この記事の要点: 株式会社アトラックラボは、AI点検ロボット向け制御プラットフォーム「AT-SYNAPSE」のオプションとして、現場で収集した点検画像を用いてAIモデルを最適化する「AT-SYNAPSE 追加学習サービス」の提供を開始しました。サビや腐食、機器特有の不具合などを追加学習させることで、現場の環境に合わせた点検精度の向上を図ります。データ整理からロボットへの実装、動作確認までを一貫してサポートするサービスです。
発表内容のポイント
- 現場固有の不具合に対応する、画像整理から実装・動作確認までの一貫サービス
- NVIDIA DGX Sparkを活用し、外部クラウドを介さないローカル環境で学習・推論を実行
- プラントや工場設備、配管、高所など、人による点検が困難な場所の自動化を支援
発表の背景
工場の巡回点検や設備保全において、AIを用いた画像認識の導入が進んでいます。しかし、サビや腐食などの異常は、設備の材質や照明、撮影条件によって見え方が異なり、汎用的なAIモデルだけでは十分な検知精度を得られない課題がありました。また、製造現場やプラントの設備画像は機密性が高く、外部のクラウド環境へデータを送信することに抵抗があるケースも多く、ローカル環境での安全なデータ処理が求められていました。
何が発表されたのか
本サービスは、同社のロボット制御プラットフォーム「AT-SYNAPSE」を導入しているAI点検ロボットを対象としています。現場で発生するサビ、腐食、亀裂、ボルト脱落、異物堆積など、機器の構造や使用環境に起因する固有の不具合を追加学習させます。学習データの整理やアノテーション、モデルの追加学習・評価、ロボットへの実装、現場での動作確認までを同社が対応します。NVIDIA DGX Sparkを活用することで、データの外部送信を防ぎ、セキュリティを担保した運用が可能です。
製造業・生産管理への見方
製造業やプラントの生産管理・設備保全において、点検作業の自動化と省力化はDXの重要テーマです。本サービスは、UGV（無人地上車両）やドローン、レールドローンなどの各種無人機と連携し、人が立ち入りにくい高所や通信環境が不安定な施設での自動巡回点検を可能にします。現場の実データを用いて継続的にAIを賢くしていく仕組みにより、誤検知や見落としを減らし、設備の経年変化を正確に記録・管理する体制の構築に寄与します。
現場で確認したいポイント
- 自社の点検対象（サビ、部品脱落など）において、追加学習に必要な画像数がどの程度か
- 導入を検討している巡回ルートや設備環境で、UGVやドローンが安定して走行・撮影できるか
- 既存の設備保全システムや点検記録フローと、本システムをどのように連携させるか
確認しておきたい点
対象物や撮影環境、求められる判定精度によって、使用するAIモデルや学習方法、必要となる画像数は異なります。また、提供価格は点検対象や画像数、ロボットの構成に応じた個別見積もりとなります。
関連リンク
- 発表企業サイト：株式会社アトラックラボの公式ウェブサイトです。
- 発表企業のPR TIMESページ
出典情報
| 出典 | PR TIMES |
|---|---|
| 発表企業 | 株式会社アトラックラボ |
| 発表日時 | 2026-08-17 19:42:16 |
| 元記事 | PR TIMESで読む |
