AIカメラで貨物寸法を自動計測：LTL輸送の課題解決を目指す新システム「Transload」を発表
本記事は、Julius氏らが開発した「transload」（transload.io）という新しいシステムについて解説しています。このシステムは、小口貨物（LTL: Less-Than-Truckload）を扱うトラック輸送会社が抱える深刻な課題、すなわち貨物の寸法計測の非効率性を解決することを目的としています。
LTL輸送において、正確な寸法は料金設定や貨物分類、トレーラー利用率に直結します。しかし、従来の運用では、荷送人申告サイズよりも実際のサイズが大きくても、運送業者が過小請求するケースがあり、これは大きな経済的損失となります。この問題を解決するためには全ての貨物を計測する必要がありますが、専用の寸法測定ステーションを導入すると、フォークリフトの移動が増えたり、ドックに混雑が生じたりするなど、通常の業務フローを阻害してしまうという問題があります。
transloadは、こうした現場の制約を踏まえ、既存のターミナルに設置されているセキュリティカメラ（CCTV）を活用して、貨物が通常通り通過する「バックグラウンド」で自動的に寸法計測を行うことを可能にします。システムは主に二つのステップで構成されています。一つ目は、ドック作業員が行うバーコードスキャンという行動と、動画内の特定の物体を正確に紐づける（アソシエーション）ことです。この際、単なる大規模言語モデル（VLM）ではなく、視線や体の向き、動きといった複数の手がかりから3D空間で推論を行う独自のモデルが用いられています。二つ目は、ターゲットの貨物をセグメント化し、モノキュラーカメラからの映像のみを用いて実世界の単位でのメトリックな3Dバウンディングボックスを推定することです。
特に難しいとされるのは、単一の2D画像から正確なスケールと形状を持つ3D情報を抽出することですが、本システムでは物体マスク、目に見えるエッジ、床との接触情報、カメラの幾何学的な制約など複数の要素を組み合わせて最適な3Dボックスを特定しています。現在、同社は複数のLTL運送業者と協業しており、初期のユースケースとして「収益回復」に焦点を当てています。具体的には、寸法が過小申告されている貨物を特定し、視覚的な証拠を添付することで、運送会社が請求や分類を修正するのを支援します。将来的には、このデータを用いてトレーラー利用率の最適化など、より広範な業務改善に役立てることが期待されています。
背景
LTL（Less-Than-Truckload）輸送は、複数の荷主からの小口貨物をまとめて運送する形態であり、効率的な寸法計測が収益性に直結します。従来の計測システムは業務フローを乱すため、現場ではサンプリング調査に留まりがちでした。本技術は、この「非破壊的」なデータ取得という課題に着目したものです。
重要用語解説
- LTL trucking: 小口貨物輸送（Less-Than-Truckload）の略称。複数の荷主からの少量の貨物をまとめてトラックで運送する形態を指します。
- モノキュラーメトリック深度推定: 単眼カメラ（モノキュラー）から得られた通常の映像データのみを用いて、物体やシーンの正確な奥行きや距離（メトリックな深さ）を推定する技術です。LiDARなどの高価なセンサーが不要になります。
- 3Dバウンディングボックス: 物体の周囲を囲む最小限の直方体（箱型）で、その寸法（長さ、幅、高さ）を定義したものです。貨物の容積やサイズを計測するための基本的な単位となります。
今後の影響
本技術は、物流業界におけるデータ収集のパラダイムシフトを引き起こす可能性があります。既存インフラ（CCTV）を活用できるため導入障壁が低く、単なるコスト削減に留まらず、運送ルート最適化や積載効率改善など、サプライチェーン全体にわたる高度な経営判断材料を提供することが期待されます。