TDK、エッジAI開発のためのSensorGPTを導入

TDK株式会社は、IoT、産業システム、およびアンビエントIoTアプリケーション向けのエッジAIモデル開発を加速させるために設計された、合成センサデータ生成プラットフォーム「SensorGPT」を発表しました。この技術は、生成AI、信号処理、統計モデリング、および物理ベースのシミュレーションを組み合わせることで、機械学習モデルのトレーニングと検証に使用できるスケーラブルなセンサデータセットを作成します。

本プラットフォームは、エッジAI導入における大きな制約となっている、実世界のセンサデータの収集とキュレーションに伴う時間とコストの課題に対応します。同社によると、従来のAIソリューション開発ではプロジェクト期間の約80%がデータの取得と準備に費やされています。SensorGPTは、実データへの依存度を約10%まで低減するように設計されており、モデルの反復と展開サイクルの高速化を可能にします。

エッジAIシステム向けの合成データ生成
エッジAIシステムは、動作検知、環境モニタリング、予知保全、ウェアラブル分析、産業オートメーションなどの機能において、センサデータに大きく依存しています。しかし、特に分散型IoT環境において、複数の動作条件下で大量のラベル付きセンサデータを収集することは、依然として大きな課題です。

SensorGPTは、この制限を解消するために複数のデータ合成手法を採用しています。

生成AIモデル: 限られた実データでトレーニングされ、異なる動作シナリオにおけるセンサのパターンや挙動を再現します。

物理ベースのシミュレーション: 実世界のセンサ相互作用や環境動態を数学的に再現することで、データセットをさらに拡張します。

信号処理技術: 実際のセンサ出力の特性やばらつきをシミュレートします。

データ拡張機能: 多様な動作条件やエッジケース（例外的な事例）を表す拡張データセットを自動的に作成し、トレーニング時のモデルの堅牢性を向上させます。

TDKは、SensorGPTによって生成された合成データセットが実データと約90%の類似性を達成しており、生成データがプロダクション（本番）レベルのエッジAI導入をサポートできるとしています。




モデルのトレーニングと展開サイクルの高速化
同社は、SensorGPTがエッジAIモデルの開発期間を数ヶ月から数週間に短縮できることを示唆しました。本プラットフォームは、大規模なフィールドデータ収集キャンペーンを必要とせずに大規模なデータセット拡張を可能にすることで、プロトタイピングや概念実証（PoC）の迅速な開発を支援します。

また、プラットフォームには支援付きアノテーション機能も統合されており、トレーニングデータのラベル付けワークフローを簡素化し、機械学習アプリケーション用データセットの使いやすさと一貫性を向上させています。

この技術は、IoTデバイス、ウェアラブル、モバイルシステム、産業用IoT（IIoT）環境、フィジカルAIシステム、およびアンビエントIoTインフラへの適用を目的としています。分散型AI処理やインテリジェント・エッジコンピューティングの需要が高まる中、これらの分野ではスケーラブルなデータ生成フレームワークがますます必要とされています。

合成AIデータ生成における競争環境
合成データ生成は、特に多様な実データの収集が高価、あるいは運用上困難なアプリケーションにおいて、エッジAIおよびデジタルサプライチェーンのエコシステム内の重要な領域となっています。

市場における類似技術は、通常、シミュレーションベースのデータ生成、AIによる拡張、またはデジタルツイン環境に焦点を当てています。このセグメントのパフォーマンス・ベンチマークでは、一般的に実データとの類似性、データセットのスケーラビリティ、アノテーション効率、トレーニング速度の向上、およびデータ取得コストの削減が評価されます。

TDKのアプローチは、生成AIをシミュレーションおよび信号処理技術と単一のフレームワーク内で組み合わせることで、より広範な動作条件のカバーと、異なるセンサタイプやIoT展開に対する適応性の向上を目指しています。

TDK株式会社 コーポレートオフィサー 兼 TDK USA Corporation 社長 兼 技術・知財本部 副本部長であるジム・トラン氏は、「このプラットフォームは、生成AIモデリングとシミュレーションベースのデータ生成技術を組み合わせることで、センサデータをスケーラブルな開発リソースへと変革することを目的としている」と述べています。

Evgeny Churilovによって編集された、Induportalsメディア-AIによって適応されました。

www.tdk.com