4 分で読了
0 views

協調モデリングで農業ロボを設計する道具――Crescendoによる共モデリングと共シミュレーション

(Collaborative model based design of automated and robotic agricultural vehicles in the Crescendo Tool)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近うちの若手が「Crescendoってツールで農業ロボを作るのが良い」って騒いでまして、正直よく分からないんです。要するに現場で役に立つんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、簡単に整理できますよ。Crescendoは現場の物理(車体、センサー)と制御ソフトを別々の専門家が同時に設計して、あとで合わせられるようにするツールです。これによって開発時間と手戻りを減らせるんですよ。

田中専務

それは担当を分けても最後にちゃんと動くという話ですか。現場の機械屋とソフト屋が喧嘩しないで済む、と考えれば良いですか。

AIメンター拓海

まさにその通りですよ。要点を3つにすると、1) 機械と制御を専門ツールで別々に設計できる、2) その結果を合わせて動作検証(共シミュレーション)ができる、3) 使い回しできるテンプレートがある、です。現場での手戻りを減らし、設計者間の伝達コストを下げられるんです。

田中専務

投資対効果で言うと、どの工程が一番得になるんですか。現場導入のスピード、それとも設計の人件費削減ですか。

AIメンター拓海

良い質問です。これも3点で考えると分かりやすいです。短期では設計の手戻り削減、つまりミスでの再設計コストが下がる。中期では共通テンプレートを使った新規車両の投入が早くなる。長期ではノウハウが資産化され、外注先とのコミュニケーションコストが下がりますよ。

田中専務

技術の壁はどうですか。ツール同士をつなぐのが難しそうですし、うちの現場では古い制御装置も多いです。

AIメンター拓海

ここも整理できます。1) 標準化されたインターフェース(例:Functional Mock-up Interface(FMI:機能的モックアップインターフェース))が仲介役になる、2) 既存の装置はモデルで代替して最初に検証できる、3) 小さく始めて学習コストを分散する、です。古い装置はまず“モデル化”して接続検証するのが現実的ですよ。

田中専務

これって要するに、現物を何度も作り直す「試作の無駄」をシミュレーションで減らす、ということですか。

AIメンター拓海

その通りですよ。要するに試作の回数と時間を減らし、設計者間の擦り合わせをソフトで先にやるということです。そして実機投入の前に「共シミュレーション(co-simulation:協調シミュレーション)」で動作確認することで、不確実性を下げられます。

田中専務

分かりました。まずは小さな車両一台でテンプレを作って、それを元に外注と一緒に回してみます。要するにそういう進め方で良いのですね。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。最初は小さな勝ちを積み重ねて、テンプレを作り、次に展開する。そうすれば現場も安心して変革に乗れますよ。

田中専務

ありがとうございます。では私の言葉で整理します。Crescendoを使えば、機械と制御を別々に設計して同時に検証できるから、試作の手戻りと調整コストが減り、導入のスピードが上がる、という理解で間違いないですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
ランダム射影による非パラメトリック検定の計算的限界
(Nonparametric Testing under Random Projection)
次の記事
敵対的に学習された公平で転移可能な表現
(Learning Adversarially Fair and Transferable Representations)
関連記事
観測誘導ファイバーバンドル上の制約付きハミルトン系
(Constrained Hamiltonian Systems on Observation-Induced Fiber Bundles)
ψ
(3686) → φηη′ 崩壊における軸ベクトル状態の観測(Observation of an axial-vector state in the study of ψ(3686) →φηη′ decay)
長距離系列モデリングのための効率的スパース・トランスフォーマ
(Efficient Sparse Transformer for Long-Range Sequence Modeling)
ステップ周波数GPRと機械学習で進化する土壌分析
(Soil analysis with machine-learning-based processing of stepped-frequency GPR field measurements: Preliminary study)
スパースなマルコフ領域と独立領域への高次元共分散分解
(High-Dimensional Covariance Decomposition into Sparse Markov and Independence Domains)
滑らかなMDPにおける後悔ゼロ強化学習
(No‑Regret Reinforcement Learning in Smooth MDPs)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む