アトラックラボ、DGX SparkでローカルAIロボット基盤を検証

株式会社アトラックラボは、NVIDIA DGX Spark上に自律制御システム「AT-SYNAPSE」のローカルLLM／VLM環境を構築しました。
OllamaとQwen3.6 35B-A3Bを使い、ロボットの映像認識から行動計画までをローカルで実行します。
動作検証では、計画・推論処理で毎秒64.3トークン、対象物認識で約4.5秒を記録しました。
通信が不安定な建設現場や災害現場などで、クラウドAIに依存しない運用を想定しています。

記事の概要

株式会社アトラックラボは、NVIDIAのパーソナルAIスーパーコンピューター「NVIDIA DGX Spark」上に、AI自律制御システム「AT-SYNAPSE」のローカルLLM／VLM環境を構築しました。
同環境では、ロボットのカメラ映像や深度情報をクラウドAIへ送信せず、画像認識、周囲の状況理解、行動計画、推論、音声応答を実行できます。
LLM／VLMの実行基盤にはOllamaを使い、今回の検証ではMoE方式の「Qwen3.6 35B-A3B」を採用しました。
ロボットとDGX SparkはROS 2およびMCPで接続し、自然言語の指示理解やROS 2ツールの選択、移動・停止指示などを処理します。
計画・推論処理では毎秒64.3トークン、RealSenseカメラ画像による対象物の検出・特定では約4.5秒を記録しました。
AT-SYNAPSEには、RGB画像とDepth情報を統合し、対象物までの距離や位置関係を理解する機能も追加しました。
同社は建設、インフラ点検、災害調査、工場、物流、農林業などのフィールドロボットへの展開を想定しています。

記事のポイント

1. ローカル推論の構成： NVIDIA DGX SparkをAT-SYNAPSEの「Brain on Desktop」として使い、LLM／VLMの推論基盤にOllamaを採用しています。
2. 映像と深度を統合： RealSenseのRGB画像とDepth情報を統合し、対象物の認識や距離・位置関係の把握を実行できます。
3. 検証で速度を確認： 計画・推論は毎秒64.3トークン、対象物の検出・特定は約4.5秒で、検証環境での速度を確認しました。

このニュースがもたらす影響

• 導入検討企業： 導入を検討する企業は、通信や情報管理の要件だけでなく、設置場所、モデル設定、実際の作業に必要な応答時間まで含めてローカル構成の適否を評価する必要がありそうです。
• ロボット事業者： ロボット事業者は、クラウド接続を前提にした機能設計から、現場近くの計算資源とオープンモデルを組み合わせる設計へ選択肢を広げる可能性があります。
• 現場運用責任者： 現場の運用責任者は、認識結果や判断理由を確認できる構成を、安全停止や点検などの実作業へどう結び付けるか、通信断を想定して検証することが求められそうです。

このニュースの背景

通信が不安定な建設現場や災害現場では、クラウドAIに映像やセンサー情報を送る構成が運用上の制約になり得ます。
今回の構成は、DGX Sparkをロボットの近くに置き、通常運用時の認識や判断を外部通信なしで完結させるものです。
計画・推論で毎秒64.3トークン、対象物認識で約4.5秒という検証結果は、現場導入時に応答性能を測る基準の一つになりそうです。
RGB画像とDepth情報を組み合わせることで、対象物の認識だけでなく距離や位置関係を踏まえた行動判断まで検証対象が広がっています。

関連するニュース

• QuantumCoreが7,530億パラメータのLLMをDGX Spark 1台に搭載し、オンプレミス生成AIとして提供開始します。
• 株式会社アトラックラボが複数LLMとROS 2を統合し、ロボットの自律制御システムを提供します
• アトラックラボがAIロボットの判断過程と機体状態をリアルタイム表示するWebコンソールを開発しました

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

NVIDIA DGX Spark上に「AT-SYNAPSE」のローカルLLM／VLM環境を構築

株式会社アトラックラボのプレスリリース（2026年8月14日 10時08分）NVIDIA DGX Spark上に「AT-…