Rosso、台帳型連合学習の通信頻度を自動調整する特許

Rossoは、連合学習の通信頻度をクライアントごとに自動調整する技術の特許を取得しました。
「動的通信間隔計画法（Adaptive-K）」を台帳型連合学習と組み合わせ、モデル交換の頻度を調整します。
端末や拠点がデータを外部に集めずに学習する環境で、通信負荷の低減を図ります。

記事の概要

Rossoが特許を取得したのは、台帳型連合学習にAdaptive-Kを組み合わせる技術です。
連合学習は、各端末や拠点のデータを集約せず、学習結果を共有してAIモデルを更新する技術です。
本技術では、クライアントごとにモデルの更新タイミングを調整します。
各クライアントのモデルとサーバー側モデルを統合した結果に基づき、次回の更新時期を決定します。
データに偏りがある環境でも、クライアントごとに通信間隔を自動調整します。
モデル交換の頻度を動的に変えることで、不要な通信の削減を図ります。
想定用途として、ロボティクス、スマートファクトリー・産業用機器、医療が挙げられています。

記事のポイント

1. 更新時期を個別調整： 各クライアントとサーバーのモデル統合結果を基に、次回のモデル更新タイミングを決めます。
2. データ偏りに対応： クライアントごとに通信間隔を自動調整し、保有データに偏りがある環境での学習を支援します。
3. 3分野で活用想定： ロボット、産業機器、医療機関が連携してAIを学習する場面での通信負荷低減を想定します。

このニュースがもたらす影響

• 導入を検討する企業： 医療機関や工場などで連合学習を設計する担当者は、精度だけでなく拠点ごとの更新間隔と通信量も要件に含め、データの偏りを踏まえてPoCを評価する必要がありそうです。
• 同分野の開発企業： 連合学習の提案では、モデル精度やデータを外部に集めない構成に加え、クライアントごとの通信最適化が比較軸になりそうです。特許技術との関係確認も求められます。
• 分散AIの運用担当者： 複数拠点・端末を継続運用する担当者は、全クライアントを一律に同期させる前提を見直し、端末ごとに異なる更新計画を管理できる仕組みを検討する可能性があります。

このニュースの背景

連合学習では、各端末や拠点のデータを一か所に集めず、学習結果を共有してAIモデルを更新します。
一方で、クライアントごとに保有データの偏りや状況が異なるため、モデル交換を一律の間隔で行うことが効率面の課題になり得ます。
今回の技術は、モデル統合の結果を基にクライアントごとの次回更新時期を調整し、台帳型連合学習での通信負荷低減を図るものです。

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

台帳型連合学習の通信頻度を自動調整する技術で特許取得

株式会社Rossoのプレスリリース（2026年9月28日 18時07分）台帳型連合学習の通信頻度を自動調整する技術で特許…