人間の視線模倣AIでロボット自律航行が高速化

ノルウェー科学技術大学（NTNU）の研究チームは、人間が視覚情報を処理する際の「視線移動パターン（スキャンパス）」を模倣する軽量型AIモデル「GazeLNN」を開発し、論文として公開した。ドローンへの実機搭載実験でも有効性が確認されており、自律ロボット制御の実用化を大幅に加速させる可能性がある。

従来の視線予測モデルは高精度である一方、推論に要する計算量が多く、処理能力の限られたエッジデバイスへの搭載が困難であった。GazeLNNは「液体ニューラルネットワーク（Liquid Neural Network）」を再帰エンジンとして採用し、軽量画像認識モデルの「MobileNetV3」と組み合わせることで、わずか0.61GFLOPsという極めて低い計算コストを実現した。これは既存の同種モデルと比較して計算量を99.4%削減し、推論速度を最大6倍に高速化するものである。精度指標においても、MIT低解像度データセットでScanMatchスコア0.47を記録し、既存の再帰型ベースラインモデルを複数の評価指標で上回った。

同モデルは強化学習によって訓練されたカメラ搭載ロボットの制御ポリシーに統合され、自律航行中に人間の視線パターンを参照しながら能動的に注目領域を判断する「視線誘導型知覚」を実現する。実際の空中ロボット（ドローン）を用いた屋外環境での実証実験でも安定した動作が確認されており、研究段階から実装段階への移行が現実的となっている。

ビジネスへの影響は複数の産業分野に及ぶ。物流業界では、倉庫内の自律搬送ロボット（AMR）や荷物仕分けシステムに応用することで、障害物検知の精度向上と誤検知率の低減が期待できる。KPIとして設定される「搬送エラー率」や「稼働停止時間」の改善に直結するため、オペレーション部門にとって投資対効果が測定しやすい技術といえる。

建設・インフラ点検分野では、ドローンを用いた橋梁や送電線の自動点検業務への導入が有力視される。現状は熟練オペレーターが目視で行う点検作業をロボットが代替する際、人間の視線パターンを学習した知覚モデルが「見落とし」を防ぐ役割を担う。点検コストの削減と点検精度の標準化という二つのKPI改善が同時に見込める。

警備・セキュリティ分野においても応用範囲は広い。施設内を巡回する自律警備ロボットが、人間の警備員が自然に注目するであろう領域を優先的に監視することで、異常検知の見逃し件数削減に寄与する。人件費の抑制と警備品質の均一化を同時に追求する施設管理部門にとって、導入を検討する価値がある。

計算コストが極めて低いという特性は、クラウドへの通信依存を減らすエッジAI戦略とも親和性が高い。通信インフラの整備が不十分な環境や、レイテンシが許容されないリアルタイム制御の用途においても、オンデバイスでの処理が可能となる。製造業の生産ライン監視や農業用ドローンなど、クラウド接続が前提とならない現場での展開可能性も広がる。

課題としては、学習データが人間の視線パターンに依存するため、人間が経験したことのない環境や物体に対する汎化性能の検証が引き続き必要である。また、視線誘導型の知覚が必ずしも最適な機械的判断と一致するとは限らないという根本的な問いも残る。研究チームは今後、より多様な環境での実証実験を重ねるとしており、商用製品への技術移転に向けた産学連携の動向が注目される。