　同手法では、グラフニューラルネットワークの「Graph Network（GN）」を用いた推論による近似計算を採用。GNブロックによるキーフレームやランドマーク情報入力からの更新情報の推論、多段のGN構造による最終的な値への収束で構成されており、従来のLevenberg-Marquardt法を用いたバンドル調整と比較して、より少ない計算量で推論処理できる。

GNブロックによるキーフレームやランドマーク情報入力からの更新情報の推論［クリックで拡大］出所：ソシオネクスト

多段のGN構造による最終的な値への収束［クリックで拡大］出所：ソシオネクスト

　同手法を用いてVisual SLAMのバンドル調整を実装し、PCでシミュレーションを実施。その結果、従来手法の「g2o」と比較して、処理時間を60分の1に短縮できることを確認した。

PCによるシミュレーション結果［クリックで拡大］出所：ソシオネクスト

　今回開発した手法により、エッジデバイス向けのSoCでも高度なSLAM処理が可能となる。自動運転車や産業向けの無人搬送車（AGV）、ロボット、ドローン、AR（拡張現実）グラスなどでの用途が期待される。

　同社は今後、今回の研究成果をはじめとしたVisual SLAM技術を同社のカスタムSoCソリューションに向けた要素技術として確立する。また、画像認識以外の用途への応用も検討する予定だ。

⇒その他の「人工知能ニュース」の記事はこちら

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。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
組み込みAIは必要不可欠な技術へ、推論に加えて学習も視野に
2017年初時点では芽吹きつつあった程度の組み込みAI。今や大きな幹にまで成長しつつあり、2019年からは、組み込み機器を開発する上で組み込みAIは当たり前の存在になっていきそうだ。
「Jetson Xavier NX」で組み込みAIを試す
2020年5月14日に行われたNVIDIAの「GTC 2020」の基調講演で発売がアナウンスされた、組み込みAIボード「Jetsonシリーズ」の最新製品となる「Jetson Xavier NX」。「Jetson Nano」の連載を担当した技術ライターの大原雄介氏に、Jetson Xavier NXの開発者キットをレビューしてもらった。
電力効率10倍以上、SLAM処理時間が20分の1のエッジAIチップを開発
新エネルギー・産業技術総合開発機構は、「ハイブリッド量子化ディープニューラルネットワーク（DNN）技術」「進化型仮想エンジンアーキテクチャ技術（aIPE）」「リアルタイムSLAM処理技術」を開発した。