AIVEX、世界三大AI学会「ICML 2026」に論文採択、産業用フィジカルAI実現の原天技術における競争力を立証

2026年6月12日、ソウル – 産業用フィジカルAI企業のAIVEXは、自社のディープラーニング・リサーチグループの研究論文が、人工知能分野で世界最高峰の権威を誇る学会ICML(International Conference on Machine Learning) 2026に採択されたと発表した。

ICMLは、NeurIPS(Neural Information Processing Systems)、ICLR(International Conference on Learning Representations)と並ぶ世界三大AI学会の一つに数えられ、機械学習分野の最新の研究成果が発表される世界最高水準の学術の舞台である。

今回採択された論文は「Memory-Distilled Selection for Noise-Robust Anomaly Detection(汚染されたデータに強い異常検知のためのメモリ蒸留選択手法)」であり、実際の産業現場で頻繁に発生する汚染された学習データ(noisy data)環境においても安定して欠陥を検出できる、新たな異常検知(anomaly detection)技術を提案している。

製造現場では完全にクリーンな学習データを確保することが難しく、これは産業用AIの導入過程において解決すべき重要な課題とされてきた。AIVEXのディープラーニング・リサーチグループは、これを解決するため、学習データに正解ラベルのない不良(ノイズ)サンプルが混在していても、画像およびピクセルレベルで安定して欠陥を検出するMeDS(Memory-Distilled Selection)アルゴリズムを開発した。

特に、全特徴データの一部をランダムに抽出して多数のメモリアンサンブルを構成する、サブサンプリングベースのフィルタリング手法を導入した。研究チームは、この過程で生じる希薄性がローパスフィルタ(low-pass filter)としての役割を果たし、高い水準のノイズが存在する環境においても正常パターンを効果的に選別できることを数学的に証明した。

また、フィルタリングされたメモリスコアを学生(student)ネットワークに伝達する知識蒸留(knowledge distillation)の過程では、ニューラルネットワークが単純なパターンを先に学習する「早期学習バイアス(early-learning bias)」を活用した。これにより、ノイズの過学習(noise overfitting)を防ぎ、正常パターンを判別する性能を大幅に向上させた。

さらに、モデルが蒸留されたモデルのスコアをもとに、クリーンなサンプルのみを自ら選択して学習する(self-selection)過程を繰り返すことで、ピクセル単位の精密な欠陥位置検出を可能にした。これは、産業用ビジョンAI分野の代表的なベンチマークデータセットであるMVTecAD、VisA、Real-IADなどにおいて、従来の最高水準(state-of-the-art)を上回る性能を記録し、高い堅牢性と実用性を実証した。

AIVEXのソン・ミンス代表は「今回のICML 2026での論文採択は、AIVEXのAI原天技術の研究力が世界的な水準で認められたという点で大きな意義がある」と述べ、「今後も製造現場の実際の課題を解決できる産業用フィジカルAI技術の開発と研究を継続し、グローバル競争力を強化していく」と語った。

一方、2020年に設立されたAIVEXは、AIビジョン検査、AIロボティクス、MLOps、データプラットフォームを基盤に、製造現場向けの産業用AIプラットフォームを提供している。全従業員の80%以上がエンジニア人材で構成されており、継続的な研究開発を通じて世界水準の技術競争力を確保している。国内外で登録特許53件を含む、計約80件の特許ポートフォリオを保有している。