建設・インフラ 自律建機は人間の8割まで来た — 12トン油圧ショベルの実機試験が示す、建設自動化の現在地
12トン級の油圧ショベルを実機・屋外で動かし、人間のオペレーターと同条件で比較した研究。岩の除去成功率は人間83%に対し学習した制御方策が70%。専用装置を使わず標準バケット、岩1個あたり20点という粗い点群で成立している。しかも土質に応じた掘り方の使い分けを、教えられずに獲得した。日本で導入する際に技術より先に効いてくる制度面の論点まで整理する。
bridgenote_admin
建設・インフラ 全産業共通 同じ質問に毎回違う答えを返すAIは、現場では使えない — 産業用LLMの「一貫性」を再学習なしで上げる5手法の比較
社内AIが業務に組み込めない理由は、間違うことより「毎回違うことを言う」ことにある。産業用LLMの一貫性を、モデル再学習なしで改善する5手法を比較した研究では、最も効いたのがプロンプトの工夫ではなく参照データの構造化だった。ただし一貫性の改善は正しさを保証しない——導入時に外してはいけない線引きまで整理する。
エネルギー・資源 安全規程40条をAIに読ませて、映像から違反を見つける — 鉱山向けVLMが示した「規程を絞る」という設計
映像AIによる安全管理が続かない理由は、数十条ある安全規程のどれが今の場面に効くのかをAIが特定できないことにある。鉱山の40規程を対象にした研究は、関連条文を上位K件だけ動的に選ぶ設計で再現率を34.22%改善し、推論時間も13.56%短縮した。日本の工場に持ち込む際、技術より先に片づけるべき労務上の論点まで整理する。
全産業共通 契約リスク条項の抽出は、どこまで任せられるか — 19モデル・41類型が示す到達点と使いどころ
契約書のリスク条項抽出を、実在する商用契約102件・41リスク類型・19モデルで測ったベンチマーク。最良でもF1値0.641、オープンソース最良は専有モデルに約16%劣後し、さらに「該当条項なし」と誤って答える率が一部モデルで30%を超える。置き換えではなく二次チェックの網として使う線引きと、正直なROI試算を示す。
製造・組立 生産計画にLLMを使うなら、期待すべきは最適解ではなく安定性 — 10モデル検証でわかった使いどころ
「生成AIが生産計画を最適化します」という提案を、10種類のLLMと24通りの従来ルールで同一条件比較した論文が出た。最良のLLMは数十年前からある単純な優先順位ルールと統計的に区別がつかず、さらに工場の完全な構造情報を渡すと要約だけの場合より2.6倍悪化した。それでもLLMを使う意味はどこにあるのか、判断軸とROIを整理する。
素材・プロセス産業 AIの予測が外れる原因は、モデルではなく計器だった — プロセス産業3現場で実証された「計測の信頼性補正」という前処理
AI予測が現場で定着しない理由をモデルの精度不足だと考えていないか。工程文書をLLMに読ませて「この計器が何を測っているか」の意味を抽出し、予測モデルの手前で計測値を補正したところ、製鉄・選鉱・発酵の3現場で実データの誤差が平均30.7%減少した。運転要領書と計器台帳が整った日本のプラントほど有利に働く手法を、費用感まで含めて読み解く。
建設・インフラ 精度99.6%より効いたのは「説明」だった — ポルト地下鉄の実運用データで査読誌に載った予知保全AIを、日本の設備保全に置き換える
設備保全AIが失敗する理由は精度不足ではなく、現場が信じないこと。ポルト地下鉄の実運用データ60万件で査読誌 Scientific Reports に掲載された研究は、故障を99.6%の精度で判別したうえで、判断理由を文章と寄与度グラフで返す設計になっている。ただし論文自身が保全コスト削減効果は未検証と明記する。工場のユーティリティ設備に置き換えた費用感まで整理した。
エネルギー・資源 電力予測に時系列基盤モデルは効くのか — ERCOTグリッド10モデル比較でわかった、効かせるための条件
「学習不要でそのまま使える」——時系列基盤モデルの売り文句を、米国最大級の電力市場ERCOTの実データで検証した論文が出た。結論はゼロショットでは誤差8〜14%、運用水準に届かない。ただし微調整すれば、従来手法が全データを使った精度を2割のデータで超える。提案書を評価する側が持っておくべき数字と、工場のデマンド管理に置き換えたROIを整理する。
半導体・電子部品 「不良サンプルが足りない」工場でもAIが育つ — 半導体ファウンドリ発の最新研究『WaferSAGE』が現場AI内製化の本命解である理由
「学習させる不良品の写真が足りない」——AI導入で最初に突き当たる壁に、半導体ファウンドリの現場エンジニアが出した答え。約29,000件の学習データを合成し、40億パラメータの小型モデルでクラウド大型モデルの約9割のスコアに到達した。オンプレミス完結で機密を社外に出さない構成の実力と、日本の製造現場に置いたときのROIを検証する。
製造・組立 混流ラインの外観検査を「1台3.3秒」で回す — 自動車向けマルチカメラ外観検査の最新研究が製造ライン品質管理の本命解である理由
自動車の混流生産は検査基準を複雑にする。最新研究は11台の同期カメラと車種認識ルールエンジンで、車種が変わっても作り直さない外観検査を実現。4OEMモデルでの実証・検証精度93%という数値まで、導入ステップとROIを解説。