AI×製造
量子回路、課題の周波数構造を学習に組み込む
独自の「スペクトルクエリ」を量子回路に与えると、少ないデータでも学習が進むことを研究チームが示した。波形データの判定業務で、取得条件を設計に生かす発想として注目される。
AI×製造
291 件
AI×製造
ロボットの目標認識を明示化、探索成功率が向上
VLM由来のナビゲーション方針は、探索はできても目標を見落とす点が主な失敗原因と判明した。目標位置を明示的に捉える手法が6つの試験で最高水準となり、現場ロボットの実用性を左右する知見である。
AI×製造
Dense4D、人の動きを画素単位で追跡する
単眼のRGB画像から、服や髪を含む人体表面の同一点を3次元で追う新モデルDense4Dが登場した。体型テンプレートなしで高い追跡精度を示し、映像制作や動作評価の工程を変える可能性がある。
AI×製造
時系列AI、二つの視点を併用し精度向上
線グラフと遅延埋め込みの二種類の画像を併用する時系列推論モデルが、TSRBenchの精度を44.5%から53.2%へ高めた。センサーや売上の推移を言葉で読み解くAIの設計指針を示す成果である。
AI×製造
ロボ、人の遊びから器用さを自習する
米研究チームは、人間の数分の「遊び」を手本にロボットが接触データを自力で集め、器用な手作業を学ぶ枠組みDSPを発表した。強化学習と同等の成功率を490分の1のデータで達成した。
AI×製造
3D制作をコード化するAI基盤が登場
3DCodeVerseは、編集と検証が可能な3Dコンテンツをコーディングエージェントが大量生成する基盤である。200万件規模のデータと自動検証の仕組みを備え、3D制作の内製化を後押しする可能性がある。
AI×製造
視点依存を分離する3D世界モデルが登場
カメラ位置に左右されない「場面の状態」を学習し、将来の3D空間を予測する世界モデルGeoStateが提案された。自動運転の走行データ活用や空間予測の精度向上に直結する成果である。
AI×製造
1枚の画像から見た目忠実な3D素材を生成
中国の研究チームが、1枚の画像から3Dモデルの質感を高い忠実度で再現する技術SUPRA-Texを発表した。見える部分を固定の手掛かりとし、見えない面だけを補完する設計が特徴である。
AI×製造
AIが空間認識を強化、幾何を位置情報で注入
視覚言語モデルに3D幾何を「位置」として注入するDK-VLMが、空間推論の6ベンチマークで平均最高を記録した。視点移動を伴う判断の精度向上は、施設管理や物流の現場に直結する。
AI×製造
3D生成物の正誤を説明付きで検証するAI基盤
研究チームは、生成した3Dが依頼どおりかをAIが多視点で検証し、不合格の理由も説明するベンチマークとデータ工程を公開した。検証を生成に組み込むと、全要件の達成率が大きく上がることも示した。
AI×製造
ロボ学習、環境生成と方策が共進化
シミュレーション環境の生成とロボット方策を共に進化させる枠組みCoDAが登場した。方策の失敗を診断して訓練環境を作り、未知条件での成功率を5.3%から27.6%に高めた。
AI×製造
知覚・予測・計画を一つの世界モデルが統合
P3-WAMは手の3D動作の復元、行動に応じた映像予測、目標に向けた計画を単一モデルで担う。一括学習で3機能とも単独学習を上回り、現場動画の活用や作業自動化への道を広げる。
AI×製造
ロボットが少ない試行で環境の癖を学ぶ
スタンフォード大などの研究チームは、摩擦や質量など見えない環境条件を、現場での試行から推定するロボット世界モデルT2-Zを開発した。物体予測誤差は半減し、行動成功率は約2倍となった。
AI×製造
画像生成AI、拡散の動きで高速化
韓国の研究チームが、画像生成AIの計算を間引く際に「どこを残すか」を生成過程の動きから判断する手法DaTMeを提案した。再学習なしで背景や細部の崩れを抑え、高速化と品質の両立を狙う。
AI×製造
動画生成AI、1回の処理で4D空間を把握
動画生成AIを、映像から奥行きやカメラ動作、物体の動きを一度に読み取る「4D知覚器」へ転用する枠組みGen4Pが登場した。専用の知覚モデルを別途育てずに済む可能性を示す。
AI×製造
空間理解AI、外部3D機能なしで3.6倍高速化
GeoThinker-Fは、空間理解AIが外部の3D解析器に頼らず、自らの内部情報から形状や次の場面を予測する手法である。推論遅延を1.45秒から0.40秒に縮め、現場実装の壁を下げる。
AI×製造
VITALが映像の動きから精密な運転操作を導く
映像の動きを骨格、残った誤差を残差として行動を表現する手法VITALが登場した。1段階の推論でも高い走行性能を保ち、速度は3.29倍になる。実時間制御の現場に効く成果である。
AI×製造
人の助言わずかで移動ロボ、30分で現場適応
移動しながら物をつかむロボットを、人の介入を学習の2割未満に抑え、約30分の実機学習で改善する枠組みHiRe-MoMaが登場した。現場調整の工数削減につながる。
AI×製造
人型ロボの制御網を拡散モデルで生成
米カリフォルニア大バークレー校の研究チームが、人型ロボットの制御ネットワークを重みの空間で直接生成する手法を示した。実機で歩行や踊りが動作し、制御ソフトの量産や調達の考え方を変える可能性がある。
AI×製造
ロボットAI、デモの質を学習時に明示し精度向上
ロボット用AIの事前学習で、人間デモの品質をタグとして与える条件付けが単純な模倣より成功率を高めると判明した。質の不揃いなデータを捨てずに活用する道筋を示す成果である。
