FastLabel株式会社が開発した、AIの学習データを効率よく、かつ正確に準備するための新しい技術が、NVIDIAが主催する世界最大級のAIカンファレンス「GTC 2026」で発表されることになりました。
この技術は、「VLM（Vision-Language Model）を用いたドメイン特化型セマンティック重複排除技術」と呼ばれ、特にロボットの基盤モデルや特定の分野に特化したVLA（Vision-Language-Action）モデルの開発を助けるものです。
AIデータキュレーションとは？
AIデータキュレーションとは、AIを賢くするために必要な「学習データ」を、質が高く、無駄がないように選び出し、整理する作業のことです。AIはたくさんのデータから学びますが、データの質が悪いと、AIの性能も下がってしまいます。そこで、良いデータだけを選び抜くことが非常に重要になります。
どのような課題を解決するのか？
従来のAI開発では、画像データの中から重複するものを排除する際に、AIが「歩行者の有無」のような、その分野にとって非常に重要な違いを見落としてしまうという問題がありました。例えば、自動運転のAIを開発する際、歩行者がいる画像といない画像を単純に「似ている」と判断して、歩行者がいる重要な画像を削除してしまうと、AIが危険な状況を認識できなくなる可能性があります。
FastLabelの新しい技術は、VLMによる高度な画像の説明能力とNVIDIA NeMo Curatorというツールを組み合わせることで、この課題を解決します。これにより、単なる見た目の類似性だけでなく、「意味のある違い」を正確に識別できるようになりました。
この研究成果は、NVIDIAのウェブサイトでも紹介されています。
https://www.nvidia.com/ja-jp/case-studies/fastlabel-accelerates-image-data-processing-with-nemo-curator/
新技術の主な特徴
1. 高品質なデータ選別
従来の画一的な類似度判定ではなく、AIがその分野の知識に基づいて「意味のある違い」を識別します。これにより、AIモデルの汎用性（さまざまな状況に対応できる能力）と安全性が大きく向上します。
2. コストと時間の最適化
この技術を使うと、1万枚の画像をわずか4分で処理できます（重複排除の工程）。これにより、大量のデータを学習させるためのコストや、データにラベルを付ける（アノテーション）費用を大幅に削減できます。
3. モデル性能の最大化
「よくあるシーン」のデータを減らし、「事故につながる可能性がある重要なシーン」のデータを密度の高い形で学習させることで、AIの学習効率を高め、実際の環境での性能を向上させます。
今後の展望
FastLabelは、この技術の核となる「埋め込みベクトルによる異常・希少性の検知」を、今後ロボット工学やVLAモデルの構築に応用していく予定です。
-
動画データの最適化: ロボットの作業動画から、タスクの開始や終了時の「異常な状態」を自動で見つけ出し、質の高い学習データを抽出します。
-
姿勢・関節データの解析: 画像データだけでなく、ロボットのアームの関節角度などの動きのデータも分析し、ロボットの「異常な姿勢」や「見たことのない動きのパターン」を特定することを目指します。
FastLabelは、「データの質がAIの性能を決める」という「Data-centric AI」の考え方に基づき、自動運転から複雑な物理環境で動くロボットまで、最先端のAI技術の発展を支援しています。
FastLabelについて
FastLabel株式会社は、AI開発の基盤となるデータ環境の構築を支援する企業です。データの収集・生成、アノテーション（データへのラベル付け）、モデル開発、そしてDataOps（データ運用の自動化）までを一貫してサポートしています。近年は、ロボットなどの物理的なAI（フィジカルAI）の分野にも力を入れ、ロボットの基盤モデルやVLAモデル開発のためのデータパイプライン構築を進めています。
-
社名: FastLabel株式会社
-
所在地: 東京都新宿区西新宿2-6-1 新宿住友ビル24階
-
代表: 代表取締役CEO 鈴木健史
-
事業内容: Data-centric AI開発を支援するプロフェッショナルサービスとプロダクトの提供
