—·
全てのコンテンツはAIによって生成されており、誤りが含まれる可能性があります。ご自身でご確認ください。
階段や段差への対応により、ラストワンマイル配送は「実演」の段階から「システムと運用」の実務課題へと移行しました。本稿では、そのアーキテクチャ、指標、法的責任のトレードオフを分析します。
平坦な歩道でのロボット走行を大規模に実証することさえ、すでに容易なことではありません。そこに階段や縁石、アパートへの立ち入りといった要素が加われば、課題は単なる「認識技術」の枠を超えます。それは、制御された動き、故障への対処、そして運用面で正当化できる「安全性の証拠」を提示できるかどうかの試練となります。ロボットが実際に稼働するのは、狭い入り口や凹凸のある路面、変化する照明、そして玄関先で刻々と変わる人間の行動など、予測不可能な環境だからです。
この変化の背景にある規制の方向性は明確です。「自動運転システム（ADS）」の概念は、単にシステムが周囲をどう「見ているか」だけでなく、システムがどのように管理され、その妥当性がどう証明されるかという点に重点が移りつつあります（NHTSA ADS ページ、NHTSA 自動運転システム 2.0 自主的ガイダンス、NHTSA 安全基準の現代化に関するプレスリリース）。
玄関先までの配送自動化（doorstep delivery automation）における直接的な運用上の意味は単純です。「階段を克服した」ことは、決してゴールの状態ではありません。重要なのは、保険会社がルートごとに算出する保険料に影響を与えるような事故歴を作らずに、そのモビリティ・スタックが「平地からスロープ」「縁石から歩道」「段差から踊り場」といった遷移をスムーズに移動できるかどうかです。米国国家道路交通安全局（NHTSA）のアプローチは示唆に富んでいます。なぜなら、ADSの性能を、エッジケース（例外的な状況）における挙動を制御するオペレーティングシステムと不可分なものとして扱っているからです。これには、テスト設計、安全性評価、および結果の伝達方法に関するガイダンスが含まれています（自動運転システム 2.0 自主的ガイダンス）。
また、階段昇降はワークフローにおけるリスクの集中箇所を変化させます。ロボット、配送車、玄関先の間での「受け渡し」が、最大のプレッシャーポイントとなります。すなわち、ロボットが待機・検査場所を離れる瞬間、移動操作を試みる瞬間、そして配送を完了して回収へと戻る瞬間です。玄関先までの配送自動化は、単にロボットだけの問題ではありません。挙動を測定可能かつ反復可能にし、安全に停止できるようにする「ワークフロー」そのものが重要なのです。
要点： 玄関先や多層階へのアクセスを目的としたラストワンマイル配送ロボットを選択・運用する場合、階段移動をワークフローにおける「リスク増幅因子」として捉えてください。単一の移動技術の達成ではなく、安全性の証拠、インシデントの優先順位付け、そして再学習の頻度（ケイデンス）を中心にプログラムを構築する必要があります。
階段や不安定な地形は、ドライブトレインや制御ループに負荷をかけますが、より大きなリスクはそれらを取り巻くソフトウェア・アーキテクチャにあります。配送ロボットには、段差の遷移を計画・実行する「移動の自律性」に加え、実行状況を監視し、継続・減速・あるいは支援要請の判断を下す「監視レイヤー」が必要です。ロボティクス・プログラムにおいて、制御された環境で「登れる」ロボットと、数千回の配送を一貫した成果で完遂できるロボットを分けるのは、多くの場合、この監視ロジックです。
NHTSAのADSガイダンスは車両向けですが、アーキテクチャに関する教訓は転用可能です。安全性評価では、エッジケースやそれに対するシステムの反応を含め、予見可能な運用条件下での「システム全体の挙動」を考慮すべきです。ADS 2.0ガイダンスでは、安全性の自己評価の構造と、システムの挙動（システムができること、制限事項、安全性へのアプローチ）の伝達について記述されています（自動運転システム 2.0 自主的ガイダンス）。また、「車車間通信（V2V）」を広範な自動化エコシステムの一部として位置づけています。これは、ラストワンマイル・ロボットが孤立して動作するわけではないため、非常に重要です。たとえロボットがコネクテッドカーのように接続されていなくても、運用パターンは同じです。テレメトリ（遠隔測定）と制御チャネルは、初日からシステムに組み込まれていなければなりません（車車間通信）。
玄関先配送プラットフォームにおいて、アーキテクチャは通常、(1) 自己位置推定と認識、(2) 経路計画と制御、(3) 安全監視と遠隔支援の3つに分類されます。遠隔支援は単なる「ヒューマン・イン・ザ・ループ」という概念ではなく、不確実性に対処するための手段です。NHTSAのADSフレームワークと安全ガイダンスは、システムがタスクを安全に完了できない場合の通信方法や対処法を含め、自動運転のガバナンスを繰り返し強調しています（自動運転システム ページ、自動運転システム 2.0 自主的ガイダンス）。
コストもこのアーキテクチャに依存します。階段昇降能力が頻繁な遠隔支援に依存している場合、その運用コストは「自律型製品」ではなく「支援型サービス」のそれとなります。計算資源（コンピューティング）やセンサーは、費用のほんの一部に過ぎません。残りは、オペレーターの時間を消費するエスカレーションの発生率や、保険やコンプライアンスのために文書化が必要となるインシデント管理のオーバーヘッドです。
要点： 階段移動を安全監視およびエスカレーションルールと関連付けた文書化を要求してください。ロボットがどのように停止を判断し、支援を要請し、その理由をログに記録するのかを説明できないのであれば、小規模なパイロット運用を超えて玄関先配送を拡大させることは不可能です。
玄関先までの配送自動化は、一つのワークフロー・システムです。ロボットから配送車へと至る配送ワークフロー（robot-to-van delivery workflow）は、ロボットの安全で予測可能な動作が期待される「待機場所」と、環境の制御が困難な「配送先」との間に、新たな「システムの境界線」を生み出します。この境界線こそが、運用の準備状況と失敗率を測定すべき場所です。
地上配送ロボティクスに焦点を当てる場合でも、NHTSAのエコシステム論理から得られる2つのデータポイントは直接的な関連性があります。それは、「ADSへの期待には運用の文脈と自動機能の管理が含まれること」、そして「通信とデータ共有は自動化エコシステムの一部であること」です。NHTSAの車車間通信に関するページではコネクテッドカーについて説明されていますが、そこでは通信を単なるブランド機能ではなく、より安全な運用を支える能力として明確に位置づけています（車車間通信）。この考え方をラストワンマイル・ロボットに置き換えれば、テレメトリ、ルートのメタデータ、イベントログが、運用および安全部門との「通信」レイヤーとなります。
実務的には、ロボット・配送車・玄関先のワークフローには、測定可能な4つのチェックポイントが存在します。
出発前の準備状況（Pre-departure readiness）
バッテリー、アクチュエータの健全性、最新のソフトウェアバージョン、センサーチェックなどを「準備完了パス」としてブーリアン（真偽値）形式でまとめます（例：IMUキャリブレーション完了、モーター電流値が許容範囲内、故障フラグなし、認識品質が閾値以上など）。このパス率をファームウェアのビルド別、日付別、拠点別に追跡します。
移動の実行品質（Mobility execution quality）
階段での操作が期待通りに行われたか、あるいはより安全な挙動へとダウングレード（制限）されたかを測定します。移動は「試行」「ダウングレード」「停止」「支援要請」「中止」といったサブイベントとして記録されるべきです。「試行」は自動的に成功を意味するのではなく、後に事故率を算出するための分母となります。認識レベルの失敗（例：段差を認識できない）と、実行レベルの失敗（例：スリップや傾斜の検知、接地喪失、コントローラーの飽和）を区別して管理します。
玄関先での完了（Doorstep completion）
成功の定義を、配送の瞬間だけでなく「事後条件」として定義します。例えば、「荷物の配置完了 ＋ ロボットの安定 ＋ 出口を塞いでいない ＋ X分後の回収成功」といった具合です。このアプローチにより、「配送はされたが、階段で不安定な状態になっていた」という問題を見逃すことを防ぎます。
ルート終了後の復旧と優先順位付け（Post-route recovery and triage）
インシデントのレビュー、部品検査のトリガー、再学習のトリガーを把握します。イベントの深刻度とアクションを紐付ける決定樹（ディシジョンツリー）を構築してください。例えば、「軽微な停止」は再学習なし、「移動中の支援要請」はログレビュー、「同一の地形形状での繰り返されるダウングレード」は学習データの拡張、「ハードウェアの異常」はコンポーネント検査と廃棄検討、といった具合です。
見せかけの指標（demo metrics）を避けるために、どのような事象をインシデントと見なすかを事前に決定してください。ここでもNHTSAのガイダンスが有効です。安全性評価は構造化され、伝達可能であるべきであり、プログラムに対して安全に関わる重大な事象や性能低下の明確な定義を求めています（自動運転システム 2.0 自主的ガイダンス）。
コスト面もワークフローに依存します。ロボットが確信を持てない限り階段を避けるようにすれば、事故リスクは下がりますが、迂回や手動介入が増えるため、1件あたりの配送時間は長くなります。逆に、積極的に階段に挑めば配送時間は短縮できるかもしれませんが、事故率と保険料が上昇する可能性があります。いずれにせよ、ワークフローの指標は、速度、安全性、そして手戻り作業の間の現実的な運用のトレードオフを反映したものであるべきです。
要点： 運用指標は、マーケティング上の「配送完了」という目標ではなく、ワークフローの各チェックポイントで定義してください。完了した配送数だけを測定していると、コストや法的責任が拡大するかどうかを決定づける先行指標を見逃すことになります。
ラストワンマイルの安全性と法的責任（liability）は、後付けの要素ではありません。それらは安全性の論拠（セーフティケース）、運用管理、そしてエッジケースにおけるシステムの挙動の証拠から構築されるものです。NHTSAによる自動運転車両の安全基準現代化の取り組みは、規制当局が今後、より監査可能で体系的な安全フレームワークを求めていることを示唆しています（安全基準の現代化に関するプレスリリース）。
実務者にとって、保険の引き受けは極めて重要な問題です。保険業者は、インシデントの履歴、深刻度、および運用上の安全策を精査します。居住者がドアを開ける、テナントが入居時に家具を移動させる、子供が階段の近くにいるなど、制御不能な人間との接触がある環境でロボットが動作する場合、インシデントのリスクは、プログラムがどのようにエスカレーションと境界を管理しているかによって形作られます。NHTSAのADSガイダンスは、安全性評価の構造化と制限事項の明確化のためのモデルを提供しており、これはまさに保険や法務チームが新しい自律機能のリスクを引き受ける際に必要とするものです（自動運転システム 2.0 自主的ガイダンス）。
ミネソタ州の個人配送デバイス（PDD）プログラムは、公共機関がラストワンマイル・ロボットの安全性と運用の制約をどのように考えているかを示しています。ミネソタ州運輸局が発行したPDDに関するホワイトペーパーでは、公道や玄関先の現実を、単なるエンジニアリングの課題ではなく、設計と政策の問題として扱っています（MN DOT 個人配送デバイス ホワイトペーパー）。PDDは階段昇降よりも広範な概念ですが、その枠組みは、規制当局や管理者が、実際の導入シナリオに沿った安全計画と運用の詳細を提示することをオペレーターに求めていることを裏付けています（MN DOT 個人配送デバイス ホワイトペーパー）。
さらに、法執行機関や緊急対応機関の期待も無視できません。警察署長国際協会（IACP）は、ADSを搭載した車両を規制するためのガイドラインを発行しています。これはADS全般を対象としていますが、運用の関連性は明らかです。インシデントログ、システムが何をしていたかを説明する能力、そして安全手順は、自社の運用センターの外でインシデントがどのように処理されるかに影響を与えます（IACP ADS車両規制ガイドライン）。玄関先配送では、インシデントが道路インフラよりもバイスタンダー（通行人や近隣住民）を巻き込む可能性が高いため、これはさらに重要になります。
要点： 安全性と法的責任を、測定可能な「システム」として扱ってください。運用の制約、エスカレーションのロジック、イベントログを含むセーフティケースを構築し、規制当局や公共安全のステークホルダーが期待するADSの挙動記録方法と整合させてください。
階段や縁石におけるエッジケースは、一度限りのバグではありません。それらは継続的な学習ループとなります。運用上の誤りは、失敗がPR上の問題になったり、顧客の苦情が閾値に達したりしてから初めて再学習を行うことです。より安全な戦略は、ヒヤリハット（near-misses）、性能低下のトリガー、および繰り返される「ダウングレード」イベント（ロボットが段差越えを試みたものの、より安全な計画に後退した場合など）に基づいて再学習を行うことです。
「階段昇降を伴うラストワンマイル配送」に関する直接的な公開データは限られています。そのため、再学習の頻度に関する決定は、ラストワンマイル配送ロボットや自動化システムに関する公開された研究や運用調査に根ざし、それを階段の実装に適用するという手法をとります。ミネソタ大学が主催したウェビナー（FiGLIOZzI）では、自動配送の文脈における配送と運用の考慮事項に焦点を当て、設計と運用が実際の導入成果にどのように影響するかを示しています（ミネソタ大学ウェビナー）。
イベントのトリガーは、移動状態を「何が、どの程度の頻度で、どのような地形形状（モフォロジー）で起きたか」という分母と結びつけるべきです。例えば：
段差のクリアランスの変動
繰り返される実行ダウングレードが、特定の地形形状クラス（例：踊り場の奥行きが閾値以下、段差の高さが特定の範囲内、手すりの有無など）に関連付けられた場合にトリガーします。例えば「特定の地形形状での『試行→ダウングレード』率が、N回の試行のうち基準をX%上回った場合、移動の再学習セットにデータを追加し、重点的な検証を行う」といったルールを設定します。
車輪のスリップ頻度またはコントローラーの飽和
平地走行時ではなく、特に「段差の遷移中」にスリップや飽和モードが発生した場合にトリガーします。スリップモードの発生時間をサイトの基準値と比較し、環境の変化（濡れ、破片）のシグナルとして扱い、認識と制御のマッピングを再学習させるか、ダウングレードの閾値を更新します。
玄関先の障害物インシデント（一時的な障害物）
アプローチ経路で予期せぬ障害物を繰り返し検知し、「停止して待機」または「中止」で対応した場合、条件が安定した後も同様の挙動が続くならトリガーします。障害物による中止が特定のルートタグ（建物の種類や入り口の形状）と相関がある場合、ナビゲーションポリシーを再学習させるか、その建物タイプに対するアクセスプロトコルを調整します。
移動結果に紐付く遠隔支援率の急増
一般的な配送の例外（署名や回収など）ではなく、特に移動の実行中にエスカレーションが増加した場合にトリガーします。移動試行中の「支援要請」が全体の例外率よりも速く増加している場合は、ワークフローの変更よりも移動スタックの改善を優先します。
重要なのは「運用のトレーサビリティ（追跡可能性）」です。再学習の頻度は、個別の失敗談ではなく、トレーサビリティのある移動クラス別のイベント発生率に基づいて決定されるべきです。各再学習サイクルには仮説（例：「照明や反射条件Xの下では段差の高さ推定にバイアスがかかるため、この地形形状でダウングレードが発生する」）と検証計画を含める必要があります。
これは即座にコストに影響します。再学習の各サイクルは、エンジニアリングと検証の時間を消費します。検証に漏れがあれば、安全上のリスクが生じます。だからこそ、指標にはすべての移動クラス（階段、縁石、アパート内部、エレベーター付近など）ごとのインシデント率と1件あたりの配送時間を含める必要があるのです。
航空分野のコンプライアンスの例を挙げると、FAA（連邦航空局）のリモートIDに関する資料は、無人航空機の識別とコンプライアンスに対する構造化されたアプローチを示しています。これは地上ロボティクスにも転用可能なガバナンスのパターンです。識別、トレーサビリティ、および文書化された運用ルールは、規模を拡大する際の不確実性を軽減します（FAA リモートID、FAA リモートID スタートガイド）。階段昇降において、「識別」とはイベントログと運用のトレーサビリティを指します。
要点： 再学習の頻度を、イベントの種類と移動クラスの関数として定義してください。これらは分母のある発生率、タグ付けされた地形形状、および検証済みの復旧結果として測定されるべきです。目に見えるインシデントが起きるまで待つと、安全性の露呈と、不規則な失敗を追いかけるエンジニアリングコストという、二重の代償を払うことになります。
玄関先までの配送自動化が人間のドライバーを代替、あるいは削減する際、労働そのものが消えてなくなるわけではありません。その形態が変化するのです。ロボットは、オペレーターによる監視、ルート管理、インシデントの優先順位付けを必要とする、新しいタイプの「資産型労働」となります。
労働への影響は、ワークフローやKPIと直接結びつける必要があります。ロボットが人間による直接の受け渡しを減らす一方で、運用センター（オペレーションセンター）は以下の3つの業務を吸収することになります。すなわち、ルート監視と遠隔支援（リモート運用パターン）、配送例外処理（移動の制約やアクセス問題で配送が完了できないケース）、そして安全維持とメンテナンスサイクル（部品検査、ソフトウェア更新、事後レビュー）です。
NHTSAの安全エコシステムに関するガイダンスは、このシフトに対するガバナンスの考え方を提供しています。ADSガイダンスは、自動化システムがどのように評価され、伝達されるかを強調しており、これは運用能力にオペレーターの役割やエスカレーションルールが含まれることを示唆しています（自動運転システム 2.0 自主的ガイダンス）。人員計画は、配送1,000件あたりにスタッフが必要となる頻度、優先順位付けにかかる時間、エスカレーションのうち再学習のトリガーとなる割合など、測定可能なタスクに基づいて構築されるべきです。
法的責任も人員配置に影響を与えます。ロボットの階段昇降能力が高いリスクを伴う場合、保険会社や法務チームからの監視が厳しくなることが予想されます。これにより、遠隔で介入したり手動支援を派遣したりするスタッフに対して、より高度なトレーニングと正式な手順が求められるようになります。労働コストは単なる「配送完了数」だけでなく、「防止されたインシデント数」や「安全な復旧までにかかった時間」によっても左右されるでしょう。
要点： 人員配置を単なる「頭数の削減」ではなく、安全・運用機能として計画してください。労働に関するKPIには、遠隔支援率、優先順位付けの時間、および例外処理にかかる配送1件あたりの時間を含めるべきです。
階段に特化した公開事例は限られていますが、文書化された実世界のいくつかのパターンは、移動の制約、安全手順、ガバナンスを含む配送自動化の実装と運用に直接応用できます。
NHTSAのADS 2.0自主的ガイダンスを採用するプログラムは、構造化された安全自己評価と、システムの制限事項および評価方法の伝達へと移行しています。このガイダンスは、実務者が安全計画を構築するための現行のリファレンスとして機能します。（出典：NHTSA 自動運転システム 2.0 自主的ガイダンス）
階段配送の運用においては、再学習の頻度やインシデントの定義が、安全自己評価のセクション（システムができること、制限、安全性へのアプローチ）と明示的に紐付いている必要があります。そうでなければ、インシデント率が変化した際の改善策を正当化できません。
公共機関の枠組みは、配送デバイスの実際の導入コンテキストを反映した安全計画と運用の詳細を提示するようオペレーターを促しています。（出典：MN DOT 個人配送デバイス ホワイトペーパー）
階段配送における重要な教訓は、運用の制約を「設計へのインプット」として扱うべきだという点です。これは、規模を拡大する前に、建物のアクセス基準、ダウングレードのロジック、および人員によるエスカレーション手順を運用計画に組み込むことを意味します。
法執行機関や公共安全のステークホルダーは、ADSによるインシデントを規制または対応するためのフレームワークを受け取っています。これにより、オペレーターはイベントログやエスカレーション手順をより厳密に準備する必要があります。（出典：IACP ADS車両規制ガイドライン 第4版）
階段配送の運用において、インシデント発生時のデータパケット（何が起きたか、ロボットは何を試みたか、次に何をしたか、システムは何を記録したか）は、特に通行人が関与し、移動操作がトリガーとなった場合に、信頼性の高い事後処理を行うための必須条件となります。
Nuroは、自動配送の運用における安全慣行とアプローチを強調した安全ページを公開しています。（出典：Nuro 安全性概要、Nuro 配送安全アプローチ）
階段配送では、移動リスクをどのように特定、レビュー、軽減しているかを、一回限りの設計上の主張ではなく、継続的な運用プロセスとして明確にする必要があります。そうでなければ、現場の条件が変化するにつれてKPIに矛盾が生じることになります。
要点： これらのケースを実装上の制約として扱ってください。あらゆる試験運用から階段昇降のKPIが公開されているわけではありませんが、規制当局やステークホルダーの期待は一つの運用要件に集約されています。それは、「監査可能な安全ガバナンスとインシデント・ワークフロー」がなければ、規模の拡大は停滞するということです。
デモンストレーションは、理想的な条件下でロボットができることを示します。運用は、その仕事を大規模かつ安全に反復できるかを示します。階段昇降を伴うラストワンマイル配送において、指標は前述した移動操作とワークフローの境界に対応している必要があります。
運用上重要な指標は以下の通りです。 ・階段での配送成功率（成功を「配送完了 ＋ 操作後の安全な状態」と定義し、平地での成功率とは別に追跡する） ・移動クラス別の1件あたり配送時間（階段、縁石、アパートのアクセスルートを分離し、コスト要因が平均値に埋もれないようにする） ・試行1,000回あたりのインシデント率（軽微な安全停止やヒヤリハットを構造化されたイベントとして含め、移動クラスとルートタイプでタグ付けする） ・再学習サイクルのトリガー（移動に関連する性能低下により、どの程度の頻度でデプロイメントが変更され、修正がどの程度の速さで現場に届くか） ・遠隔支援率（移動の不確実性に対処するために支援が必要な場合、それは直接的なコストと人員配置の指標となる）
これらの指標を、ADS安全ガイダンスが求める「構造化された評価とシステム挙動の伝達」と整合させることができます。ADS 2.0ガイダンスは、説明とレビューが可能な安全性評価を推進しており、これは曖昧な「信頼性の向上」といった主張ではなく、規律ある指標の定義を後押しします（自動運転システム 2.0 自主的ガイダンス）。
さらに、コンプライアンスとトレーサビリティがいかに運用プログラムとなるかを裏付ける例が2つあります。1つは、FAAのリモートID最終規則です。これは詳細なコンプライアンス要件を伴う具体的な規制として公開されており、トレーサビリティが「善意」ではなく「規則」を通じて運用化されることを強調しています（FAA リモートID 最終規則 PDF）。もう1つは、FAAのリモートIDスタートガイドで、リモートIDを無人航空機の運用準備要件として位置づけています（FAA リモートID スタートガイド）。階段昇降における関連性はガバナンスにあります。他分野で規模の拡大に規制との整合が必要とされるなら、ラストワンマイル・ロボティクスも同様に、ログ、識別、監査可能な安全プロセスを通じたトレーサビリティの期待に直面する可能性が高いでしょう。
要点： 階段昇降ロボットのKPIダッシュボードは「移動クラス」を認識したものである必要があります。その視点がなければ、最大のコスト要因や法的責任のリスクが改善しているのか、あるいは密かに悪化しているのかを判断することはできません。
階段昇降を伴うラストワンマイル配送がスケールするのは、安全ガバナンスが運用ルーチンとして定着した時だけです。最短の道は「完全自律」という見出しを追いかけることではありません。監査可能なセーフティケースと、低いオーバーヘッドでエッジケースに対応できる運用システムを構築することです。
NHTSA ADS 2.0自主的ガイダンスに準拠した、文書化された安全自己評価を要求してください。それを一回限りの文書ではなく、生きた運用プロセスとして実装してください。インシデントの定義、再学習のトリガー、エスカレーションルールに責任を持つ「安全リード」を任命してください。遠隔支援のワークフローを、内部監査、保険会社、および公共のステークホルダーによるレビューが可能な形で記録することを義務付けてください。この提言は、NHTSAのADS安全性評価および伝達に関する構造（自動運転システム 2.0 自主的ガイダンス）に基づき、インシデントへの備えと構造化された処理を前提とする公共安全志向のガイドライン（IACP ガイドライン）によって支えられています。
今後12〜18ヶ月間は、移動クラス別のKPI（階段配送成功率、クラス別配送時間、クラス別インシデント率、遠隔支援率）を算出できるパイロット運用においてのみ、階段対応ロボットを導入してください。これらのKPIを用いて、階段対応エリアを拡大するか、あるいはアクセス基準を厳格化するかを判断します。最初の運用の四半期サイクル終了後、イベント頻度が高い上位2つの移動クラスの失敗モードをターゲットにした再学習を優先し、ソフトウェアアップデートを「検証ゲート」を伴う運用リリースとして扱ってください。このタイムラインは、規制当局やステークホルダーがADSの安全準備状況を判断するために用いる、構造化された評価、改善ループ、および監査可能な証拠という運用の論理と一致しています（NHTSA ADS ページ、安全基準の現代化に関するプレスリリース）。
RIVRの階段昇降がマネージャーに突きつける教訓は明快です。階段は、ラストワンマイル・ロボティクスを「運用の信頼性プログラム」へと変貌させます。そこでは、安全性の証明が測定指標そのものに組み込まれています。まず測定の仕組みを構築し、それから能力を構築してください。