　両社は、産業用ロボットなどを用いたモノづくりのさまざまな工程の改善を目的に、ディープラーニングを用いたAI技術の開発を進めてきた。最も広く知られている事例が、3Dセンサーで取得した画像データを基に、産業用ロボットによるバラ積みした部品のピッキングをティーチングなしで行えるようにする「深層学習バラ積み取出し」だろう。

　深層学習バラ積み取出しについては、2018年春に国内発売を予定しているファナックの製造現場向けIoTプラットフォーム「FIELD system」のアプリケーションとしてほぼ同時にリリースする計画である。iREX2017における展示内容は、従来と変わらないものの、アプリケーションをFIELD system向けのコントローラー「FIELD BASE Pro.」に組み込んで実動作させている点が異なる。

「深層学習バラ積み取出し」のデモの様子。ロボットの左側にある「FIELD BASE Pro.」で動作している（左）。部品の取り出し順チューニングのアルゴリズムを深層学習で生成する。学習時間は6時間程度で済むという（クリックで拡大）

　新たな開発成果となるのが「深層学習キズ検査」だ。あらかじめ用意したキズのない良品画像とキズのある不良品の画像を用意しておき、ディープラーニングによる学習でキズの有無を自動で判定するアルゴリズムを生成する。実運用時には、ロボットが検査対象を把持して固定カメラで撮像し、アルゴリズムを基に良否を判定するというものだ。

　デモでは、スマートフォンの側面保護カバーを使って良否を判定する様子を見せた。なお、深層学習キズ検査は開発中の技術で、今回のデモは一般的なPC上で動作させている。「FIELD systemのアプリケーションを含めて、さまざまな展開を検討している」（同社の説明員）という。

「深層学習キズ検査」のデモの様子。（左）。深層学習で得たアルゴリズムにより、良否を判定する（右）（クリックで拡大）

関連キーワード

ディープラーニング | ファナック | Preferred Networks | 産業用ロボット | 人工知能

世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
現場志向のIoT基盤「FIELD system」が運用開始、稼働監視などを年間100万円で
ファナックとシスコシステムズ、ロックウェルオートメーションジャパン、Preferred Networks、NTTグループ3社は、2016年4月に開発に着手した製造現場向けのIoTプラットフォーム「FIELD system」の国内サービスを開始した。
AI×IoTのブレークスルーを生み出すPreferred Networks、原動力は成長と多様性
ベンチャー企業のPreferred Networks（PFN）は、時代に先駆けてAIとIoTに着目することで一気に業容を拡大している。同社の原動力になっているのは、創業精神として今も続く「常に新しく技術を取り込んでいく成長」と「多様性」だ。
止めない工場への第一歩、ファナックがFIELD systemで描く世界
「CEATEC JAPAN 2017」の特別カンファレンスにファナック代表取締役会長兼 CEOの稲葉善治氏が登壇。「IoTによる知能化工場への挑戦」をテーマに同社のFIELD systemを中心とした取り組みを紹介した。
射出成形機にAI搭載、ファナックが深層学習技術で予防保全
ファナックとPreferred Networksは「国際プラスチックフェア2017」で、AI技術を搭載し予防保全を実現する射出成形機を披露した。