森田 豪博士（農学） Dr. Tsuyoshi Morita

農業ロボットの遠隔監視・遠隔操作の研究を主軸に，遅延のあるシステムにおける車両制御や，画像処理による安全システムの開発に携わってきました。なかでも遠隔操作は，最も主体的に取り組んできた研究です。通信遅延が遠隔運転者の操作にどう影響するかを論じ，作業者が現場にいない農業の形を模索してきました。 近年は，遠隔操作を人による意思決定の介入や一時的な困難の解消手法にとどまらず，熟練者の判断を高水準に含んだ教師データとして捉えなおした模倣学習への応用に興味があります。短期的には，こうした技術は人の知能の継承やルールベースでは不可能だった農作業の自動化につながる，実践的な手法になると考えています。 しかしこの関心は，より深い問いにつながると確信しています。農業という環境は，人間の身体と判断を中心に形成されてきた歴史を持ちます。農機や農業環境は，人間にとってのアフォーダンスとして設計されてきたものです。ロボットはその環境に後から入ってくる存在であり，人間には自然でも，ロボットには難しいことの多くは，この人間中心のアフォーダンスとロボットの能力や身体との摩擦として説明できるのではないかと考えています。 現在の農業ロボット研究の多くは，個別の作物や作業環境に対して経験的に積み上げられてきたものです。このようにして得られた知見を別の文脈に転用したり，難しさの本質を問い直す枠組みは十分に整備されていないと考えています。模倣学習への興味は，この摩擦のうち知能の部分を攻略できる可能性への期待でもあります。そしてこうしたアフォーダンスの摩擦を体系的に問うことが，長期的に見て農業ロボットの研究を体系的に議論する枠組みになると信じています。

My research has centered on remote monitoring and teleoperation for agricultural robots, with a particular focus on vehicle control under communication delay and the development of vision-based safety systems. Among these topics, teleoperation has been the area to which I have been most actively committed. I have investigated how communication delay affects the behavior of remote operators and have explored forms of agriculture in which workers do not need to be physically present in the field. More recently, my interest has expanded from viewing teleoperation merely as a means of human intervention or temporary assistance in difficult situations to regarding it as a source of high-quality demonstration data that contains the decision-making processes of skilled operators. In the short term, I believe that such data can provide a practical basis for imitation learning, enabling the inheritance of human expertise and the automation of agricultural tasks that have been difficult to describe using rule-based approaches. At the same time, I believe this interest leads to a deeper research question. Agricultural environments have historically been shaped around the human body and human judgment. Agricultural machinery and field environments have been designed, implicitly or explicitly, as affordances for humans. Robots enter these environments only afterward. Many tasks that are natural for humans but difficult for robots may be understood as friction between human-centered affordances and the physical and cognitive capabilities of robots. Much of current agricultural robotics research has been built empirically around specific crops, machines, and working environments. However, there are still limited frameworks for transferring insights across contexts or for reconsidering the essential sources of difficulty in agricultural automation. My interest in imitation learning is therefore also an interest in overcoming this friction in intelligence. In the long term, I believe that systematically examining the friction between agricultural affordances and robotic capabilities can provide a foundation for understanding agricultural robotics as a more coherent research field.