Kudanの視点-Kudan CTOが読み解く人工知能と人工知覚の結びつき-を公開

2024 年 4 月 23 日
Ｋｕｄａｎ株式会社


Kudan の視点〜Kudan CTO が読み解く
人工知能と人工知覚の結びつき〜を公開


高度な人工知覚（AP）技術で世界をリードするＫｕｄａｎ株式会社（本社：東京都渋谷区、
代表取締役 CEO：項 大雨、以下 Kudan）は、この度、『Kudan の視点〜Kudan CTO が読み解
く人工知能と人工知覚の結びつき〜』と題した記事を別紙にて公開しましたのでお知らせいた
します。

この記事では、Kudan の事業環境や将来予測、その中における経営戦略などの解説を行って
まいりますが、今回は、世界中で注目が高まっている半導体産業において、パートナーと
Kudan が取り組む人工知覚と人工知能の融合など、今後の展望について解説しています。




【Ｋｕｄａｎ株式会社について】
Kudan は、人工知覚（AP）のアルゴリズムを専門とする Deep Tech（ディープテック）の研
究開発企業です。人工知覚（AP）は、人工知能（AI）と相互補完する技術として、機械を自律
的に機能する方向に進化させるものです。現在、Kudan は高度な技術イノベーションによって
幅広い産業にインパクトを与える Deep Tech に特化した独自のマイルストーンモデルに基づい
た事業展開を推進しています。

詳細な情報は、Kudan のウェブサイト（https://www.kudan.io/jp/）をご参照ください。

■ 会社概要
会社名 ： Ｋｕｄａｎ株式会社
証券コード ： 4425（東証グロース）
代表者 ： 代表取締役 CEO 項 大雨

■ お問い合わせ先はこちら
Kudan の視点〜Kudan CTO が読み解く人工知能と
人工知覚の結びつき〜

Written by Anthony Glynn, Kudan CTO


ロボット工学とエッジ・コンピューティングに関する NVIDIA の
視点

先月、Kudan はサンノゼで開催された NVIDIA の GPU Technology Conference (GTC)と
Jetson Partner Day に参加しました。ジェネレーティブ AI や広範なロボティクス分野の最新動
向に直接触れ、市場動向に対する NVIDIA の視点について理解を深め、NVIDIA のロボティクス
チームやその他の潜在的な協力者と協力を進める絶好の機会となりました。

NVIDIA の成長の大部分は現在データセンターに集中しており、これは計算集約的なモデルが
主流である生成 AI の現在の状況を反映しています。大規模言語モデル（LLM）のパラメータ数
は通常数十億であり、GPT-4 のような最近の進歩は 1 兆パラメータの大台に乗ると推定されて
います。

しかし、ロボット工学やエッジ・コンピューティングにおけるアクセラレーテッド・コンピ
ューティングとなると、まだ日が浅いです。小型言語モデル（SLM）とミニ視覚言語モデル
（VLM）は、Orin Nano を含む NVIDIA Jetson デバイス上で実行可能です。しかし、エッジ・
コンピューターは単一のタスク以上の処理を期待され、ロボットやエッジ・デバイスが実行す
るタスクの重要な性質は、エラーに対する許容度をはるかに低くする必要があります。チャッ
トボットは何度かミスを犯してもユーザーに価値を提供できるが、ロボットがミスを犯せば、
その代償は破滅的なものになりかねません。

エッジ・コンピューティングとロボティクスの将来に対する NVIDIA 社の強気な見通しは、
これらの分野への戦略的投資の指針となっています。この初期段階とその先に横たわる課題に
もかかわらず、エッジ AI の市場機会は紛れもなく大きいです。この市場拡大の時期はまだ不確
定だが、それが意味する機会の大きさは明らかです。



ロボット工学における AI の役割
人工知能（AI）は、ロボット工学の分野に計り知れない影響を与えています。ディープ強化
学習技術は、脚式ロボットによる凹凸のある地形の移動や、高速で移動するドローンの操縦な
ど、予測不可能で複雑な環境におけるロボットの制御に不可欠なものとなっています。大規模
言語モデル（LLM）もまた、タスク・プランニングや人間とロボットのインタラクション強化
に直接応用されています。

多くの議論において繰り返されたテーマは、ロボット工学における学習済み AI モデルの将来
的な役割でした。この分野は、エンド・ツー・エンドの学習済みモデルのみを使用する方向に
進むのだろうか、それともモデル予測制御（MPC）のような伝統的な手法の居場所はまだある
のだろうか。最終的には学習ベースのアプローチが優位に立つと主張する者もいたが、一般的
な意見としては、学習済み手法と古典的手法のどちらにもメリットがあり、相乗的に共存でき
るというものでした。

学習ベースの AI モデルをロボット工学に応用する際の主な課題は、質の高い学習データの取
得でした。言語モデルや視覚モデルを学習するために容易に入手できるデータとは異なり、ロ
ボット工学モデルには、具体的な実世界の相互作用から得られたデータが必要です。シミュレ
ーションは、この問題を軽減するための重要な戦略となっており、NVIDIA の高度なロボティク
ス・シミュレーション・ツールへの投資を支えています。とはいえ、実世界のデータの必要性
は依然として残っており、シミュレーション環境と実世界のギャップを埋めるという継続的な
課題が浮き彫りになっています。



言語モデルが SLAM に与える影響
大規模言語モデル（LLM）と視覚言語モデル（VLM）が初めて提示した能力は、人工知能
（AI）と人工知覚（AP）の融合による、真のセマンティック SLAM への実現可能な道を示唆し
ています。歴史的に、SLAM は主にメトリック SLAM に焦点が当てられてきました。メトリッ
ク SLAM は、環境内の特徴の幾何学的配置をマッピングし、正確な位置と向きの推定値を生成
することに関係します。一方、セマンティック SLAM は、環境からより高いレベルの意味を抽
出することを目的としており、例えば、システムが、テーブル、椅子、カトラリー、グラス、
食事をしている人々を識別することで、レストランのセッティングを認識できるようにします。

知覚ネットワークが、入力データや地図データから、人や車などいくつかの基本的なオブジ
ェクトのカテゴリを識別するために使われてきたことは事実です。しかし、このアプローチは
意味理解への初期段階に過ぎず、拡張性に欠けていました。言語モデルは 2 つの利点を提供し
ます。それは、以前に見たことのないカテゴリに対するオブジェクト検出器の記述と一般化を
可能にし、新しいオブジェクトクラスに対して常にモデルを再学習する必要性をなくします。
言語モデルはまた、環境のより高度な記述を構築するための構造化された出力の作成を容易に
します。

真のセマンティック SLAM は多くの利点を提供します。SLAM によって生成されたマップを
搭載した AI エージェントと対話する個人にとって、ユーザビリティの向上は即座にもたらされ
ます。例えば、「階段を上って 2 階に行き、右に曲がって廊下を進み、青い両開きのドアをく
ぐると、両開きのドアの先、左側の 3 つ目のドアがある」といった、システムから提供される
指示は、格段に直感的で意味のあるものになります。

真のセマンティック SLAM のもう一つの利点は、システムが何に注意を払う価値があり、何
を無視してもよいかを理解できることです。例えば、家具や駐車中の車のような一過性のオブ
ジェクトは、位置が変わる可能性があるため、再訪時に場所を認識するための信頼性が低くな
ります。より高度な環境記述を活用することで、システムのロバスト性は大幅に向上します。
このアプローチでは、環境の外観だけでなく、環境の構造やレイアウトに注目することで、照
明の違いなどさまざまな条件下でも、同じ場所を確実に認識することができます。



Kudan の方針
ロボット工学におけるエンド・ツー・エンドの学習済みモデルと従来のアプローチの採用に
関する議論は、ディープラーニングが脚光を浴び始めた SLAM コミュニティで生まれた過去の
同様の議論を非常に思い起こさせるものでした。その際にコンセンサスとなった見解は、私た
ち自身の結論とも一致しています。たとえば、三角測量法のように、あるプロセスが方程式で
簡潔に記述できる場合、その方程式を直接実装するのが最も効率的であることが多いです。し
かし、ディープラーニングの強みは、異なる照明条件下で特徴がどのように見えるかを記述す
るような、簡単な数学的定式化が困難な課題に対処することにある。このことが、例えばビジ
ュアル SLAM システムでディープラーニングされた特徴量を使用することを探求する動機とな
り、私たちは人工知能（AI）を組み込んだ SLAM の開発に成功するだけでなく、ディープラー
ニングモデルを SLAM に統合する新しい方法を検討し続けています。

NVIDIA 社をはじめとするパートナー企業との議論を通して、特にマッピング、ローカリゼー
ション、ナビゲーションに言語モデルの最近の開発をどのように活用できるかということに関
連して、いくつかの新鮮な新しいアイデアを呼び起こしました。私たちは、これらのアイデア
を試し、さらに探求することを楽しみにしていますし、これがモバイル・マシンのための空間
知能の未来にどのような意味を持つのか、非常に期待が高まるとともに、今後公開を進めてい
きたいと考えています。