見て、学び、ロボットが実行します。
ビジョン認識、作業判断、ロボット制御を一つの流れでつなぎ、 検査結果が実際の現場の自動化へとつながります。
現場運用
ビジョンとセンサーの融合で実現する、人と同等のロボット制御
画像データに力／トルクセンサー技術を組み合わせました。AIが導き出したデータが、人と同じように精緻で安全なロボットの動作へと即座に変換されます。
単純な視覚情報のみに依存した、限定的な現場オブジェクトの把握
ビジョンと物理的データをリアルタイムで同時収集
オブジェクトの状態を立体的に認識し、判断の根拠を提供
コーディング不要で、複数ブランドのロボットを一つに制御する環境
ブランドの異なるロボットも一つの画面で管理し、日常の言葉で簡単に動きを指示できます。
No-Code専門知識がなくても、直感的に構成できるロボット制御
- ブロックをドラッグ＆ドロップして簡単に組み立てる作業フロー
- 実際の稼働前に3D画面でプレビューし、安全に検証
- コーディングを知らなくても、現場の実務者が直接ロボットの動きを設定
- 会話するように自然言語で指示すれば、ロボットの動作が完成
エッジ制御どこでも軽快に、低消費電力PCで単独稼働
- 高価なサーバーやクラウド接続なしで、小型PCだけで実行
- 電源やスペースが限られる移動型の現場でも問題なく動作
機器の統合管理メーカーを問わず、一つの画面で完璧に制御
- ロボットアーム、カメラ、グリッパーなどブランドが異なっても完璧に連携
- 特定のメーカーに縛られず、複数ブランドのロボットを同時に制御
- 既存の機器をそのまま活用し、新規機器の導入コストを削減
強化学習プログラミング不要で、人を模倣して動くロボット
- 人のデモンストレーションを模倣し、複雑なロボットのセッティング（ティーチング）工程を排除
- 障害物をリアルタイムで認識し、自ら安全な経路を見つけて移動
- ロボットが自ら動作を発展させ、より精緻に作業
- No-Code
専門知識がなくても、直感的に構成できるロボット制御
- ブロックをドラッグ＆ドロップして簡単に組み立てる作業フロー
- 実際の稼働前に3D画面でプレビューし、安全に検証
- コーディングを知らなくても、現場の実務者が直接ロボットの動きを設定
- 会話するように自然言語で指示すれば、ロボットの動作が完成
- エッジ制御
どこでも軽快に、低消費電力PCで単独稼働
- 高価なサーバーやクラウド接続なしで、小型PCだけで実行
- 電源やスペースが限られる移動型の現場でも問題なく動作
- 機器の統合管理
メーカーを問わず、一つの画面で完璧に制御
- ロボットアーム、カメラ、グリッパーなどブランドが異なっても完璧に連携
- 特定のメーカーに縛られず、複数ブランドのロボットを同時に制御
- 既存の機器をそのまま活用し、新規機器の導入コストを削減
- 強化学習
プログラミング不要で、人を模倣して動くロボット
- 人のデモンストレーションを模倣し、複雑なロボットのセッティング（ティーチング）工程を排除
- 障害物をリアルタイムで認識し、自ら安全な経路を見つけて移動
- ロボットが自ら動作を発展させ、より精緻に作業
見て判断し、すぐに動く現場の自動化
正確に見て精密に動かす必要がある難易度の高い工程ほど、AIとロボットが融合したAIVotの能力が一層輝きを放ちます。
- 1
ビジョンガイドによるピックアンドプレイス／組立
対象の位置と状態をカメラで認識し、ロボットが作業を実行できるよう指示します。
- 2
画像に基づく状況判断
単に把持位置を抽出するだけでなく、AIアルゴリズムで工程の状態を判断し、その判定結果に応じてロボットに作業を実行させることができます。
- 3
VLAベースのロボット制御
VLA基盤モデルを活用し、少量の現場データでロボットモデルを学習します。さらに強化学習により、導入後も時間の経過とともに精度が一層向上します。
認識からハードウェア制御まで、AIVotを完成させるエコシステム
ビジョンカメラ、AIモデル、運用データがロボットアームと連携し、一つの有機体のように完璧な調和を生み出します。
現場を把握する眼
- 形状や大きさがさまざまなオブジェクトをリアルタイムで認識します。
- 正確な位置を特定し、ロボットに視覚情報を与えます。
- （±0.5mm以内）一切の誤差も許されない高精度な組立自動化を実現します。
- （±5mm以内）さまざまな大きさや形状の荷物を、高速かつ安定してピックアンドプレイス（Pick and Place）します。
現場を把握する眼
- 形状や大きさがさまざまなオブジェクトをリアルタイムで認識します。
- 正確な位置を特定し、ロボットに視覚情報を与えます。
- （±0.5mm以内）一切の誤差も許されない高精度な組立自動化を実現します。
- （±5mm以内）さまざまな大きさや形状の荷物を、高速かつ安定してピックアンドプレイス（Pick and Place）します。
最適な行動を計算・学習
- 混在するさまざまな部品（Mixed SKU）も、AIが的確に分類・検出します。
- カメラとロボットの位置を自動で一致させるオートキャリブレーション（Auto-Calibration）を行います。
- 最適な移動経路を自ら見つけ出し、学習を続けながら進化します。
現場に最適化した精密な実行
- カメラが捉えた情報をもとに、ロボットの動きをリアルタイムで補正します。
- 作業環境や物体の形状にぴったり合う、カスタムメイドのロボットハンド（グリッパー）を設計いたします。
現場適用事例
AIVEXは、自動車、バッテリー、精密部品、物流などさまざまな製造現場で検査の自動化と品質改善の事例を生み出してきました。 実際の工程条件と運用データに基づく適用結果をご確認ください。
![[AI Robotics Field Notes (2)] What Role Should Reinforcement Learning Play in Robots?](/uploads/5cd9554c-cdd5-496f-9f8d-bc3448035c59.png)
[AI Robotics Field Notes (2)] What Role Should Reinforcement Learning Play in Robots?
Reinforcement learning once looked like the algorithm that would build robot policies from start to finish. We now use it in a different role — not as the lead, but as the corrector. This post lays out why that role is the right one, and how AIVEX's AI Robotics group actually puts it to use.
2026.08.25
![[AI Robotics Field Notes (1)] The Difficulty of Robotic Automation Is Not Determined by Robot Specifications](/uploads/cc78de90-7d2c-4fb8-a690-d2529eb16ab1.png)
[AI Robotics Field Notes (1)] The Difficulty of Robotic Automation Is Not Determined by Robot Specifications
The difficulty of robotic automation is determined not by the robot's specifications, but by the degree of uncertainty inherent in the task. Even with the same six-axis robot arm, a task that repeatedly follows a predefined path is fundamentally different from one involving frequent physical contact. This article breaks down these differences into four levels.
2026.08.13
![[AI Inspection: Challenges in the Field (2)] Where Anomaly Detection Breaks When Trained Only on Normal Data](/uploads/692edf18-875a-4d0a-a2c2-c4696550c6b6.png)
[AI Inspection: Challenges in the Field (2)] Where Anomaly Detection Breaks When Trained Only on Normal Data
Unsupervised anomaly detection — training on normal data alone, no defect images required — looks flawless on benchmarks, yet breaks down in two places at once the moment production data comes in. Worse, the two failures are locked in a trade-off: fixing one makes the other worse. This post is about where to start untangling that.
2026.08.05
導入の単位や運用条件が 気になりますか？
よくあるご質問をご確認ください
Q.既に使用中のロボットや設備と互換性はありますか？
はい、互換性があります。AIVotは特定のロボットブランドやハードウェアに依存しないハードウェア独立的（Hardware-Agnostic）な構造で設計されています。KUKA、Doosan、Yaskawa、Hyundai、ニューロメカなど、産業現場の主要なロボットメーカーおよび既存設備との円滑な連携を完全にサポートします。
Q.現場に振動があったり、部品位置のばらつきが生じても作業は可能ですか？
はい、可能です。AIVotは、現場の振動や部品位置の微細なばらつきなど、作業環境の変化をリアルタイムで検知し、ロボットの動作を自ら補正する適応型自律制御（Adaptive Autonomy）技術をサポートしており、安定した作業を保証します。
Q.対象物に合わせたグリッパーのカスタマイズが可能ですか？
はい、カスタム設計が可能です。対象物固有の形状、材質、重量を精密に分析し、真空、磁力、機械式など最も適した形態のグリッパーをカスタマイズします。また、多品種混流生産に対応するため、多目的に活用可能な交換型ハンド（Tool Changer）システムも適用できます。
Q.外乱光や現場の照明変化にも安定して動作しますか？
はい、環境変化に対して堅牢に動作します。独自の遮光構造と専用の光学ソリューションを適用して外部からの外乱光の流入を効果的に遮断し、周辺の照明環境に変動が生じても一貫した性能を維持できるよう堅牢性（Robustness）を確保しています。
Q.扱いにくい対象物（反射体、有・無光沢、透明、表面変動、類似個体など）も正確に認識できますか？
はい、可能です。対象物の扱いにくい表面特性に合わせて、同軸、ドーム、構造化照明など最適な照明およびカメラのセットアップを選定します。一般的なビジョンでは区別が難しい類似個体や表面変動の条件も、ディープラーニングベースの認識アルゴリズムを活用して正確に分類し対応します。