「ロボットが目の前の壁にぶつかりそうになったとき、自分で判断してスッと避けてくれたらカッコいいのに……！」
「お掃除ロボットや自動運転車は、どうやって自分の進むべき道を考えているの？」
ライントレース（線に沿って走るロボット）をマスターした中高生エンジニアが次に挑むべき大きなステップ、それが「障害物回避（オースト・アボイダンス）を行う自律走行ロボット」です。
線路というガイドラインがない世界で、ロボットが周囲の状況をセンサーで読み取り、自分で「右に曲がろう」「バックしよう」と決定を下す仕組み。これをプログラミングの世界では「アルゴリズム（思考の順序）」と呼びます。
この記事では、完全初心者でも理解できるシンプルな回避アルゴリズムから、本格的なロボット工学の基礎となる「有限状態機械（FSM）」まで、自律走行ロボットの頭脳の作り方を徹底解説します！
1. 「自律走行ロボット」の頭脳はどうなっている？
ライントレースロボットが「見えている線に従うだけ」の受け身なロボットだとすれば、自律走行ロボットは「自分で状況を判断し、自ら行動を選択する」能動的なロボットです。
自律走行ロボットの内部では、常に次のループ（サイクル）が超高速で繰り返されています。
【自律走行の基本サイクル（センシング・プラニング・アクション）】
[1. センシング（見る）] 超音波センサーや赤外線で周囲の障害物をチェック
│
▼
[2. プラニング（考える）] 「このままだと衝突する！どう避けるべきか？」と判断
│
▼
[3. アクション（動く）] モーターを制御して、実際に右へ回避行動をとる
この「考える（プラニング）」部分を担当するのが、あなたが書くアルゴリズム（プログラムの論理構造）です。
2. 初級編：シンプルかつ強力な「バンプ＆リバース（壁ぶつかり・後退）アルゴリズム」
まずは最もシンプルで、プログラミング初心者でもすぐに実装できる定番の回避アルゴリズムから見ていきましょう。
ロボットの前に「接触バンパースイッチ」または「超音波センサー」を搭載します。
思考のロジック（ルールベース）
-
通常時： ひたすら前進する。
-
障害物検知時：
-
モーターを逆回転させて「後退（バック）」する。
-
一定時間バックしたら、右または左に「その場で旋回（方向転換）」する。
-
再び前進を再開する。
-
プログラムのイメージ（Arduino / C++）
void loop() {
int distance = getUltraSonicDistance(); // 超音波で距離を測定
if (distance > 20) {
// 前方に障害物がなければ前進
moveForward(150);
} else {
// 20cm以内に障害物があったら回避行動！
stopRobot();
delay(200);
moveBackward(150); // 1秒間バック
delay(1000);
turnRight(200); // 右に曲がって方向転換
delay(600);
}
}
🌟 メリットとデメリット
-
メリット：
if文だけで書けるため、非常に分かりやすく誰でもすぐに作れます。 -
デメリット： 行き止まりの部屋（コの字型の障害物など）に入り込んでしまうと、同じ場所で何度も衝突と後退を繰り返して身動きが取れなくなる「スタック（ハマり）」現象が起きやすくなります。
3. 中級編：確率とランダム性を組み合わせる「ランダムウォーク＋回避」
先ほどの「行き止まりでハマる」問題を解決するために、少しだけ「ランダム（偶然性）」の要素を取り入れたアルゴリズムです。
思考のロジック
障害物を避けるときに、毎回決まった方向（必ず右に曲がる）にするのではなく、「ランダムに右か左かを決める」ようにします。
import random
def avoid_obstacle():
stop_robot()
backward(1.0) # 後退
# 0か1をランダムに選ぶ
choice = random.randint(0, 1)
if choice == 0:
print("ランダム判定：左へ回避します")
turn_left(90)
else:
print("ランダム判定：右へ回避します")
turn_right(90)
このわずかな工夫によって、ロボットが狭い部屋や複雑な障害物の隙間でも、偶然の確率で脱出できるようになります。ロボット掃除機（初期のモデルなど）の多くにも、このランダムウォークをベースにしたアルゴリズムが採用されています。
4. 上級編：状態によって行動が変わる「有限状態機械（FSM：Finite State Machine）」
ロボットが「今、自分はどのような状態にあるのか」を意識しながら賢く振る舞うために、プロのエンジニアが好んで使う設計手法が「有限状態機械（FSM）」です。
ロボットの頭の中にいくつかの「モード（状態）」を持たせ、センサーの入力によってモードを切り替えていきます。
【FSM（状態機械）のモデル例】
┌──────────────┐
│ 通常走行モード │ ──(壁を検知)──► ┌──────────────┐
│ (FORWARD) │ │ 回避行動モード │
└──────────────┘ │ (AVOID) │
▲ └──────────────┘
│ │
└───────(障害物をクリア)────────┘
FSMのメリット
プログラムが巨大で複雑になっても、「今はどのモードにいて、次にどの条件でどのモードに移行すべきか」が整理整頓されるため、バグ（不具合）が発生しにくく、メンテナンスが非常に楽になります。
5. 超音波センサー1個で「壁に沿って走る（壁面追従）」アルゴリズム
障害物を避けるだけでなく、「障害物（壁）から一定の距離を保ちながら沿って走る（ウォール・フォロワー）」という、さらに高度な自律走行アルゴリズムもあります。
思考のロジック（P制御の応用）
ロボットの右斜め前方に超音波センサーを向け、壁との距離を常時測定します。
-
目標とする壁との距離：20cm
-
壁との距離が15cm（近すぎ）： 左へ少しハンドルを切って壁から離れる。
-
壁との距離が25cm（遠すぎ）： 右へ少しハンドルを切って壁に近づく。
この微調整を連続して行うことで、ロボットは迷路の壁に沿って自動的に出口までたどり着くことができるようになります。これが「迷路自動解決ロボット（マイクロマウス）」の基本原理です。
6. さらに未来へ！最先端の自律走行（AI・SLAM）の世界
ここまで紹介したアルゴリズムは、センサーの「今の数値」だけを見て即座に判断するシンプルなものでしたが、現代の高度なロボットや自動運転車はさらに進化しています。
-
SLAM（Simultaneous Localization and Mapping）：
ロボットがカメラやLiDAR（レーザーセンサー）を使いながら、「自分が今どこにいるか（自己位置推定）」と「周囲の地図を作る（環境地図作成）」を同時に行う超高度なアルゴリズム。
-
AI強化学習（Reinforcement Learning）：
シミュレーション空間の中でロボットを何百万回も壁にぶつけさせ、「上手に避けられたらプラスの得点、ぶつかったらマイナスの得点」という報酬を与えながら、ロボット自身に最適な回避行動を人工知能に学習させる最先端の手法。
中高生の段階では、まずは今回紹介した「if文による回避」や「ランダムウォーク」「壁面追従」を自分の手でプログラミングし、思い通りにロボットが動く感動を味わうことが最高の第一歩となります。
7. まとめ：自分で考えるロボットを作ろう！
今回のまとめです。
-
自律走行ロボットは「センシング（見る）⇒ プラニング（考える）⇒ アクション（動く）」の繰り返し！
-
最初は「バンプ＆リバース（壁に当たったらバックして曲がる）」のシンプルルールから始めよう！
-
ランダム性を取り入れたり、「FSM（状態機械）」を使うことで、複雑な状況からも脱出できる！
-
距離を保って走る「壁面追従」をマスターすれば、迷路もクリアできるようになる！
目の前の障害物をセンサーで察知し、自分でクルッと方向を変えて避けていくロボットの姿を見ていると、まるで小さな生き物やペットを飼っているような愛着が湧いてきます。
ぜひ、あなたのロボットにオリジナルの回避アルゴリズムを書き込んで、部屋の中を探検させてみてください！
