過去に訪れた場所の再検出が不可欠ですが，どこも同じように見える地形では外観ベースの標準的な手法は有効ではありません。本研究では，視覚的外観に依存しない幾何学的・確率論的アプローチによる既訪問エリアの認識を探求します。

背景

東北大学宇宙ロボティクス研究室は，月・惑星ロボティクスの分野で長年の実績を持ちます。2011〜2018年の Google Lunar XPRIZE 競技において，研究室は月面走行用の軽量4輪ローバー HAKUTO を開発しました。車輪設計，モビリティ解析，自己位置推定戦略などHAKUTOから受け継がれた技術的遺産は，月面着陸スタートアップのispace Inc.に引き継がれ，進行中の研究の基盤となっています。

本プロジェクトはその遺産を直接的に発展させ，将来の月面ミッションが地球からの管制に依存することなく，より高い自律性で運用できるよう，自律的な自己位置推定・ナビゲーション技術の最先端を切り拓きます。

所属

東北大学 工学研究科 航空宇宙工学専攻 宇宙ロボティクス研究室にて実施。