アトラックラボ、現場画像で点検ロボットAIを追加学習するサービスを提供開始

株式会社アトラックラボは、AI点検ロボット向けの追加学習サービスを提供開始しました。
現場で収集した画像を使い、サビや腐食、機器固有の不具合に合わせてAIモデルを調整します。
NVIDIA DGX Sparkを活用し、画像収集から異常検出、位置記録までローカル環境で実行できます。

記事の概要

株式会社アトラックラボは、AI点検ロボット向け制御プラットフォーム「AT-SYNAPSE」のオプションとして、「AT-SYNAPSE 追加学習サービス」を提供開始しました。
本サービスは、現場で収集した点検画像を使ってAIモデルを最適化するサービスです。
サビや腐食、亀裂、欠損、漏れ、部品の脱落などに加え、機器固有の不具合も追加学習の対象にします。
学習用画像の整理、アノテーション、データセット構築、モデルの学習・評価、ロボットへの実装、現場確認まで一貫して対応します。
対象や撮影条件に応じ、数百枚から数千枚規模を目安に画像を収集・整理します。
LoRAなどの手法を使い、VLM、画像分類、物体検出から点検対象に適した方法を選びます。
NVIDIA DGX Sparkを活用し、追加学習から推論までローカル環境で実行します。
導入先や外部ネットワークから分離した環境にも対応し、機密性の高い点検画像を外部クラウドへ送信しない運用が可能です。

記事のポイント

1. 現場画像で調整： 現場で撮影した数百枚から数千枚規模の画像を整理し、LoRAなどで点検対象に合わせて追加学習します。
2. ローカルで処理： NVIDIA DGX Sparkを使い、追加学習と推論をローカル環境で実行し、外部クラウドへ送信しない運用が可能です。
3. 実装まで一貫対応： アノテーションや評価、ロボット実装、動作確認まで対応し、UGVやレールドローンなどと連携できます。

このニュースがもたらす影響

• 導入検討企業： 自社設備の画像を外部に出せない企業でも、追加学習の対象、必要画像、評価方法を現場単位で詰めやすくなりそうです。まず機密区分と継続改善の運用を決めることが求められます。
• 同業サービス提供者： 点検AIの提供者は、モデル性能だけでなく、データ整理からロボット実装、現場確認までを束ねる支援力や、クラウドを使わない選択肢で比較される可能性があります。
• 点検現場管理者： 点検担当者は、異常検出を導入効果のゴールにせず、画像と位置情報、確認結果を蓄積して経年変化の判断につなげる業務設計を検討することになりそうです。

このニュースの背景

プラントや工場、インフラ設備では、設備の材質や塗装、照明、撮影角度などが現場ごとに異なり、汎用的なAIモデルだけでは検出が難しい場合があります。
点検画像には設備の構造や配置など、外部へ送信しにくい情報が含まれるため、クラウド利用を前提にしない処理環境も必要になります。
こうした現場固有の条件と情報管理上の課題を背景に、現場データで継続的に改善できる点検AIの運用が示されています。

関連するニュース

• 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
• 株式会社アトラックラボが、AI判断と安全制御を分離したロボット基盤の設計方針を示しました。
• IZUTSUYAが画像認識AIとLiDARで橋梁点検のひび割れ検出から調書作成まで支援するβ版を開始します。

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

現場データで進化するAI点検ロボット向け「AT-SYNAPSE 追加学習サービス」を提供開始

株式会社アトラックラボのプレスリリース（2026年8月17日 19時42分）現場データで進化するAI点検ロボット向け「A…