公開
合成データから人型ロボットの移動操作スキルを学習するVLKフレームワーク
・人型ロボットが視覚・言語命令・運動を統合して作業を実行する際、大規模な学習データが不足していた課題に対応。 ・3D再構成されたシーンで合成的に「ビジョン・言語・運動学」（VLK）の監督信号を生成するパイプラインを提案。 ・一人称視点の画像・自然言語命令・ロボット互換の運動軌跡を同期させた学習データを効率的に構築可能。 ・シミュレーション環境での大規模データ生成により、実機学習の前段階として活用できる基盤を確立。
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る173件
6 / 8ページ
- Source
- 公開Source
Nova 2 Lite と Claude を組み合わせた低コスト文書処理
・スキャン済み卒業年鑑など非構造化文書の自動デジタル化に、Amazon Nova 2 Lite と Anthropic Claude を組み合わせたソリューションを提示。 ・顔検出・座標指定（バウンディングボックス）と名前抽出の精度を維持しながら、コスト効率化を実現。 ・ページレイアウト情報を基に名前と顔の対応付けを自動判定し、手作業の削減を支援。
- 公開Source
ハードウェア設計の自動進化：エージェント型コード進化フレームワーク
・HORIZONフレームワークがハードウェア設計をリポジトリレベルのコード進化として扱う新しいアプローチを提示 ・Markdownベースの仕様書をドメイン知識・評価器・受理判定ロジックを含むプロジェクトパックへ自動コンパイル ・AIエージェントがgit操作を用いて設計を反復的に進化させ、状態管理・追跡・再現が可能 ・従来のEDA（電子設計自動化）ツールの枠を超えた、自律的ハードウェア設計の自動化を実現
- 公開Source
ビジョン言語モデルの知覚と知識の矛盾解決メカニズム
・ビジョン言語モデル（VLM）が視覚情報と学習済み知識の矛盾を解決する過程を、モデル内部の活性化レベルで分析した研究。 ・活性化パッチングと段階的なアブレーション実験により、矛盾発生時にVLMが視覚情報を優先する傾向（Vision-Default）と知識が優先される条件を明らかにした。 ・複数のVLMファミリーで検証され、マルチモーダルシステムの信頼性向上に向けた機械的な理解が進展。
- 公開Source
Amazon S3のPDFから対話的にテキスト抽出するシステム構築
・コンプライアンス監査や契約確認など、PDFから即座にテキストを取り出す必要がある業務向けのソリューション ・AWS環境でオンデマンド型のPDF抽出サーバを構築する具体的な実装方法を解説 ・スケジュール実行ではなく、必要な時点で即座にアクセス可能な仕組みを実現
- 公開Source
LLM による暗号化言語検出：間接的言語表現の機構別分類法
・ソーシャルメディアの検閲回避を目的とした間接的言語表現（ILE）の分類体系を提案。 ・アルゴスピーク、婉曲表現、敵対的難読化など複数の形態を統一的な機構で捉える研究。 ・LLM が言語の表面形ではなく根底にある符号化メカニズムを認識する仕組みを解明。 ・モデレーション回避手法の識別と、オンラインコミュニティの安全性向上に応用可能。
- 公開Source
ドイツ中央銀行の担保適格性審査：大規模言語モデルによる有価証券要件判定
・ドイツ中央銀行による担保適格性の確認は、長文・複雑な有価証券説明書から法令・財務要件を手作業で抽出する負担が大きい課題。 ・従来の固有表現認識（NER）では OCR 雑音や言語変異への対応が不十分で、柔軟性に欠ける。 ・大規模言語モデル（LLM）を活用することで、双言語・半構造化文書からの情報抽出精度の向上と業務効率化を実現。
- 公開Source
GUI自動操作エージェントの自律学習と経験活用による タスク計画精度向上
・Webサイト自動操作エージェントの課題である「複雑なタスク分解」と「サイト間の汎化」に対し、自律探索と過去経験の再利用により改善する PEEU 手法を提案。 ・オープンソースの小規模マルチモーダル言語モデル（MLLM）でも、高コスト商用モデルに近い性能を実現しながらプライバシーと コスト効率を両立可能。 ・実験段階だが、Webスクレイピングや RPA 処理の自動化に応用される見込み。
- 公開Source
異なる溶接プロセス間での溶け込み深さ予測を実現するドメイン適応アルゴリズム
・TIG溶接とレーザー溶接など異なる溶接方式間で、教師あり学習モデルの性能が低下する「ドメインシフト」問題に対応 ・ドメイン適応（UDA）フレームワークを用いて、ラベルなしデータで溶け込み深さ状態の自動判定精度を向上 ・異なる物理メカニズムを持つプロセス間でも、モデルの再学習コストを削減しながら予測性能を維持可能
- 公開Source
サンプル実演を用いた方針内自己蒸留は出力多様性を低下させる
・単一モデルを教師・生徒として機能させるオンポリシー自己蒸留は pass@1 精度を向上させるが、生成多様性が低下する傾向がある ・正解例を条件付けした教師からの密度の高いトークンレベルフィードバックが、累積バイアスを招き pass@k カーブを平坦化させる ・複数サンプル生成による精度向上が機能しなくなるため、実用性が限定される可能性がある ・自己蒸留の設計に潜む偏りが原因で、出力の多様性と精度のトレードオフが発生
- 公開Source
異なるロボット間で動作知識を共有する学習手法の提案
・Vision-Language-Action（VLA）モデルは視覚・言語情報は強力だが、ロボットの物理的動作学習が弱い課題を指摘。 ・動作に関する事前学習済み知識（アクションプライア）を明示的に組み込む新しいアプローチを提案。 ・異なるロボット体型間での動作知識の転用可能性を高める研究。
- 公開Source
ビジョン言語モデルのOCR推論ロバスト性を評価：視覚的摂動への耐性を測定
・ビジョン言語モデル（VLM）がOCRベンチマークで高性能を示す一方、視覚的な劣化（ノイズ・歪み）への耐性は未検証のままである。 ・画像の視覚的破損がOCRエラーや構造歪みを引き起こし、推論タスクの不確実性が増加するという課題を指摘。 ・OCR-Robustという新しいベンチマークを導入し、VLMのOCR推論ロバスト性を体系的に評価する研究。
- 公開Source
Amazon Nova 2 Sonicで医療予約自動化エージェントを構築
・米国のヘルスケアにおける無断キャンセル率は診療科目により5～30%で、年間150億ドルの収益機会損失が発生 ・Amazon Nova 2 Sonicを活用して医療予約管理を自動化するエージェント構築の実装方法を提示 ・手動での患者への連絡業務を削減し、予約確認と関連業務を効率化できる実装パターンを紹介
- 公開Source
ハンティントン銀行、AWSで4億件以上の文書から機密データを自動削除
・米大手銀行ハンティントンが、蓄積した4億件以上の文書から顧客の機密情報を自動削除するシステムをAWSで構築。 ・従来は数年かかる手作業を機械学習で効率化し、コンプライアンス対応の負担を大幅軽減。 ・大規模ドキュメント管理が必要な金融機関のデータガバナンス課題の実装例。
- 公開Source
ロボット企業アジリティ・ロボティクス、SPAC上場で25億ドル評価
・2015年にオレゴン州立大学から分離したヒューマノイドロボット企業アジリティ・ロボティクスが、SPAC（特別買収目的会社）を通じた上場を計画。企業評価額は25億ドル。 ・上場により同社は6億2,000万ドルの調達資金を見込んでいる。 ・ロボット業界の資金調達動向を示す事例であり、商用ロボット化への企業投資の加速を反映。
- 公開Source
InSight：ステアラブルVLAによる自律的スキル獲得フレームワーク
・Vision-Language-Action（VLA）モデルが基本動作レベルで操作可能になることで、訓練データにない新しいロボット操作スキルを自動獲得できる仕組みを提案 ・デモンストレーションを自動分割し、プリミティブアクション（「グリッパーをボウルに移動」など）の組み合わせでスキルを再構成 ・ロボット学習の汎用性向上と、現場での継続的スキル拡張の可能性を示す研究
- 公開Source
質の高い学習データ選別が科学論文要約の精度を向上させる
・科学論文の要約タスクで、著者作成の要約すべてが学習に適しているわけではないという問題を指摘。 ・データ品質の評価基準を導入し、学習に使うデータを選別する手法を提案。 ・バイオメディカル・ライフサイエンス分野の大規模長文要約データセットを構築・公開。 ・質の低いデータを除くことで、モデルの要約精度が向上することを実証。
- 公開Source
コード修復エージェント向け構造化診断定位フレームワーク SHERLOC
・LLM エージェントがコード修復タスク時に予算の約半分をバグ箇所の特定に費やす課題に対応 ・従来の定位フレームワークは単純なファイル検索に留まり、修復に必要な診断文脈を提供していない ・SHERLOC は仮説駆動型の推論と構造化探索を組み合わせた訓練不要のフレームワークを提案
- 公開Source
身体と手先の協調制御で動きながら器用な操作を実現するヒューマノイドロボット技術
・ヒューマノイドロボットが歩行中に高自由度の手で器用に物体を操作する技術「CoorDex」を開発。従来の「歩く→止まる→操作→歩く」の分断的動作から脱却。・高次元の身体と手先制御を潜在空間の残差制御に統合し、移動しながらの複雑な操作が可能に。・機械学習パイプラインで、複数の先行知識を活用して効率的な学習を実現。・産業用ロボット・自動化設備での応用が期待される基礎研究。
- 公開Source
小型ロボット向け省電力チップ、複雑環境でのナビゲーション実現
・MIT開発の新型チップにより、小型無人機がLED程度の電力消費で3D環境マップをリアルタイム生成可能 ・HVAC配管内のガス漏れ検査など、狭い工業施設での障害物回避ナビゲーションに応用 ・バッテリー制約の小型自律ロボットが衝突回避の経路計画を実行でき、産業点検業務の効率化へ
- 公開Source
言語モデルのパラメータ効率化：深さ方向の非均等配置手法
・現行の言語モデル（Transformer 等）は全層に均等にパラメータを配置するが、実際には層によって出力への寄与度が異なることが知られている。・後段の層は情報を大きく変換せず、中間表現を洗練する傾向にあることから、パラメータの非均等配置が有効である可能性を検証。・深さ方向でのパラメータ効率化により、モデルサイズ削減と計算コスト低減が期待できる。
- 公開Source
Amazon Bedrock AgentCoreにウェブ検索機能が追加、リアルタイム情報への対応が可能に
・Amazon Bedrock AgentCoreにウェブ検索機能が実装され、AIエージェントがリアルタイム情報にアクセス可能になった ・学習時点での固定知識という従来の制限を超え、最新のニュースや株価、リリース情報などへの回答対応が実現 ・エンタープライズ向けAIエージェント構築において、情報鮮度が重要な用途（営業支援、カスタマーサポート等）の実装が現実的に
- 公開Source
Google、「戻るボタン乗っ取り」をスパム認定へ新規約を発表
・Googleが検索スパムポリシーを拡大し、「戻るボタン乗っ取り」（ユーザーが戻るボタンを押した際の動作を改ざんする行為）を明示的な違反行為として認定。 ・該当するサイトはスパム扱いされスパム対策アクションの対象になる可能性がある。 ・ブラウザ戻る操作を悪用した誘導やリダイレクト行為が規制対象となる。
- 公開Source
AI エージェントとは何か：初心者向けガイド
・AI エージェントはチャットボットと異なり、目標を複数のステップに分解し、判断・ツール利用・実行を自動で行える ・人間による介入を最小限に抑えながら、一連のタスクを自律的に遂行する特性を持つ ・単なる質問応答ではなく、目標達成に向けた段階的なアクション実行が可能