Edge AIとクラウドインフラストラクチャがPhysical AIと産業用ロボティクスをどのように変革し、スケーラブルでセキュアなリアルタイムのedge-to-cloud展開を可能にしているのかをご紹介します。
産業分野では、マテリアルハンドリング、製品製造、在庫管理などの用途で、長年にわたりロボティクスプラットフォームが活用されてきました。現在では、自律移動ロボット（AMR）、協働ロボット（cobot）、高度な組立・検査ラインが人工知能（AI）を活用し、「Physical AI」と呼ばれる新たな領域の一部として、これまで以上に高度な運用自律性を実現しています。
これまで、多くのAIワークロードはクラウドコンピューティングと結び付けられてきました。これは、クラウドが豊富なリソースを提供する一方で、組み込みハードウェアには従来、消費電力や性能面で制約があったためです。AIを活用するタスクが、たとえば光学文字認識（OCR）から自動欠陥検出へと高度化するにつれて、必要なコンピューティング能力も増加し続けています。
しかし、最新の処理プラットフォームでは、高度なAIワークロードの多くをエッジハードウェア上で直接実行できるようになっています。その結果、これらのテクノロジーは、エンジニアが産業用ロボティクスを設計する方法そのものを変えつつあります。
ローカルインテリジェンスがもたらす運用上のメリット
クラウドコンピューティングはAI処理のための豊富なリソースを提供する一方、産業用ロボティクスではいくつかの課題を引き起こす可能性があります。
1つ目は処理レイテンシです。これには、ネットワークレイテンシ、クラウドサーバー内でのタスクスケジューリング、クラウド内の処理時間が含まれます。組立ラインにおけるロボットによる製品検査や不良品排除のような、高速かつ高度に連携した処理では、スループットを最大化するために厳密なタイミングが求められます。レイテンシが変動すると決定性が低下し、それを補うために処理速度を落とす必要が生じるため、運用効率も低下します。
非ローカル処理は、運用継続性の面でも障壁となります。ネットワーク障害が発生した場合、クラウド依存型の機器では処理リソースが利用できなくなり、機能が低下する可能性があります。これによるダウンタイムは製造業者にとって大きなコストになり得るだけでなく、重要なセンシング処理が中断された場合には、cobotやAMRと共に働く作業員の安全にも影響を及ぼす可能性があります。
さらに、高解像度カメラを搭載した品質検査cobotのようなデータ量の多いユースケースでは、ネットワーク帯域幅がコストやスループット上の課題となります。また、解析のために生データをデバイス外へ送信することは、データプライバシーやセキュリティのリスクを高める可能性があります。
オンデバイスインテリジェンスへ移行することで、ロボティクスシステムの開発者は、こうした非ローカル処理に伴う課題に対応できます。
データをその発生源の近くで処理することで、一般的にレイテンシを低減できます。また、リアルタイム動作向けに設計されたハードウェアとソフトウェアの組み合わせを使用することで、決定性を高め、組立ラインのロボティクスシステムに求められる高度な連携を実現できます。
同様に、すべての重要な処理をロボティクスプラットフォーム上へ直接移行することで、ネットワークに依存しない動作を支援でき、生産性やロボットの安全性に影響を与えるダウンタイムや性能低下のリスクを抑えられます。エッジ処理は、クラウドベースのデータ解析に伴うコストや帯域幅の制約も解消し、生データをデバイス外へ送信する必要がないため、データプライバシーとセキュリティも大幅に向上させます。
産業用ロボティクスの開発チームにとって、edge-firstのアプローチでは、Physical AIシステムに必要な処理能力やインターフェース要件へのハードウェア設計上の注力がより重要になります。さらに、高度なアプリケーションソフトウェアやEdge AIのデプロイメントワークフローを実装することで、開発は一層複雑になります。それでも、オンボードインテリジェンスは、ロボットのさらなる自律化に向けた道を開きます。
クラウドインフラストラクチャが産業用ロボティクスをどのように支えるか
エッジ処理は個々の産業用ロボティクスプラットフォームに多くのメリットをもたらしますが、クラウドインフラストラクチャも、大規模展開時の運用を支えるうえで引き続き重要な役割を果たします。
クラウドベースのフリート管理により、チームは多数のロボットにまたがる日常業務や計画されたオペレーションを統合的に調整できます。これにより、個別のシステムを、単一の統合ネットワークとして機能するスケーラブルな仕組みに変えることができ、たとえば共用スペースでAMR同士が進路を妨げ合うといった運用上のボトルネックを低減できます。
またクラウドは、監視制御、デバイステレメトリを通じた可観測性、運用インサイトの可視化を行うための一元的な環境を提供します。たとえば、生データそのものではなく、組立ラインにおける欠陥検出率や製造スループットなどを可視化できます。特に重要なのは、クラウドプラットフォームによって、ロボット性能の改善やセキュリティ脆弱性への対処を可能にするOver-the-Air（OTA）アップデートなど、重要なソフトウェアライフサイクル管理タスクを一元化できる点です。
ローカルインテリジェンスと上位のクラウドプラットフォームを組み合わせることは、現代の産業用ロボティクスにおいて有効な戦略です。一方で、このプロセスは複雑になり得るため、ロボティクス開発チームには、統合されたedge-to-cloudフレームワークの中でハードウェアとソフトウェアの開発を加速できるproduction-readyなソリューションが有効です。
edge-to-cloudロボティクス展開を実現するスケーラブルなソリューション
SECOは、大規模な産業運用向けロボティクスシステムの構築を支援する包括的なエコシステムを提供しています。一方で、エンジニアにとって重要な課題の1つは、高度なEdge AIワークロードをサポートできる処理プラットフォームを見つけることです。SECOは、SOM-SMARC-Dragonwing-IQ8、SOM-COMe-CT6-Dragonwing-IQ-X、SOM-SMARC-QCS6490の各system-on-module（SOM）によって、この課題に対応します。
それぞれQualcomm Dragonwing IQ8、Dragonwing IQ-X、Dragonwing QCS6490プロセッサをベースとするこれらの高度に統合されたエッジプラットフォームは、要求の高いAIタスクをローカルで実行できるようにすることで、クラウドへの運用依存を低減します。これは、以下のようなヘテロジニアス処理によって実現されます。
- 高度なアプリケーション処理、Simultaneous Localization and Mapping（SLAM）、およびモーター制御やセンシングサブシステムなどのロボティクス周辺機器間の並列通信に対応する複数のCPUコア。
- 製品検査時の画像前処理や、Human-Machine Interface（HMI）の駆動など、グラフィックスレンダリング処理に対応する統合GPU。
- 人物検出、物体認識、音声分類、およびcobot環境で必要となるその他の主要タスクをローカル実行するための専用AIアクセラレーション。
SECOは、これらの高性能プロセッサをオープンスタンダードのcomputer-on-module（COM）として提供し、大規模な統合と製造を効率化するとともに、ロボティクス用途を支える産業向けインターフェースを提供します。エンジニアが適切なキャリアシステムを構築した後は、SOMの長期供給サポートと、同一規格に準拠したCOMとの相互運用性により、vendor lock-inを低減し、将来的に代替ソリューションの採用が必要になった場合でも再設計の負担を最小限に抑えられます。
これらのハードウェアプラットフォームを補完するものとして、SECO Cleaは、スケーラブルなedge-to-cloud展開を支えるセキュアで産業グレードの基盤レイヤーを提供します。Clea OSはYocto Linuxをベースとするモジュール型で高度にカスタマイズ可能なソフトウェアフレームワークを提供し、開発者がヘテロジニアス処理を最大限に活用できるようにすると同時に、不要なソフトウェアコンポーネントを省くことでエッジリソースの可能性を最大化します。
さらに、Cleaの追加モジュールは、フリート管理、データオーケストレーション、セキュアなOTAアップデートのためのクラウドレイヤー構築を支援し、大規模展開された産業用ロボティクスの長期運用を支えます。また、SECO App HubとClea Studio AIは、検証済みのAIモデルとトレーニング環境を提供し、AI開発を加速します。
Edge AIの進化は産業用ロボティクスを変革しています。SECOは、Physical AIシステムを構築するエンジニアがエッジハードウェアのメリットを最大限に活用できるよう、ソリューションと専門知識を提供します。詳しくは当社のエキスパートにお問い合わせください。また、Physical AIと産業用ロボティクスの進化する領域を探る本シリーズの次回記事にもご期待ください。