自律型港湾ターミナルで2台のストラドルキャリアが衝突した。この事故は機械的な故障のように見えたが、融合センサー（LiDARとレーダー）のログを3D再構築した結果、より微妙な原因が浮かび上がった。GazeboとUnreal Engine 5でのシミュレーションにより、エンジニアは衝突の正確な瞬間を再現することができ、操車エリアのデジタルツインが機械の1台の位置を誤って表示していたことが明らかになった。この不一致は、5Gネットワークの重大なレイテンシーがリアルタイムデータの同期を乱したことに起因する。
GazeboとUnreal Engine 5によるフォレンジック再構築 🛠️
調査プロセスは、各ストラドルキャリアに搭載されたLiDARおよびレーダーシステムからの生データの抽出から始まった。これらのデータはGazeboにインポートされ、最初の運動学的シミュレーションが行われた。その結果、記録された軌跡がルート計画と一致しないことが観察された。その後、融合された点群はUnreal Engine 5にエクスポートされ、Leica Cycloneプラグインを使用して高密度の点群が管理された。デジタルツインでの可視化により、車両の1台が衝突時点での実際の位置とは異なる仮想位置に表示されていることが示された。マイクロ秒単位で測定された5Gネットワークのレイテンシーにより、制御システムが古い位置情報の更新を受信し、誤った移動指令が生成されていた。
自律走行の安全性の基盤としてのデータ同期 ⏱️
この事故は、デジタルツインの信頼性が3Dモデルの精度だけでなく、データストリームの時間的同期に依存することを浮き彫りにしている。LiDARとレーダーのセンサーフュージョンは異常を検出するために極めて重要であることが証明されたが、5Gネットワークがボトルネックとして機能した。将来の衝突を防ぐために、各センサーへのハードウェアレベルでのタイムスタンプシステムと、デジタルツインにおけるレイテンシー補償バッファの実装が提案されている。教訓は明らかである。自律型物流において、シミュレーションの速度は物理世界の速度と一致しなければならない。
予測型デジタルツインにもかかわらず5Gレイテンシーが2台のストラドルキャリアの衝突を引き起こした自律型港湾ターミナルでの事故が示すように、3D物流における産業用デジタルツインがポータルクレーン間の衝突をリアルタイムで回避するために重要と考える最大レイテンシー閾値（ミリ秒）はいくらか、また、このパラメータを測定・軽減するための解決策として何を提案するか
(追記: 産業プラントのシミュレーションは、まるでシムズで遊んでいるようだが、プールの梯子を外すようなことはできない)