Our TechnologyMinDの技術
独自の「デジタルツイン」で、
データを生成・AIを高速学習
「レア/コーナーケースつぶし」のための学習データ集め&AI開発によって、
顧客のビジネス展開を止めてしまうことのないよう、独自の開発基盤で開発します。
Issue解くべき課題
AIの「真の性能」を限界まで
解き放つために
ヒトの性格がそれぞれ違うように、AIは「学習データ」によって性能・特徴が決まります。
レア/コーナーケースが生まれる
４つの要素
PoC（Proof of Concept）開発に留まらず、
"本当にAIを使う"ためには、
多様な「レアケース」「コーナーケース」でも
性能・品質を維持し続けることが不可欠です。
01
センサ特性
カメラ機種固有の撮像/処理特性や設定条件の違いにより、多様な画像データの解析が求められます。
02
光源条件
日照条件、天候、周囲の建物の影などにより、AIにとっての「見え方」が絶えず変わります。
03
外観の状態
錆・湾曲・凹み・欠損・塗装の状態等、実際には「同じモノ」は１つとして存在しないため、ヒトと異なりAIはそれらを「別物」と捉えます。
04
物理条件
対象物が動いていたり、一部のみが見えている状態（遮蔽｜オクルージョン）等により、無限の「見え方」が存在します。
これらをプライバシー保護も考慮して集める
"本当にAIを使う"ためには、莫大な条件を網羅する「学習データ」集めが不可欠。
一方、「学習データ」の準備は開発工数の50%を超えるケースも存在します。
さらに、個人情報保護についても問題化しつつあります。
Approach当社アプローチ
顧客のビジネスを “止めない” AI開発を
独自のAI-Optimized Synthetic Data（人工合成データ）で実現
ヒトの視覚認識モデルをが基となる
AI開発基盤「MinDエンジン」で
AI-Optimizedな独自・人工合成データを高速/大量生成。
創業以来、絶えず生成し続ける
人工合成データにより
独自の学習データの
大規模データベースを構築。
AI開発を一気に加速。
Flow開発フロー
PoC（Proof of Concept）開発に留まらず、"本当にAIを使う"ためには、
多様な「レアケース」「コーナーケース」でも性能・品質を維持し続けることが不可欠です。
Skills当社の有する専門性・スキル
AI開発基盤の開発を、多様な専門家が支えています。
- Computer Vision系
- 光学
- 物理
- CG・シミュレーション
- IoT・ハードウェア （Jetson / Raspberry Pi）
- ネットワークインフラ・セキュリティ （AWS / Asure etc.）
- 生成モデル
- 並列化
- 高速化・軽量化
Solutionソリューション
01
自動運転/ADAS
02
ロボティクス
ロボットハンド・AMR・買い物/警備ロボ等
03
検査
製造・土木/建設・電力/交通インフラ等
04
スマート農業
Case開発事例
鳥瞰視点での環境認識
- レンズ歪み
- レンズ汚れ
- 単眼カメラ
- 夜間
- 画像圧縮ノイズ
ヒビの検出・高度解析
- レンズ歪み
- 単眼カメラ
- 夜間
- 画像圧縮ノイズ
ポットホールの検出・高度解析
- レンズ歪み
- 単眼カメラ
- 夜間
- 画像圧縮ノイズ
自動車用ダイカスト製品の外観検査
- CAD
- 光源環境
- 単眼カメラ
- 固定カメラ
- 物理シミュレーション
- 高速化
自動車用駆動系部品の外観検査
- 光源環境
- 単眼カメラ
- 固定カメラ
- 材質変化
- 高速化
コネクタ端子の異常検知
- CAD
- 光源環境
- 単眼カメラ
- 固定カメラ
- 物理シミュレーション
- 高速化
風力発電タービンの外観検査
- CAD
- ドローン
- ブラー
- 光源環境
- 単眼カメラ
- 検査ノウハウ取り込み
電源設備の検査
- CAD
- ドローン
- ブラー
- 光源環境
- 単眼カメラ
- 検査ノウハウ取り込み
農作物の熟度判定・収量予測
- IoT/ロボティクス
- ネットワークセキュリティ
- 光源環境
- 単眼カメラ
- 高速化
Clients取引実績
Voiceお客様の声
一度、閉じたプロジェクトを復活させ、コラボでAI開発がスタート
運輸 / 上場企業 / 約50,000名
弊社内でも最新のAI動向を追うチームがあるため、オープンソースで利用可能なAIフレームワークなどを利用してAI導入を進めていました。
弊社では利用する全ての車両にカメラ（単眼）が搭載されており容易にカメラの増設がし難かったこと、カメラで認識したい対象が極めて多岐にわたる（あるいは継続的に対象の追加が必要である）ことによるAI学習コスト、加えてAIの再学習・再開発を導入後は短期間で終わらせ現場オペレーションを止めないようにしなければならないことなどが制約として挙げられていました。
これら制約を解消可能なテクノロジーがなかなか見つからず、一度はプロジェクトを閉じかけましたが、多くのAI企業を比較検討した結果たどり着いたのがMinD社でした。
MinD社では、ビジネス課題の抽出と最新技術の進化とを両睨みで開発スコープを議論ができる点、加えてAI開発・性能の短期底上げが可能な開発環境を整えている点を高く評価しています。
長年、社内に蓄積した知恵・カン/コツ・データをAIに覚え込ませて世界を驚かせたい
通信・インフラ / 上場企業 / 約5,000名
検査AIの開発を進めています。検査AIの技術については、展示会やさまざまなAI会社との会話の中で常にウォッチしていました。一方、MinD社のアプローチが面白かったのは、我々の中にある多様なフォーマットのデータや知識・知恵などの無形アセットをAIと掛け合わせ、競争力にしましょうとユニークな提案をしてくれたこと。
社内に蓄積したデータや熟練作業者が無意識的に行なっている工夫など、正直どれもこれもアセットとして捉えていませんでしたが、実際にMinD社との協働の中でそれらをAIが吸収していく様子を見て、今まで社内に蓄積してきたものが宝の山に見えました。
世界で戦える、弊社らしいAIを武器に、ぜひ世界でビジネスを展開したいと思っています。