2 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
歯科用大規模CBCTデータセットと歯体体積分割のベンチマーク
(CTooth+: A Large-scale Dental Cone Beam Computed Tomography Dataset and Benchmark for Tooth Volume Segmentation)
深層学習の学習時間予測を変えるPreNeT
(PreNeT: Leveraging Computational Features to Predict Deep Neural Network Training Time)
EdgeConvFormerによる多変量時系列の異常検知
(EdgeConvFormer: Dynamic Graph CNN and Transformer based Anomaly Detection in Multivariate Time Series)
音声感情認識のためのベクトル量子化マスクドオートエンコーダ
(A Vector Quantized Masked Autoencoder for Speech Emotion Recognition)
軌跡予測における運転スタイルの定量化とモデリング
(Quantifying and Modeling Driving Styles in Trajectory Forecasting)
分散ナッシュ均衡探索の収束理論と加速手法
(Geometric Convergence of Gradient Play Algorithms for Distributed Nash Equilibrium Seeking)
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