自律進化型AIで製造現場への適応コスト削減へ。デジタルツイン総合研究所が研究開発を加速

発表内容のポイント

• AI自身が不足情報を検出し、ロボットやドローン等にデータ取得を指示する仕組み
• 現場ごとのデータ収集やチューニングにかかる「最後の1マイル」のコストを削減
• 2次元環境での初期検証を開始し、今後は3次元環境や実機連携への拡張を計画

発表の背景

ロボットや自律システムが現実世界で動く「フィジカルAI」への注目が高まる一方、実際の製造現場や物流倉庫などへの導入には大きな課題があります。現場ごとに設備配置、照明、作業手順、障害物などの環境が異なり、常に変化するためです。従来は、専門人材が大量のデータを取得し、環境構築やチューニングを行う必要がありました。この現場適応にかかる膨大なコストと手間が、フィジカルAIの社会実装を阻む最大のボトルネックとなっています。

何が発表されたのか

同社が研究開発を進める技術体系は、能動取得の閉ループ「ASAL（Active Site Acquisition Loop）」と呼ばれます。この技術では、視覚言語モデル（VLM）が現場の設備や作業文脈を理解した上で、AI自身が環境理解の不足や不確実性を検出します。そして、不足情報を埋めるために必要な観測地点や対象を自律的に決定し、ロボットやドローン、あるいは人間に対してデータ取得の指示を出します。得られた情報をもとにデジタルツインを継続的に更新することで、未知の環境や変化し続ける現場への適応を可能にします。

製造業・生産管理への見方

製造業の生産現場において、工場のレイアウト変更や設備の更新は頻繁に発生します。その都度、ロボットや搬送システムの再設定、データの再取得、チューニングを行うことは、現場にとって大きな運用負荷となっていました。本技術が実用化されれば、レイアウト変更時にもロボットが自律的に再測定と環境理解を行い、最新の運用環境へ自動で適応することが期待できます。PoC（概念実証）で終わらせず、生産ラインの変更に柔軟に追従し、現場で長期的に稼働し続けるシステム基盤としての役割が期待されます。

現場で確認したいポイント

• 自律的に不足データを取得するループ処理が、実際の製造現場の通信環境で安定稼働するか
• レイアウト変更や設備更新の際、再設定にかかる時間や人手コストがどの程度削減されるか
• 既存の生産管理システムや、現場で稼働している他社製ロボット・センサーとの連携性

確認しておきたい点

本技術は現在、2次元環境上においてロボットが未観測領域を特定し、次の観測地点を選定するサイクルを試作した初期開発の段階です。実際の製造現場で使われる3次元環境への拡張や、実ロボット・ドローンとの連携、実証実験は今後の計画となっており、実用化までのスケジュールや具体的な動作要件は現時点で未確定です。

関連リンク

• デジタルツイン総合研究所 公式サイト：発表企業の公式ウェブサイトです。
• デジタルツイン総合研究所 PR TIMES：発表企業のプレスリリース一覧ページです。

出典情報