AI モデル · AI エージェント
Vision AIとDomain AI、現場判断・計画のためのAI Agentを産業目的に合わせて研究します。
中核技術基盤
Industrial Physical AI
PPC — 認知・計画・制御
現場の目的に合わせてAIモデルを設計し、2D・3D Industrial PerceptionとNPU Edge AIを製品・設備に実装し、Validation/Safetyを通過した実行を産業制御層と連結します。
参照構成
ResearchからPhysical Systemまで、1つの技術システムに接続します
AI Model・AI Agent研究とModel Engineeringに基づいて、Perception、Planning、Validation/Safety、Control、Physical System、Feedbackを1つの閉ループに接続します。
現場での実証事例
緑調除去設備 Industrial Physical AI統合制御
2026年、環境インフラの現場に「NPU Edge AI」・RADAR・CCTV基盤認知、現場「Embedded AI」、MCU安全・制御層、PLCインターロックと実際の設備フィードバックを連結した閉ループ「Industrial Physical AI」システムを構築しました。
認知RGB-D · RADAR · CCTV
AI エージェントAlgae Agent · Hoist Agent
検証 · 制御MCU · PLC Interlock
実設備水門 · エジェクターポンプ · プラズマ装置 · ホイスト
状態フィードバックセンサー · 設備状態 · イベント · CCTV
AI Agentの判断は、MCU安全・優先順位制御とPLCインターロックの検証を経て最終設備出力として実行されます。
AI 研究 → 設計開発 → 実設備
AIを研究し、現場の演算環境と実際の設備に接続します
ILLUVATIONのIndustrial Physical AIは、AI Model・AI Agent研究を出発点として、目的・データ・演算制約に合わせたEngineeringとEdge配置を経て実際の産業システムの認知・判断・安全な実行で連結。
Model Engineering · NPU Edge
問題・データ・目標性能・演算制約を共に考慮し、モデル構造を設計・再設計し、NPU・Embedded環境に配置します。
認知 · 計画 · Validation/Safety · 制御
センサー・AI・制御層を実際の設備と連結し、実行結果をFeedbackに反映します。
能力の連鎖 AI 研究 → AI モデル設計・開発 / Agentic AI → NPU Edge · Embedded AI → Industrial Physical AI
協業
技術・R&D・SI協力範囲
AI モデル設計・開発
Domain AIと目的・データ・演算環境に合わせたモデル構造設計・再設計。
2D·3D Industrial Perception
Camera、RGB-D、Depth、3Dと現場センサーを利用した状態・オブジェクト・空間認知。
NPU · Embedded AI
製品・装備内部 NPU級演算環境のためのEdge AI配置と最適化。
MCU · PLC · PPC Integration
Validation/Safety、MCU・PLC・Controllerと実際の設備を接続する制御・システム統合。
PPC 構成
PerceptionからFeedbackまで
現場認知、運営計画、安全検証、実際の設備実行、フィードバックを閉ループに接続します。
現場の状態認識
カメラ、RGB-D、3Dセンサーと現場センサーデータをもとに物体・状態・変化を認知します。
→
Rule-Set · エージェント型計画
事前に定義された Rule-Set を選択するか、複合状況では JENNA Agentic AI を用いて実行候補 Rule-Set を生成・調整します。
→
Validation/Safety · 決定論的実行
実行候補を安全条件で検証した後、Edge Controller、MCU、PLCなどの産業制御層で実行し、結果を再フィードバックします。
中核 AI モデル資産
独自のAIモデル資産
Domain AI、Industrial Perception AI、Agentic Planning AIを産業問題に合わせて選択・結合します。
畜産特化AI
高精度体重推論 AIRGB-Dベースの3Dデータを活用したオブジェクト重量推論AI
リアルタイム体重推論 AI連続 RGB-D データを活用して複数個体の重量をリアルタイム推論するAI
分娩モニタリングAIモドン1個体の分娩状態をモニタリングするAI・PigTocTok適用
汎用視覚認知
SwiftYOLOILLUVATIONが開発したGeneral-Purpose Object Recognition AI
JENNA Agentic AI
GPU ベースのエージェント型計画On-Premise Agentic AI for Local-First Engineering.複合状況でのルールセットの作成・修正・最適化を支援します。
計画
Deterministic Rule-Set · JENNA Agentic AI
Planning は、現場の複雑さに応じて、Predefined Rule-Set と GPU ベースの JENNA Agentic AI を選択的に設定します。
事前定義された決定論的ルール
運用条件と安全条件が明確な現場では、事前に検証したRule-Setを使用して実行計画を構成します。
- 説明可能な動作条件
- 検証可能な制御ロジック
- 固定ルールベースの安定運用
JENNA Agentic AI
複数の条件や状況の変化に応じて運営計画調整が必要な現場でルールセットの作成・修正・最適化を支援します。
- シチュエーションベースの計画支援
- Rule-Set 形式で結果を出力
- 実行前のValidation/Safetyの適用
エージェント型計画 · 決定論的制御
JENNAが作成したRule-SetはValidation/Safety層の検証を経て産業制御層で決定論的に実行されます。
ローカル優先設計
デバイス内 · オンプレミス · 現場制御
NPU ベースの現場認知
カメラ・センサに近い NPU級演算環境で必要なデータ収集と現場推論を行います。
計画 / 現場 AI 実行環境
現場のローカル環境でJENNAやRule-Set管理などの計画機能を設定します。
決定論的制御
検証済みのRule-SetをPLC、MCU、Edge Controller、およびフィールド制御インフラストラクチャで実行し、安全インターロックと緊急停止スキームを維持します。
研究開発の方向性 · デジタルツイン
Industrial Physical AIからDTBSへ
現在、Digital Twin研究を通じてオブジェクト・空間・設備・工程状態を表現し、Feedbackで更新する方法を研究します。 DTBS - Digital Twin Based Systemは高度化ターゲットシステムです。
Industrial Physical AI
認知 → 計画 → 安全検証 → 制御 → 実設備 → Feedback.
デジタルツイン
オブジェクト・空間・設備・工程状態をDigital Twinに表現し、現場Feedbackで更新する研究。
DTBS
Digital Twin状態をPlanningとControlに接続する閉ループ目標システム
協業
Industrial Physical AI共同実装
AI共同研究、2D・3D Perception・Sensor・Edge結合、MCU・PLC・設備統合、SI構築と共同R&D範囲を協議します。
技術協業の相談