Research & Development
研究開発
ヒューマノイドや産業用ロボットを「現場で使えるもの」にするための、ソフトウェアの研究開発を行います。特定産業に特化したロボット内部OS、模倣学習（Imitation Learning）、強化学習をはじめとする機械学習を軸に、シミュレーションから実機（Sim2Real）までを一気通貫で扱います。ハードウェアそのものではなく、ロボットを賢く・安全に・現場業務に適応させる「頭脳と神経系」の層をつくることに集中します。
Why R&D
なぜ、clearAIが研究開発をやるのか。
汎用ロボットの時代が来ても、「自分の現場の業務」をそのまま任せられる賢さは、既製品には入っていません。産業ごとの暗黙知を学習させ、実機で安全に動かすソフトウェア層こそが、これからの最大の参入障壁になると考えています。
ハードでは戦わない
機体は世界の優れたプラットフォームを活用します。私たちが磨くのは、機体に依存しない制御・学習・運用のソフトウェア層。ハード競争ではなく、現場適応の知能で差別化します。
産業特化が堀になる
汎用モデルは「だいたいできる」止まり。エネルギー点検・製造・物流など、特定産業の業務手順と安全要件を学習し切ったロボットOSは、後発が簡単に追いつけない資産になります。
教示コストを下げる
1動作ずつプログラムする時代を終わらせます。人の動きを見せる・少数のデモを与えるだけで業務を覚える模倣学習で、ロボット導入の最大のボトルネックである「教える手間」を圧縮します。
シミュレーションで先に失敗する
実機を壊さず、危険な状況も含めて仮想環境で大量に学習・検証してから現場へ。Sim2Real の橋渡しを内製し、安全とスピードを両立させます。
Research Areas
研究開発のテーマ
ロボットを現場業務に適応させるために必要な、ソフトウェアの主要領域に取り組んでいます。
産業特化ロボット内部OS
特定産業の業務手順・安全基準・現場制約を組み込んだ、ロボットの内部ソフトウェア基盤を設計します。機体に依存しない抽象化レイヤー（HAL）の上に、業種別のワークフローを載せます。
- 機体非依存の制御抽象化レイヤー
- 業種別タスク／安全ルールの組み込み
- 遠隔監視・運用ダッシュボード
模倣学習・教示
人のデモンストレーションや少数の試行から作業を学習させ、プログラミングなしでロボットに業務を覚えさせます。現場での教示コストを最小化することが狙いです。
- デモからの行動方策学習
- Behavior Cloning / 拡散方策
- 少数データでの作業再現
強化学習・ロコモーション
四足・二足歩行や全身制御を、シミュレーション上の試行錯誤で獲得します。MuJoCo / Isaac などの物理シミュレータ上で方策を学習し、頑健な動作を作ります。
- 歩行・バランス制御の方策学習
- 報酬設計とカリキュラム学習
- ドメインランダム化
シミュレーションから実機へ
仮想環境で学習した方策を、現実のロボットで安定して動かすための橋渡し技術。ドメインギャップを埋め、安全に実機展開します。
- 物理パラメータの同定・補正
- ドメインランダム化による頑健化
- 実機での段階的バリデーション
知覚・環境認識
カメラ・LiDAR・各種センサーから現場環境を理解し、物体・人・異常を検知します。点検や作業の判断に必要な「見て分かる」能力を実装します。
- 3D点群・画像認識
- 異常検知・点検判定
- 人検知と安全停止
ロボット基盤モデル活用
Vision-Language-Action（VLA）など、ロボット向け基盤モデルを業務に合わせてファインチューニングし、自然言語の指示で動くロボットを目指します。
- VLAモデルの業務適応
- 日本語指示でのタスク実行
- マルチモーダルな状況理解
Process
研究開発の進め方
課題設定からシミュレーション学習、実機検証、現場実装までを段階的に進めます。安全とROIを常に検証しながら前に進みます。
課題設定・リサーチ
Scoping
2〜4週間
対象とする産業・業務を定め、自動化の対象範囲・安全要件・成功指標（KPI）を定義。既存研究と実現可能性を調査します。
シミュレーション環境構築
Simulation
3〜6週間
対象タスクを物理シミュレータ上に再現し、学習・評価できる環境を構築。報酬設計・データ収集パイプラインを整備します。
学習・実験
Training
1〜3ヶ月
模倣学習・強化学習で方策を学習。多数の試行で成功率・頑健性を測定し、ドメインランダム化で実機ギャップに備えます。
実機検証（Sim2Real）
Sim2Real
1〜2ヶ月
学習済み方策を実機に移し、安全管理下で段階的にバリデーション。ギャップを補正し、現場条件での動作を確認します。
現場実装・継続改善
Deployment
継続
現場へ展開し、運用データを回収して再学習・改善を継続。新タスク追加やモデル更新のループを回します。
Outputs
研究開発のアウトプット
論文止まりにしません。現場で動くソフトウェアと、再現・運用に必要な資産を成果として残します。
ロボットOS / 制御ソフトウェア
産業特化の制御・学習ソフトウェア。機体非依存の抽象化レイヤーの上に、業種別ワークフローを実装します。
学習済みモデル・方策
模倣学習・強化学習で得た方策と重み。再学習・追加学習が可能な形で管理します。
シミュレーション環境
対象タスクを再現した物理シミュレーション環境一式。継続的な学習・評価に再利用できます。
データセット・収集基盤
デモ・センサーデータの収集／前処理パイプライン。データ飛輪を回す仕組みを構築します。
評価・安全レポート
成功率・頑健性・安全性の評価結果と、実機展開時のリスク評価をドキュメント化します。
技術ドキュメント・デモ
再現手順・運用手順、投資家／顧客向けのデモ映像と技術解説を提供します。
Tech Stack
使用技術
研究テーマ・安全要件・計算資源に応じて最適な構成を選定します。シミュレーションから実機まで一貫して扱います。
Simulation
- MuJoCo / MuJoCo Playground
- NVIDIA Isaac Sim / Isaac Lab
- Genesis
- Gazebo
Learning
- 強化学習（PPO / SAC）
- 模倣学習（Behavior Cloning / 拡散方策）
- JAX / PyTorch
- カリキュラム・ドメインランダム化
Foundation Models
- Vision-Language-Action（VLA）
- マルチモーダルLLM
- 基盤モデルのファインチューニング
Robotics Platform
- Unitree（四足 / ヒューマノイド）
- ROS 2
- 機体非依存の制御抽象化（HAL）
- 各種センサー統合
Perception
- 3D点群 / SLAM
- 物体・異常検知
- カメラ / LiDAR / 力覚センサー
Infra / Compute
- GPU学習環境（RTX / クラウドGPU）
- 分散学習
- 実験管理・モデル管理
- 遠隔運用ダッシュボード
Engagement
連携のかたち
自社研究に加えて、企業・研究機関との共同研究や受託研究にも取り組みます。テーマ・体制に応じて柔軟に設計します。
共同研究
企業・大学・研究機関と共同でテーマを設定し、研究開発を推進。成果・知財の取り扱いは個別に合意します。
- テーマ共創・役割分担
- 成果・知財の共同保有
- 中長期での継続連携
受託研究・PoC
特定タスクの実現可能性検証や、シミュレーション学習〜実機PoCを受託で実施。意思決定に必要な技術検証を行います。
- 実現可能性の技術検証
- シミュレーション〜実機PoC
- 評価レポート納品
技術顧問・アドバイザリー
ロボット・機械学習の導入を検討する企業に対し、技術選定・ロードマップ策定を伴走支援します。
- 技術選定・実現性評価
- ロードマップ策定
- 継続的なアドバイザリー
FAQ
よくあるご質問
ロボット本体（ハードウェア）も開発するのですか？+
いいえ、私たちが研究開発するのはソフトウェアの層です。機体は世界の優れたプラットフォーム（Unitree など）を活用し、その上で動く制御・学習・運用のソフトウェアに集中します。ハードに依存しない抽象化レイヤーを設計するため、特定の機体に縛られません。
「産業特化ロボットOS」とは具体的に何ですか？+
特定の産業（例：エネルギー設備の点検、製造、物流）の業務手順・安全基準・現場制約を組み込んだ、ロボットの内部ソフトウェア基盤です。機体を抽象化したレイヤーの上に業種別のワークフローを載せることで、その産業の現場でそのまま使えるロボットを実現します。
模倣学習とは何ですか？通常のプログラミングと何が違いますか？+
模倣学習は、人のデモンストレーションや少数の試行例からロボットに作業を学習させる手法です。1動作ずつプログラムを書く代わりに「やって見せる／少数のデモを与える」だけで業務を覚えさせられるため、ロボット導入の最大のボトルネックである教示コストを大幅に下げられます。
シミュレーションで学習したものが、実機でちゃんと動くのですか？+
そこが Sim2Real の核心です。ドメインランダム化（仮想環境のパラメータを意図的にばらつかせて頑健性を上げる）や物理パラメータの同定・補正で、シミュレーションと現実のギャップを埋めます。実機では安全管理下で段階的にバリデーションを行い、確認しながら展開します。
どの産業から取り組んでいますか？+
現場の安全要件が高く、人手不足が深刻な領域を優先的に検討しています。エネルギー設備の点検など、ロボット導入の社会的インパクトが大きい産業から着手します。具体的なテーマはご相談の中で定めていきます。
共同研究や受託研究の相談はできますか？+
はい。企業・大学・研究機関との共同研究、特定タスクの受託研究・PoC、技術顧問など、テーマと体制に応じて柔軟に連携します。まずは課題やアイデアを共有いただければ、実現可能性と進め方をご提案します。
Contact
ロボットと機械学習の研究開発を、一緒にやりませんか。
「この業務をロボットに任せられないか」「産業特化のロボットOSを一緒に開発したい」「Sim2Realの相談がしたい」など、テーマやアイデアを30分でお伺いします。共同研究・受託研究のご相談も歓迎です。
研究開発について相談する