フィジカルAI、次の一歩へのライトニングトーク

2026/07/31、【RobotMateHub MeetUP】にて弊社社員がLT（ライトニングトーク）を発表いたしましたので、こちらに掲載いたします。

Transcript

1. フィジカルAI、次の一歩へのライトニングトーク 2026.07.31 ／ 丸尾 恭四郎（燈株式会社）
2. 自己紹介 自己紹介 名前 丸尾 恭四郎 所属 燈株式会社 執行役員 DX Solution 事業本部 VPoE 経歴 • • • • 東京大学情報理工学系研究科 修士卒業 2020~ エムスリー株式会社 AI・機械学習チーム 2022~ 燈株式会社ジョイン 2026~ 執行役員就任
3. 事業紹介 最先端テクノロジーを産業特化で提供することで、業界ごとの奥深い課題まで解決 産業特化DXで深い課題解決 対象領域の伸⻑ フェーズ2(現在) 業界特化の最先端テクノロジー 業界の業務や⽂化に特化した最先端技術を社内で独⾃に開発しており、 他社技術では解決できない業界固有の課題を解決可能 フェーズ1 設備 例：建設業の専⾨知識や⽂脈を学習したLLM 建設業 深い業界専⾨知識 専⾨知識の不⾜によって他社では難しい課題抽出‧ソリューション提案‧ インフラ 建築 住宅 ⼟⽊ ソリューション開発が可能。 例：設計図⾯を読めるエンジニア, 建設業会計を理解したカスタマーサクセス 家具 蓄積される信頼と実績 ものづくり 産業 ⾷品 卸売‧⼩売 情報通 航空 信業 業 タメ ン エ ⾃動⾞ ⾦融保険業 不動産業 特定企業とのプロジェクト事例や導⼊実績が全て、対象業界に おける信頼と実績に変わる。 は弊社内でリーディングカンパニーとの取引実績がある業界(⼀部抜粋) Ⓒ Akari Inc. l Confidential
4. 技術紹介 燈の保有する100種類以上の多様なAIモジュール：現場の生データからPhysical AIへ Sim-to-Real 独⾃シミュレーション基盤 ロボット統合制御 ロボットAI学習 独⾃シミュレーション基盤による データ収集と実機ロボットへの反映 最適配置計画 物理解析 ⽣成AI 図⾯‧仕様書解析 点群処理 三次元再構成 シミュレーション最適化 デジタルツイン上での シミュレーション‧最適化‧⽣成 現場データ認識 建設現場‧製造現場の⽣データを 解析‧モデル化 現 場 情 報 か ら 物 理 知 能 へ の 昇 華
5. 技術紹介 Sim2Realを用いたドメインランダマイゼーションでロバストなAIを構築 Ⓒ Akari Inc. l Confidential デジタルツイン上でAI学習データをシミュレート PBR描画 深度画像 Sim2Realによって、より頑健なAIを構築可能 シミュレーション データ 法線画像 セグメンテーション ※燈作成 大量のシミュレーションデータでAI・ロボットを学習させると現 実データのみで学習させるよりも頑健な結果になることが知られ ている 物理世界 物理的にあり得ない としても予測できる と、いわんや実際の 画像でも予測可能 例）カメラが故障 しても動く 人が収集 するデータ AI・ロボットは 学習してない状況で 正しい結果を出せない 例）脱走した牛の事例
6. 技術紹介 実機でのロボット行動学習はコストが高いため、デジタル空間上のシミュレーションで ロボットの行動学習を行い、実機へ転用 シミュレーション上で学習(1000体ほどを同時に動かせる) 動作を学習 実機へ転用
7. 技術紹介 建設現場を中心とする実現場のデータを活用して学習した独自の汎用歩行モデルを開発 強化学習ベースの歩行制御 大規模シミュレーション基盤・自社GPUクラスタで、 多様な地形・動作を横断的に学習 ▶ 実現場での追加学習 実現場の計測データで追加学習 ▶ 燈独自の現場歩行基盤モデル 一般化された“歩行知能”の土台、 実建設現場でのチューニング実績を内包
8. 技術紹介 ネジのpick&placeなどの細かい作業も、デジタル空間上のシミュレーションでロボット の行動学習を行い、ヒューマノイドや双腕ロボットなどの実機へ転用して実現 シミュレーションで動作学習 実機での動作確認