Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ロボット工学における近接センサと距離センサ技術</h1> <h2>概要</h2> <p>本資料では、ロボット工学において重要な役割を果たす近接センサと距離センサについて、その原理、特徴、性能指標、実装例を詳しく解説します。各種センサの特性を理解することで、適切なセンサ選択と実装が可能になります。</p> <h1>近接センサ</h1> <h2>1. うず電流式近接センサ</h2> <h3>原理</h3> <p>うず電流式近接センサは、主に金属物体の検出に用いられる非接触型センサです。センサ内部には高周波交流電流を流すコイル（検出コイル）があり、このコイルの近くに金属物体が接近すると、金属内部にうず電流（渦電流）が誘起されます。うず電流は反対向きの磁場を発生させるため、コイルのインダクタンスやコイルに流れる電流の大きさ、位相などが変化します。これらの変化を電気信号として検出し、物体の有無や距離を判定します。非接触で動作するため、摩耗がなく長寿命です。</p> <h3>特徴</h3> <ul> <li>金属（特に鉄やアルミなど導電性のある物体）に対して高感度に反応し、薄い金属板でも磁束の変化があれば検出可能。</li> <li>応答速度が非常に速く、ミリ秒単位での検出が可能。</li> <li>センサ表面が汚れていたり、液体が付着していても動作に大きな影響を受けにくい高い環境耐性を持つ。</li> <li>高温環境下（70℃程度）でも安定して動作可能。</li> <li>非金属（プラスチック、木材、ガラスなど）は検出できないため、用途が金属に限定される。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 1〜30mm（金属の種類やサイズによって変動）</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>応答時間</strong>: 0.1〜1ms（非常に高速）</li> <li><strong>環境耐性</strong>: 温度-25〜+70℃、湿度95%以下</li> <li><strong>繰り返し精度</strong>: ±0.01mm（高い再現性）</li> </ul> <h3>応用例</h3> <ul> <li>ワイヤレス充電の位置検出</li> <li>工場の自動化ラインでの金属部品の有無検出</li> <li>エレベータのドア開閉検出</li> <li>自動車の組立工程での金属部品検出</li> </ul> <h2>2. 静電容量式近接センサ</h2> <h3>原理</h3> <p>静電容量式近接センサは、物体の接近による静電容量の変化を利用して検出を行います。センサ電極と接地面、または検出対象物との間に形成されるコンデンサの静電容量（C）は、物体の距離や材質、形状によって変化します。RC直列回路において、コンデンサの電圧（Vc）が定常電圧に達するまでの時間（充電時間）を測定し、その時間から物体までの距離を推定します。静電容量は $C = \frac{\varepsilon S}{d}$ （ε:比誘電率、S:電極面積、d:距離）で表され、距離が近いほど容量が大きくなります。</p> <h3>電気的特性</h3> <ul> <li>コンデンサの静電容量: $C = \frac{\varepsilon S}{d}$ [F]（dが小さいほどCは大きい）</li> <li>時間定数: $T \approx 5RC$（R:抵抗値、C:静電容量）</li> <li>静電容量が増加すると、満充電までの時間が長くなる</li> </ul> <h3>動作原理</h3> <ol> <li>検出対象がセンサから遠い場合、静電容量が小さくなり、充電時間が短くなる。</li> <li>対象が近づくと静電容量が増加し、充電時間が長くなる。</li> <li>コンデンサの間に隙間を作ることで静電容量を調整でき、検出感度を制御可能。</li> </ol> <h3>利点</h3> <ul> <li>金属だけでなく、プラスチック、ガラス、液体など様々な素材を検知可能。</li> <li>容器の外側から内容物（液体や粉体など）の有無を検出できる（比誘電率の違いを利用）。</li> <li>非接触で動作し、摩耗がない。</li> </ul> <h3>欠点</h3> <ul> <li>検出距離が短い（数mm〜数cm程度）。距離が離れると静電容量が急激に減少するため。</li> <li>応答速度が磁気式より遅い（充電時間の測定が必要なため）。</li> <li>検出面の湿度や汚れ、周囲環境の変化（温度、湿度、ノイズ）により検出精度が影響を受けやすい。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 1〜25mm</li> <li><strong>精度</strong>: ±0.5〜±2mm</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-25〜+70℃、湿度85%以下</li> <li><strong>繰り返し精度</strong>: ±0.1mm</li> </ul> <h3>応用例</h3> <ul> <li>タッチパネル（スマートフォンや家電の操作部）</li> <li>液面検出（タンクやボトルの外側から内容物を検知）</li> <li>近接スイッチ（自動ドア、照明の自動点灯）</li> </ul> <h2>3. 光学式近接センサ</h2> <h3>原理</h3> <p>光学式近接センサは、光の遮断や反射を利用して物体の存在や距離を検出します。主にLEDやレーザーダイオードなどの発光素子から光を照射し、物体で反射・透過・拡散した光を受光素子（フォトダイオードやフォトトランジスタ）で検出します。物体の有無や距離によって受光量が変化するため、その変化を電気信号として検出します。</p> <h3>種類と動作原理</h3> <h4>透過型（対向型）</h4> <ul> <li><strong>構成</strong>: 発光器と受光器を向かい合わせに配置し、その間に物体が入ると光が遮断される。</li> <li><strong>動作</strong>: 物体が光路を遮断すると受光器に届く光量が減少し、物体の存在を検出。</li> <li><strong>利点</strong>: 高精度で長距離（数m）まで検出可能。外乱光の影響を受けにくい。</li> <li><strong>欠点</strong>: 発光部と受光部の2箇所に設置・配線が必要で、設置が複雑。</li> </ul> <h4>反射型（回帰反射型）</h4> <ul> <li><strong>構成</strong>: 発光器と受光器が一体型で、対向する位置に反射板を設置。</li> <li><strong>動作</strong>: 通常は反射板からの反射光を受光しているが、物体が反射板を遮ると受光量が減少し、物体の存在を検出。</li> <li><strong>利点</strong>: 配線が1箇所で済み、設置が簡単。</li> <li><strong>欠点</strong>: 反射板の汚れや劣化により検出精度が低下しやすい。</li> </ul> <h4>拡散反射型</h4> <ul> <li><strong>構成</strong>: 発光器と受光器が一体型で、物体表面で反射した光を直接検出。</li> <li><strong>動作</strong>: 物体表面での拡散反射光の強さから距離や有無を判定。</li> <li><strong>利点</strong>: 反射板が不要で、物体の色や材質によって検出感度を調整可能。</li> <li><strong>欠点</strong>: 物体の反射率や色に大きく依存し、検出距離が短い。</li> </ul> <h3>使用材料</h3> <ul> <li><strong>発光素子</strong>: LED（赤外線や可視光）、レーザーダイオード（高精度用途）</li> <li><strong>受光素子</strong>: フォトダイオード、フォトトランジスタ</li> <li><strong>光学系</strong>: レンズ（集光・拡散）、フィルター（外乱光除去）</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 数mm〜数m（方式や光源出力による）</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>応答時間</strong>: 0.1〜10ms</li> <li><strong>環境耐性</strong>: 温度-10〜+60℃、湿度85%以下</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>産業用</strong>: 部品の有無検出、組立ラインでの位置決め</li> <li><strong>自動車</strong>: ドアの開閉検出、駐車支援センサ</li> <li><strong>家電</strong>: 洗濯機の水位検出、電子レンジの扉検出</li> <li><strong>ロボット</strong>: 障害物検出、グリッパーの物体検出</li> </ul> <h3>注意点</h3> <ul> <li>複数のセンサを近接して設置する場合、光の干渉やクロストークが発生しやすいため、配置やタイミング制御に注意が必要。</li> <li>レンズや受光部の汚れ、曇りによる性能低下。</li> <li>物体の反射率や色によって検出感度が大きく変化する。</li> <li>温度変化による発光素子の出力変動や受光素子の感度変化。</li> </ul> <h2>4. 機械式リミットスイッチ</h2> <h3>原理</h3> <p>機械式リミットスイッチは、物理的な接触によって導体（接点）が開閉することで、物体の位置や有無を検出するセンサです。レバーやローラー、プランジャーなどの機構部品が外部からの力で動かされると、内部の接点がON/OFFし、電気信号として出力されます。最も古典的かつ信頼性の高い検出方式です。</p> <h3>性能指標</h3> <ul> <li><strong>動作力</strong>: 0.1〜50N（作動に必要な力）</li> <li><strong>精度</strong>: ±0.01〜±0.1mm（高精度な位置決めが可能）</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-40〜+85℃、湿度95%以下</li> <li><strong>寿命</strong>: 100万〜500万回（標準的な製品、接点の摩耗に依存）</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>産業用</strong>: 機械の原点復帰や位置決め、安全装置のトリガー</li> <li><strong>自動車</strong>: ドアの開閉検出、シートベルトの装着検出</li> <li><strong>家電</strong>: 洗濯機の蓋検出、電子レンジの扉検出</li> <li><strong>ロボット</strong>: エンドエフェクタの接触検出、原点復帰</li> </ul> <h3>注意点</h3> <ul> <li>機械的な摩耗や劣化により、長期間使用すると性能が低下する。</li> <li>振動や衝撃の多い環境では誤動作や接点のバウンス現象が発生しやすい。</li> <li>定期的なメンテナンスや交換が必要。</li> <li>接点のバウンス（チャタリング）対策として、ハードウェアまたはソフトウェアでのデバウンス処理が推奨される。</li> </ul> <h1>距離センサ</h1> <h2>1. 超音波距離センサ</h2> <h3>原理</h3> <p>超音波距離センサは、圧電素子を用いて超音波（20kHz以上の高周波音）を発生させ、物体に当たって反射して戻ってくるまでの時間（往復時間）を測定することで距離を算出します。超音波の伝播速度（音速）は温度や湿度によって変化するため、正確な距離測定には環境補正が必要です。</p> <h3>使用材料</h3> <ul> <li><strong>圧電セラミック</strong>: 電気信号を加えると振動し超音波を発生、逆に振動を受けると電気信号を発生する性質を持つ。</li> <li><strong>送信用・受信用素子</strong>: 一体型または分離型で構成される。</li> </ul> <h3>計算式</h3> <ul> <li><strong>音速</strong>: $V = 331.5 + 0.6 \times T$ [m/s]（T:温度[℃]、空気中の音速は温度依存）</li> <li><strong>距離</strong>: $L = \frac{V \times t}{2}$ [m]（t:超音波の往復時間。往復なので2で割る）</li> </ul> <h3>特徴</h3> <ul> <li>動いている対象物でも、音速未満の速度であれば正確に測定可能。</li> <li>透明体や色、材質に関係なく、音波を反射する物体であれば検出可能。</li> <li>構造がシンプルで、ハードウェア・ソフトウェア設計が容易。</li> <li>ただし、音波の伝播経路や反射面の角度、空気の流れなどにより測定誤差が生じることがある。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 2cm〜4m（一般的な市販センサの場合）</li> <li><strong>精度</strong>: ±1〜±3mm</li> <li><strong>角度分解能</strong>: 15°〜30°（指向性が広い）</li> <li><strong>応答時間</strong>: 10〜50ms</li> <li><strong>環境耐性</strong>: 温度-20〜+70℃、湿度95%以下</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>ロボット</strong>: 障害物回避、壁面追従、地図作成</li> <li><strong>自動車</strong>: 駐車支援、ブラインドスポット検出</li> <li><strong>家電</strong>: 自動ドアの開閉制御、洗濯機の水位検出</li> <li><strong>産業用</strong>: 材料の厚さ測定、液面検出、在庫管理</li> </ul> <h3>注意点</h3> <ul> <li>温度や湿度による音速の変化を補正しないと測定誤差が生じる。</li> <li>複数の超音波センサを同時に使用する場合、干渉（クロストーク）を防ぐために発信タイミングの制御が必要。</li> <li>反射面が斜めの場合、音波が逸れて正確に反射しないため、測定精度が低下する。</li> <li>騒音や強い風などの環境ノイズの影響を受けやすい。</li> </ul> <h2>2. レンジファインダー（光学式視差式）</h2> <h3>原理</h3> <p>光学式レンジファインダーは、三角測量の原理を利用して距離を測定します。発光部から対象物に向けて光（主に赤外線やレーザー）を照射し、反射した光を受光部で検出します。発光部と受光部の間隔（ベースライン）と、受光部での反射光の位置（角度）から三角形を構成し、三角関数を用いて対象物までの距離を計算します。</p> <h3>構成</h3> <ul> <li><strong>発光部</strong>: レーザーやLEDなどの光源</li> <li><strong>受光部</strong>: 位置検出型受光素子（PSD）やCMOSセンサ</li> <li><strong>ベースライン</strong>: 発光部と受光部の間隔（固定）</li> </ul> <h3>動作原理</h3> <ul> <li>近い物体ほど受光部での反射光の位置が大きくずれる（角度が広くなる）。</li> <li>受光部の検出位置とベースライン長から三角測量の式を立て、距離を算出。</li> <li>受光部の相似関係や幾何学的関係を利用して、対象物とセンサの垂直距離を高精度に求める。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 10cm〜数m</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-10〜+60℃</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>測量</strong>: 建築現場や土木工事での距離測定</li> <li><strong>ロボット</strong>: 精密な位置決め、物体認識</li> <li><strong>自動車</strong>: 前方車両との距離測定、衝突防止</li> <li><strong>産業用</strong>: 部品の寸法測定、品質検査</li> </ul> <h3>注意点</h3> <ul> <li>レンズや受光部の汚れによる精度低下</li> <li>物体の反射率や色による測定誤差</li> <li>複数センサの光干渉（クロストーク）</li> <li>温度変化による光学系の膨張・収縮</li> </ul> <h2>3. ステレオカメラによる距離計測</h2> <h3>原理</h3> <p>ステレオカメラは、2台のカメラを一定間隔（ベースライン）で並べて設置し、同じシーンを異なる視点から同時に撮影します。2つの画像間で同じ物体の位置（視差）を比較し、三角測量の原理を用いて各画素ごとの距離（深度）を計算します。視差が大きいほど物体はカメラに近く、視差が小さいほど遠いことを意味します。</p> <h3>特徴</h3> <ul> <li>視差画像（ディスパリティマップ）を生成し、シーン全体の3D情報をリアルタイムで取得可能。</li> <li>色（RGB）情報と深度情報を同時に取得できるため、物体認識や空間把握に有効。</li> <li>カメラの画素数やベースライン長、レンズの特性により精度や測定範囲が決まる。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数cm〜数m（ベースラインやレンズによる）</li> <li><strong>精度</strong>: ±1〜±10mm（距離に依存、近距離で高精度）</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>フレームレート</strong>: 30〜60fps（リアルタイム処理可能）</li> <li><strong>解像度</strong>: VGA〜HD</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>ロボット</strong>: 3D環境認識、物体把持、障害物回避</li> <li><strong>自動車</strong>: 自動運転、障害物検出、歩行者認識</li> <li><strong>ゲーム・エンタメ</strong>: Kinect、VR/ARアプリケーション</li> <li><strong>医療</strong>: 手術支援、リハビリテーション、患者の動作解析</li> </ul> <h3>注意点</h3> <ul> <li>カメラ間の距離や角度のキャリブレーションが非常に重要。ズレがあると距離計測精度が大きく低下する。</li> <li>テクスチャ（模様や特徴）の少ない物体や、透明・反射物体では視差検出が困難。</li> <li>画像処理・マッチング計算の負荷が高く、高速なCPUやGPUが必要。</li> <li>照明条件や逆光、暗所での性能低下。</li> </ul> <h3>応用例</h3> <ul> <li>デプスカメラ（深度カメラ）として、3Dスキャンやジェスチャ認識などにも利用。</li> </ul> <h2>4. 単眼カメラによる距離計測</h2> <h3>原理</h3> <p>単眼カメラ（1台のカメラ）を用いて距離を推定する技術は、複数の手法が存在します。主な手法は以下の通りです。</p> <h4>焦点距離法</h4> <ul> <li><strong>原理</strong>: レンズの焦点距離と物体の実際の大きさ、撮影画像上の像の大きさから距離を計算します。</li> <li><strong>計算式</strong>: $距離 = \frac{物体の実サイズ \times 焦点距離}{像のサイズ}$</li> <li><strong>利点</strong>: シンプルな計算で実装可能。</li> <li><strong>欠点</strong>: 物体の実際の大きさを事前に知っている必要がある。</li> </ul> <h4>デフォーカス法</h4> <ul> <li><strong>原理</strong>: ピントの合い具合（ぼけ具合）から距離を推定します。複数の焦点距離で撮影した画像を比較し、ぼけの程度から距離を算出します。</li> <li><strong>利点</strong>: 物体サイズの事前知識が不要。</li> <li><strong>欠点</strong>: 複数回の撮影や画像処理が必要。</li> </ul> <h4>モーションパララックス法</h4> <ul> <li><strong>原理</strong>: カメラを移動させた際の視差（物体の見かけの移動量）から距離を計算します。異なる位置から同じ物体を撮影し、画像上の移動量を測定します。</li> <li><strong>利点</strong>: 高精度な距離推定が可能。</li> <li><strong>欠点</strong>: カメラの移動が必要で、動的なシーンには不向き。</li> </ul> <h4>機械学習ベース手法</h4> <ul> <li><strong>原理</strong>: 深層学習モデル（CNNなど）を用いて、単一画像から深度マップ（距離情報）を推定します。</li> <li><strong>利点</strong>: リアルタイム処理や複雑なシーンへの適応が可能。</li> <li><strong>欠点</strong>: 学習データやモデルの品質に依存し、未知の環境では精度が低下することがある。</li> </ul> <h3>使用材料</h3> <ul> <li><strong>カメラ</strong>: CMOS/CCDセンサ搭載カメラ</li> <li><strong>レンズ</strong>: 固定焦点レンズ、ズームレンズ</li> <li><strong>処理装置</strong>: CPU、GPU、専用チップ（AI推論用）</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数cm〜数km（手法やレンズによる）</li> <li><strong>精度</strong>: ±1〜±10%（距離や手法に依存）</li> <li><strong>フレームレート</strong>: 30〜60fps</li> <li><strong>解像度</strong>: VGA〜4K</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>自動車</strong>: 前方車両との距離測定、駐車支援、歩行者検出</li> <li><strong>ロボット</strong>: ナビゲーション、物体認識、障害物回避</li> <li><strong>スマートフォン</strong>: ポートレートモード、ARアプリ、顔認識</li> <li><strong>監視システム</strong>: 侵入者検出、人数カウント、行動解析</li> </ul> <h3>注意点</h3> <ul> <li>照明条件や逆光、暗所での精度低下</li> <li>物体のテクスチャや特徴点の有無による測定精度の変動</li> <li>リアルタイム処理には高い計算能力が必要</li> <li>カメラのキャリブレーション（内部パラメータの調整）が重要</li> </ul> <h2>5. LIDAR（Light Detection and Ranging）</h2> <h3>原理</h3> <p>LIDARは、レーザー光を用いて対象物までの距離を高精度かつ高速に計測するセンサです。レーザー光をパルス状または連続的に照射し、対象物で反射した光が戻ってくるまでの飛行時間（Time of Flight, ToF）を測定します。回転機構やミラーを用いてレーザーを水平方向や垂直方向に走査することで、周囲の3D点群データ（点の集合）を取得できます。</p> <h3>種類</h3> <ul> <li><strong>機械式LIDAR</strong>: レーザー発射部を物理的に回転させて広範囲をスキャン。高精度だが構造が複雑で高価。</li> <li><strong>ソリッドステートLIDAR</strong>: MEMSミラーやフェーズドアレイなど電子制御でビームを走査。小型・低コスト・高耐久。</li> <li><strong>フラッシュLIDAR</strong>: 一度に広範囲を照射し、全体の距離情報を同時取得。リアルタイム性が高い。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数m〜200m以上（高出力モデルでは1km超も可能）</li> <li><strong>精度</strong>: ±1〜±10cm（モデルや環境による）</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>スキャン速度</strong>: 5〜20Hz（1秒間に5〜20回全周スキャン）</li> <li><strong>環境耐性</strong>: 温度-40〜+85℃</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>自動車</strong>: 自動運転車の周囲環境認識、障害物検出、地図作成</li> <li><strong>ロボット</strong>: 自律移動ロボットのナビゲーション、SLAM（自己位置推定と地図作成）</li> <li><strong>測量</strong>: 地形測量、建物やインフラの3Dモデリング</li> <li><strong>農業</strong>: 作物の成長監視、収穫ロボットの誘導</li> </ul> <h3>注意点</h3> <ul> <li>高精度・長距離モデルは高価（ソリッドステート型：数万円〜数十万円、機械式高精度型：数十万円〜数百万円）</li> <li>雨、霧、雪などの悪天候時はレーザー光が散乱し、測定精度が低下</li> <li>消費電力が大きく、バッテリー駆動機器では注意が必要</li> <li>レーザー安全基準（クラス1など）を遵守する必要がある</li> </ul> <h1>実装技術・ツール</h1> <h2>Sensorbox Android</h2> <ul> <li>スマートフォンに搭載されている各種センサ（加速度、ジャイロ、磁気、照度、近接など）の値をリアルタイムで確認できるアプリ。</li> <li>センサの動作原理や仕様を確認する際に便利。</li> <li>DeviceOrientation Event（W3C）などのWeb API仕様も参照可能で、Webアプリ開発にも応用できる。</li> </ul> <h2>micro:bit</h2> <ul> <li>小型マイコンボードで、加速度センサ、磁気センサ、温度センサ、光センサなど複数のセンサを内蔵。</li> <li>プログラミング教育やIoTプロトタイピングに広く利用されている。</li> <li>ブロックプログラミングやPythonなどで簡単にセンサ値を取得・活用できる。</li> </ul> <h2>姿勢推定機械学習モデル</h2> <ul> <li>PoseNetなどの機械学習モデルを用いることで、画像や映像から人体の関節位置や姿勢をリアルタイムで推定可能。</li> <li>スマートフォンやPCのカメラ映像を入力として、スポーツ解析、動作認識、インタラクティブアプリケーションなどに応用されている。</li> <li>TensorFlow.jsなどのライブラリを使えば、Webブラウザ上でも動作可能。</li> </ul> <h2>免責事項・注意事項</h2> <h3>免責事項</h3> <ul> <li>本資料に記載されている情報は、教育・学習目的で提供されています。</li> <li>実際の製品開発や実装においては、各センサメーカーの公式仕様書を必ずご確認ください。</li> <li>本資料の内容に基づく実装により生じた損害について、作成者は一切の責任を負いません。</li> </ul> <h3>技術的注意事項</h3> <ul> <li>センサの性能は環境条件（温度、湿度、電磁ノイズ等）により変動します。</li> <li>実際の実装では、各センサのキャリブレーションとテストが必須です。</li> <li>安全規格（CE、UL、FCC等）の遵守を忘れずに行ってください。</li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学３ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-6 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可