AGRIST、Microsoft AI Co-Innovation Lab KOBEで生成AIを活用し自動収穫ロボットの性能向上を検証

生成AI(Generative AI)

AGRIST株式会社は、スマート農業の実現に向けて、Microsoft AI Co-Innovation Lab KOBEで生成AIを活用した「フィジカルAI」の開発検証を行いました。この取り組みは、自動収穫ロボットの収穫性能を高めることを目的としています。

Microsoft AI Co-innovation Labのロゴがある緑の壁の前で、4人の男性とロボットがポーズをとっています。

ロボット収穫の課題とフィジカルAI

自動収穫ロボットは、作物の位置や角度を正確に捉えることができます。しかし、現場では「ヘタが葉に隠れている」や「周囲に障害物がある」といった状況により、ロボットアームがうまく対象にアプローチできないことがあります。このような多様な現場の状況は、あらかじめルールを決めて対応することが難しい課題でした。

きゅうりの栽培で起こりうる二つの状況を比較した画像です。左はヘタが葉に隠れている場合、右はきゅうりの成長を妨げる障害物がある場合を示しています。

そこでAGRISTは、AIの判断をロボットの実際の動作に結びつける「フィジカルAI」に注目しました。今回の検証では、画像(RGB/Depthなど)を生成AIに入力し、ロボットアームが作物を収穫する際に最適な「回り込みの推奨角度」を算出します。この角度データは、Microsoft AzureのサービスであるAzure Functionsを介して、自動収穫ロボットから呼び出し可能なAPIとして提供され、ロボットの動作に反映される一連の流れが確認されました。

開発検証の内容と成果

この開発検証は5日間の短期間で集中的に行われました。

1. 課題設定

ヘタが隠れていたり、障害物があったりする状況で、ロボットアームが適切な進入角度を取れない問題を解決することが目標でした。

2. 目標

自動収穫ロボットがAzure Functionsを呼び出し、JSON形式で推奨角度(回り込み角度)を受け取り、その角度をロボットの動作に反映できることを確認することを目指しました。

3. 実施内容

Microsoft Foundryという基盤上で生成AIの推論システムを構築し、画像データをAIが理解しやすい形に加工しました。そして、生成AIが出力する角度データを自動収穫ロボットが使いやすいJSON形式に統一。ヘタ隠れと障害物ありの2つのケースを想定したAzure Functionsを構築・展開し、実際にロボットがAzure Functionsを起動して角度情報を受け取り、動作に反映するまでの一連の流れが確認されました。

AGRIST Qロボットが画像と環境データをAzure Functionsに送り、さらにMicrosoft Foundryに画像・環境データ・プロンプトを入力。角度データが出力されるデータ連携のシステム構成図です。

主な成果として、生成AIが算出した角度データをAzure Functionsを通じてロボット動作に連携させる一連の仕組みが実現しました。推論にかかる時間は約10〜30秒程度で、画像データの入力方法や前処理を工夫することで、より高い精度が期待できる手応えも得られています。これらの成果は、将来的に収穫の成功率を大きく高める可能性を示しています。

オフィスで3人の男性がホワイトボードを使って活発に議論している様子です。ホワイトボードには日本語と英語で、プロダクト改善の課題、ユーザー登録の流れ、競合分析、新機能の優先順位付けなどに関するメモや図が書かれています。

関係者のコメント

AGRIST株式会社の清水秀樹執行役員CTO兼VPoEは、今回の検証で生成AIの推論結果をロボットの具体的な動作指示に変換し、連携できたことを「フィジカルAIを現場に実装する上での大きな前進」と評価しました。今後1~2年で実用レベルに近づく可能性を強く感じているとのことです。

一人の男性がステージ上でマイクを手にプレゼンテーションを行っています。背景の大きなスクリーンには「Aiは難しいを簡単にする」というメインメッセージと、「Aiの本質は、複雑さを取り扱い、誰もが簡単に活用できる体験を生み出すこと」という説明文が表示されており、AIの役割について語られている場面です。

ロボット開発責任者の増渕武氏は、フィジカルAIの急速な発展に触れ、実運用に向けた技術検証の重要性を強調しました。短期間での動作確認に協力したAI Co-Innovation Labの関係者に感謝を述べ、今後の機能拡張と精度向上に大きな可能性を感じているとコメントしています。

Microsoft AI Co-Innovation Labの束田氏も、実り多いスプリントであったと振り返り、野菜の生育状況の多様性に対応するフィジカルAIの可能性を高く評価しました。今後のさらなる発展に期待を寄せています。

Digital Native Scaling TeamのYusuke Satake氏とBassam氏も、今回の検証がフィジカルAIと農業を結びつけ、収穫動作の成功率を高める新たなアプローチを示した意義深い成果であると評価しました。AGRISTの技術力と実行力を高く評価し、今後の農業の未来に貢献できることを楽しみにしていると述べています。

今後の展望

AGRISTは今回の検証結果を踏まえ、今後以下の取り組みを進めていく予定です。

  • Azure環境の整理(運用、権限、構成の見直し)

  • ログや画像を中心としたデータ基盤の設計と実装

  • 収穫成果とAI精度の評価方法の設計

  • リアルデータを用いた入力設計、前処理、プロンプトの改善による精度向上

これらの取り組みを段階的に進めることで、自動収穫ロボットの収穫成功率を高め、作業時間を短縮するフィジカルAIの社会実装を目指します。

AGRISTはこれまでもAI Co-Innovation Lab KOBEの支援を受けながら、農業現場で役立つAI技術の活用に取り組んできました。今後もマイクロソフト社との連携を強化し、AIと自動収穫ロボットを組み合わせたスマート農業の普及を進めていく方針です。

AGRIST株式会社

白背景に緑色の抽象的な「A」の形をしたロゴマークと、その下に「AGRIST」という黒い文字が配置されています。アグリスト社の企業ロゴと思われます。

AGRISTは、AIを搭載した自動収穫ロボットを活用し、持続可能なスマート農業を全国で展開するスタートアップ企業です。宮崎県新富町に本社を置き、これまでに国内外で多くの賞を受賞しています。

AGRISTの活動に関する詳細は、以下のリンクからご覧いただけます。

タイトルとURLをコピーしました