本論文では、坑内での自動運転を実現するための重要な技術である軌道検出に関する新しいアルゴリズムを提案しています。従来の畳み込みニューラルネットワーク（CNN）では、物体の詳細な特徴の描写が不足し、視覚的な後処理技術に依存しすぎるため、効果的な検出が困難でした。そこで、本研究では多スケール条件生成敵ネットワーク（CGAN）に基づく軌道検出アルゴリズムを開発しました。生成ネットワークの構造をグローバルおよびローカルに分解し、識別ネットワークには多スケール共有畳み込み構造を採用して、生成器のトレーニングをさらに監視しています。最終的には、モンテカルロ探索技術を導入し、生成器の中間状態を確認し、識別器と比較することで、精度を高めています。実験では、ピクセル精度82.43%および平均IOU0.6218を達成し、坑内道路シーンでの軌道検出精度は95.01%に到達しました。