Technologyテクノロジー
技術トピックス
ロボットは複合技術です。さまざまな技術を組み合わせて、1つのロボットが構成されます。ここでは、さまざまなロボットへ応用できる技術 ― 当社（FSR）の技術や、手の内化した最先端技術 ― をご紹介いたします。
「昨日そこにあった物、いまどこ?」に答えて、取りに行く ― 時空間セマンティックマップ「STREAM4D」
空間の3Dマップに“時間軸”を持たせる ― 360°カメラとLiDARで環境を巡回するだけで、物体単位の3Dマップに時刻情報が積み重なった「4Dセマンティックマップ」が蓄積されます。「昨日テーブルにあったボトル、いまどこ?」「先週から動いた家具は?」といった“いつ”を含む問いに自然言語で答え、そのまま対象へロボットを走らせるところまでを扱う、当社の研究テーマ STREAM4D を紹介します。
AIの「あいまいな認識」を確率にして、安全に考えて動かす ― 確率論理エンジン「Symbolica」
LLMやVLMの認識は本質的に“あいまい”です。その出力をそのまま行動につなげると、危険で、しかも「なぜそう動いたか」を説明できません。Symbolica は、あいまいな認識を《確率つきの事実》として受け取り、固定した論理ルールでゴール判定・行動選択・安全条件を決めて実行する、当社オリジナルの基盤です。“認識はモデルに、判断は固定ルールに”役割を分け、考えてから動き、危険なら即座に止まる ― ロボットのような物理AIエージェントを安全に動かすための土台を紹介します。
映像の“意味”を、いまリアルタイムに理解する ― ストリーミング時系列理解エンジン「KAIROS」
動画を“あとでまとめて要約する”のではなく、流れてくる映像を逐次的に理解し、『いつ・何が・どの順で起きたか』を準リアルタイムに読み取る ― 当社のストリーミング時系列理解エンジン「KAIROS」を紹介します。世界標準のオンライン動画ベンチマーク OVO-Bench（CVPR2025・3カテゴリ12タスク・約3,000問）で総合66.7%、リアルタイム知覚は応答中央値0.32秒。単一GPU・学習追加なしで動きます。『十分な証拠が揃うまで待って、答えるべき瞬間を自分で判断する』という設計は、そのままロボットなど物理AIエージェントに効きます。
実モーションキャプチャで3Dアバターを踊らせる ―「関節角度」でロボットともつながるデジタルツイン
プロが踊った“動きのデータ”（モーションキャプチャ）を、Webブラウザ上の3Dアバターにそのまま踊らせるスタジオを作りました。動きもアバターも既存の転用素材（Mixamoのmocap／VRM・GVRMのサンプルモデル）で、当社が独自に作ったのは“システム”― FBX解析からリターゲット、制御、ポリゴンとガウシアン2方式の描画までを1つに束ねる部分です。そして最大のポイントは、この『関節角度の時系列で身体を動かす』枠組みが、そのままロボットの制御・デジタルツインと地続きだということ。人間アバターとロボットを貫く共通言語を、身近なアバターダンスの題材で示します。
人工意識に「危険を見抜く目」を与える ― 危険シーン約7,000件のデータセットを自作して鍛えた結果
どれだけ賢く考えられても、目が危険を見落とせばロボットは正しく動けません。そこで当社は、人工意識 AC の『目』にあたる画像認識AI（VLM）を、危険察知に特化させて鍛え直しました。教材は既製品ではなく、災害・防犯・交通・動物・天候など8分野の危険場面 約7,000件を自分たちで構築。結果、小さいモデル(0.8B)は危険シーン40枚中の合格が18→30枚へ大幅に改善し、中モデル(4B)も34→38枚（悪化ゼロ）に。特に災害分野は0→4枚と、教材を強化した分野がそのまま伸びました。
3Dシーンを組んで、そのままロボットのシミュレータへ ― 統合3Dツール「3dbuilder」
基本形状を置いて形を作り、520点超の同梱カタログから家具・小物を並べ、質感をつける ― 3D初心者でも直感的に扱える当社の統合3Dツール「3dbuilder」を紹介します。LiDARスキャンの点群や OpenStreetMap の街並みを取り込んで“実際の現場”を再現でき、組んだシーンは三大シミュレータ（Isaac Sim・Gazebo・MuJoCo）へワンクリックで書き出せ、逆に3つのシーンデータを読み込むこともできる（テクスチャ込み）ため、シーンデータコンバータとしても使えます。産業工程やロボット作業環境の再現、さらには強化学習の学習環境づくりまでを、1つのアプリで完結。Python製・オフライン動作。
ブロックを繋ぐだけで Python が動く ― 画像処理・AI・ロボットを1画面で組む「BlockPy」
ブロック（ノード）を線で繋ぐと、そのまま Python 処理として実行される ― 当社のビジュアル・フロー・プログラミング環境「BlockPy」を紹介します。中身は本物の Python（OpenCV・PyTorch・ROS2 をそのまま利用）で、96 ツールボックス・1682 ブロックを内蔵。ArUco マーカーの生成 → 検出 → 表示を 6 ブロックで組み、▷実行を押すだけで結果がライブ表示されます。ブラウザ・デスクトップ・AI エージェント（MCP）の3つの入口から同じフローを動かせ、MATLAB Simulink との比較も交えて解説します。
マーカーなしで複数人の全身を3D化する ― モーションキャプチャ研究 MAMMA を調査・再現
スーツもマーカーも着けず、複数のカメラで撮った映像だけから、複数人が接触しながら動く様子を『手の指先まで』3Dで復元する ― CVPR 2026 Oral の論文 MAMMA を、当社の論文調査・手の内化の一環として読み解き、実際に動かして再現しました。多視点の読み込みから人物セグメンテーションまでの前半パイプラインを再現し、公式の学習済みモデルが取得制のため、DINOv3 と SAM 3D Body を用いて姿勢の3D復元まで実証しています。人の動きを、そのままロボットの教師データにできないか ― という観点でも注目している技術です。
ことばで指定するだけでモノを掴む ― RealMan × Forcesteed Robotics のAIピッキングシステム
「bottle を取って」――対象をことばで指定するだけで、ロボットが自分で見つけて3次元的に掴む。従来のように物体ごとのテンプレート登録や照明ごとの再調整は不要です。協働ロボットアーム RealMan RM-65 と、当社のオープン語彙認識・動作計画ソフトウェアを組み合わせた統合ピッキングソリューションを紹介します。
写真1枚から人の全身を3Dに ― Meta の「SAM 3D Body」を調査・再現
たった1枚の画像から、人の全身（体・手・足）の3Dメッシュを高精度に復元する ― Meta が公開したオープンソースモデル『SAM 3D Body』を、当社の論文調査・手の内化の一環として読み解き、実際に動かして再現しました。倒れ込み・遮蔽・空中で逆さといった難しいポーズでも、コンシューマGPU 1枚で全身の姿勢を復元できることを確認。人の動きを、そのままロボットの教師データにできないか ― という観点でも注目している技術です。
実世界で“同じ点”を追い続ける ― ポイント追跡 Track-On-R を調査・再現
動画の中の“同じ1点”を、遮蔽や高速な動きをまたいで最後まで追い続ける「ポイント追跡」。合成データで学習したモデルは実世界で精度が落ちますが、CVPR 2026 の Track-On-R は「複数の教師モデルの予測を、フレームごとに見極める Verifier」で未ラベルの実世界動画に適応し、4つのベンチマークで最高精度を達成しました。当社の論文調査・技術の手の内化の一環として本手法を読み解き、DINOv3 バックボーンで実際に動かして再現したので紹介します。
散らかった公園で、ロボットは何をすべきか自分で考える ― 人工意識 AC
カメラがとらえた1枚の画像から、「今どういう状況か」を理解し、「何が危険か」を見つけ、「次に何をすべきか」を計画し、「なぜそうするか」を説明し、「完了条件」まで自分で定義する ― 当社の人工意識 AC。散らかった公園を巡回するサービスロボットを例に、状況認識から行動判断までを完全ローカル（クラウド不要）でこなす様子を紹介します。
画像とことばから「ゴール達成度」を測る ― 動的価値関数（Dynamic Value Function）
カメラ画像と、ことばで書いたゴール（例:「カップを注ぎ口の下に置いて」）だけを入力に、「今どれだけ達成できているか」を 0〜1 のスコアで測る仕組みです。達成度に加えて『何が足りないか』『次に何をすべきか』も同時に出力し、プロンプトが変われば価値関数そのものが即座に組み替わります。ゴール画像なし・ことばだけで、実機ロボットの家事デモの進捗を高精度に追えることを確認しました。
四足歩行ロボットがバク宙する ― 強化学習でつかむダイナミック全身制御
四足歩行ロボット Unitree Go2 に、強化学習で「歩く・登る」から「宙返り（バク宙）」までを習得させたデモ映像をまとめました。安定した移動能力を土台に、踏切から空中での回転、そして着地までを一連で制御する全身ダイナミック動作 ― 360°バックフリップを、シミュレーション上で64回中64回成功させるまでの記録です。
音声ひとつで巡回・点検・帳票まで ― 自律型サービスロボット「GUARDIAN」
GUARDIAN は、施設内の巡回・点検・案内を人手に頼らず自律で遂行するサービスロボットプラットフォームです。「知覚・制御・認知・対話」の4層を統合し、音声指示ひとつで 巡回→撮影→AI一次判定→記録→帳票→定位置帰還 までをエンドツーエンドで自律遂行します。LLMや音声合成を含め、すべてオンプレGPUで完結（クラウド不要）。
好奇心をもったAI ― 珍しいデータを自ら集めてくる「Curiosity Engine」
AIの認識精度を上げるには、めったに現れない『ロングテール』のデータが欠かせません。Curiosity Engine は、AI自身が“好奇心”で珍しいデータを見つけ、理由付きで自動収集する仕組みです。当社の認識AI基盤 System4 の新規性判定を土台に、発見から出荷までを人手ゼロで回します。実データ（Caltech-256）での検証結果とともに紹介します。
アームを直接動かして教える ― LEIVOR ダイレクトティーチング
ロボットのアームを手で直接動かして動きを教える「ダイレクトティーチング」のデモです。教えた姿勢を LEIVOR に登録し、そのまま実機で再生できます。プログラミング不要で、現場の人がロボットに動きを覚えさせられます。
組んだタスクを、そのまま実機へ ― LEIVOR ピッキングデモ
LEIVOR 上でノードをつないで設計した picking タスクを、そのままデュアルアームロボットの実機で実行するデモです。教示（ティーチング）で作った動作と、模倣学習で作った動作を、ひとつのタスクに組み合わせられます。
ルールベース制御から模倣学習（VLA-AI）へ、シームレスに切り替える ― LEIVOR
決められた手順どおりに動く「ルールベース制御」から、お手本から学んだ「模倣学習による VLA-AI 制御」へ。性質の異なる2つの制御方式を、同じ LEIVOR 上でシームレスに切り替えて実機で実行するデモです。
コンシューマGPUで最新の動画生成AIを動かす ― オープンソース統合エンジン Wan2GP
最新の動画生成AIは数十GBのVRAMを前提とし、手元のGPUでは動かせないことも少なくありません。『Wan2GP』は最小6GBのVRAMから動かせるオープンソースの統合エンジンです。Wan / Hunyuan / LTX / Flux / Qwen を単一のUIに束ね、省メモリ・高速化・高度な制御を標準搭載しています。本ツールで実際に生成した動画・画像とともに紹介します。
濁った水中映像を色補正・鮮明化する ― 水中映像強調システム
青緑にかぶって霞んだ水中映像の色とディテールを回復し、見やすく整える『水中映像強調システム』のデモです。色補正・安定化・鮮明化・ノイズ除去を一連で行い、画像も動画もまとめて処理します。
カメラ映像だけで数秒先の経路を予測 ― ARIA 屋外デモ
カメラ映像だけを入力に、数秒先の移動経路を予測する ARIA の屋外デモ映像です。高価なセンサーに頼らず、カメラ1つで『先読み』するナビゲーション技術をご覧いただけます。
ノードベースでヒューマノイドと画像処理を統合 ― LEIVOR デモ
ヒューマノイドの制御と画像処理を、ノードをつなぐビジュアルな仕組みで統合する LEIVOR のデモ映像です。認識から動作までを一つのフローで組み立てられる開発スタイルをご紹介します。
動画から3Dモデルをつくる — スマホ動画1本で点群・メッシュ・写実3Dを生成
対象物のまわりを一周撮影した動画1本から、点群・3Dメッシュ・写実モデルまでを自動生成する技術『video2model』を、初心者向けにやさしく解説します。HunyuanWorld-Mirror と 2D Gaussian Splatting を組み合わせた処理の流れを、実際の作例とともにご紹介します。
Unitree Go2 四足歩行ロボット 強化学習デモ成功事例集
四足歩行ロボット Unitree Go2 に強化学習で習得させた歩容・動作のデモ映像をまとめました。多様な地形・姿勢でのロバストな運動制御の成果をご覧いただけます。
該当する記事がありません。
当社の技術的な強み・体系については、こちらをご覧ください。
人工意識ACの技術体系 →