AIエージェントに関する受託研究・共同研究のご案内

「大規模なシステム開発の前に、まず小さく試してみたい」
そのようなお悩みをお持ちの企業・団体の皆さまと、AIエージェントに関する受託研究・共同研究を実施しています。

■研究室の取り組み
当研究室では、大規模言語モデル(LLM)を活用した対話型AIエージェントの研究・実装に取り組んでいます。
これまでに、無料メッセージアプリLINE上で動作する研究室紹介BOTを開発・運用しており、学内に関する質問への回答から言葉遊びまで、自然な対話を実現しています。また、学内の遠隔コミュニケーション環境「セレンディピティモール」と対話AIを連携させ、音声によるリアルタイム対話(しりとりゲーム等)の仮実装にも成功しています。
テキストと音声、個人の端末と空間設備。さまざまな「接点」でAIと人が関わる仕組みを、研究と実装の両面から追究しています。

■ 実装可能な領域
研究室の設備・知見を活かし、以下のような実装に対応可能です。
  • メッセージアプリ連携のAIエージェント:LINEやDiscordを窓口とした問い合わせ対応、社内ナレッジ検索、案内BOTなど
 • オンプレミス環境での音声対話アプリケーション:外部クラウドにデータを送らずに運用したいケースにも対応できる、音声認識・音声合成と対話AIを組み合わせたシステム
  • 空間・設備と連携したAIエージェント:施設案内、展示、受付など、人が集まる場所での対話インタラクション
 • ユーザー体験・利用者の振る舞いに関する評価・検証:AIを導入した際に人の行動や印象がどう変わるかの調査・分析
上記以外のテーマについても、お気軽にご相談ください。

■大学と連携するメリット
小規模かつ専門的な実装が可能です。
本格的なシステム開発の前段階として、概念実証(PoC)やプロトタイプの検証から取り組むことができます。
「まずは試してみて、効果を確かめたい」というご要望に適しています。
投資を抑えた研究開発が可能です。

大学との研究連携という形をとることで、一般的なシステム開発の外部委託と比べて費用を抑えた取り組みが可能です。
例えば、ソリューション導入や外部委託の場合、導入及び改良、保守でコストがかかります。大学の場合は1年間は1つの契約の元、金額の変更なく、導入や改良などの相談が可能となります。

■受託研究・共同研究の手続きについて
受託研究・共同研究の契約形態や手続きの詳細は、東京都市大学 産官学交流センター(CSAC)のホームページをご参照ください。
東京都市大学 CSAC 産官学交流センター

■お問い合わせ
「こんなことはできるか」「費用感を知りたい」といった段階のご相談も歓迎しています。
お気軽にお問い合わせください。

担当:佐藤 

情報データ科学研究科 設備「Serendipity mall (セレンディピティモール)」の活用 ~インターフェース編~

キャンパス間をシームレス接続する​遠隔コミュニケーション環境”Serendipity mall”の試作を進めています。
離れたキャンパスもシームレスにつながっていることで所属を超えたコミュニケーションを実現したりすることができ、それに関わる様々な機能付与を研究室によって実施しております。​​​

Serendipity mallの活用例として、研究室でインターフェースを作成しデモを実施しました。
デモ内容としましては、
  ①タッチ機能の活用(シャボン玉をタッチして割ることができる)
  ②会話した内容が文字起こしされ表示される想定の吹き出しを表示 ※実際の文字起こしは別のデモで実施しております。
となります。

以下、サンプル動画

本設備の活用やインターフェースの研究をやってみたいと思う学生さんがいましたら、ぜひ情報データ科学研究科への大学院進学をお勧めいたします。

※本設備「Serendipity mall」は、独立行政法人大学改革支援・学位授与機構​ 支援2:高度情報専門人材の確保に向けた機能強化に係る支援による大学院専用設備になります。​

マルチフラクタル解析による構造分析例(スポンジ構造の比較)

マルチフラクタル解析法は、複雑な形状の中に潜む「多様な秩序」や「構造の不均一性」を、数値として定量的に評価するための手法です。
本研究室では、画像解析の分野において、このマルチフラクタル解析を応用する研究を行っています。
ここでは、大小さまざまな気泡を含むスポンジ構造を対象に、マルチフラクタル解析を適用した事例を紹介します。この解析により、スポンジ内部の気泡分布の特徴や、構造の違いを明らかにすることができます。


図1 マルチフラクタル解析とは

通常のフラクタル解析では、「フラクタル次元 D」という単一の値によって、形の複雑さを表します。
しかし、自然界に存在する構造物(たとえばスポンジや多孔質材料)には、密な部分とスカスカな部分が入り混じるように、異なるスケールの特徴が共存しています。
このような構造をより詳細に捉えるために用いられるのが、重み付きのフラクタル次元 Dq(一般化次元)(図1)という考え方です。
Dq は、パラメータ q によって解析の焦点を変化させることができます:

q の値を変えながら Dq を求めていくことで、「構造のどの部分がどの程度複雑なのか」を多面的に評価することが可能となります。
特に、スポンジの気泡などの粒子のような形態をしているものにおいては、

  • q < 0 の場合:局所的な粒子同士のつながりや配置
  • q > 0 の場合:より大局的な粒子群のまとまりや関係性

を表しているといわれています。

また、特定の q 値には興味深い物理的意味があります。

  • q = 1 のときの D₁ は、エントロピーとの関連がある


図2 情報次元の説明

  • q = 2 のときの D₂ は、粒子間距離と関係している

このように、マルチフラクタル解析は、単一の数値では表しきれない粒子や粒子群の階層的な構造を、数値的に捉えるための強力な解析手法として利用されています。

また、この解析方法は機能性のある材料材料組織などの、構造と機能が密接に関連しているものに対しての適応が考えられています(下図)。

図3 D1情報化次元

スポンジの製造方法には、化学発泡剤をシリコーン内で発泡させることにより気泡を生成させる方法1,2(参考文献に動画があります)や、バルーンを作成し気泡を生成する方法など様々な方法があります。前者の方では、スポンジには汚れを取りやすやなど、様々な機能がありますがその機能を発現させる一つのことに、気泡のつながり方や、気泡の大きさにより、吸水性に影響します。一般に、穴の細かいスポンジに方が毛細管現象が起こりやすいため吸水力が上がるといわれています3。

ここからは、実際にスポンジに対してデータの取得を実施し、マルチフラクタル解析を実施した方法に関し説明していきます。

今回は、スポンジの構造を評価したいため、見た目の構造が異なる3つのスポンジ(A社のG、W社のP、M社のS)に対して解析を行います。


図4 右からA社のG、W社のP、M社のSのスポンジ写真

スポンジの内部構造を二次元画像として取得するために、簡易的な可視化実験を行いました。
具体的には、スポンジの表面に朱肉を塗布し、それを紙に押し当てることで、スポンジ内部の気泡構造を転写し、二次元的なパターンとして記録しました。


図5 学生が朱肉で構造を取得している様子

その方法により各スポンジに対して2サンプルずつ取得したものが、以下のようになります。


図6 朱肉による構造取得

見た目からも分かるように、G(A社のG)は、気泡が大きく粗く朱肉の色がついていることがわかると思いいます。一方で、S(M社のS)は、かなり細かく朱肉の色がついており、気泡が小さいことがわかるかと思います。P(W社のP)に関しては、その中間で、gに比べて細かい気泡であるが、Sに比べて粗い構造になっていることがわかるかと思います。

解析するために、先ほどの朱肉の画像を図7のように画像の前処理を行います。


図7 2値化処理

画像を正方形にトリミングを実施し、グレースケール化、その後、2値化を行います(グレースケールの状態でも解析はできますが、今回は微小の輝度の変化を取り除きたいため、2値化を実施しまた)。
それらの2値化画像を、2次元のマルチフラクタル解析を実施した結果が図8,9になります。


図8 q-Dqグラフ


図9 a(q)-F(a)グラフ

実際にスポンジ構造を解析した結果、q–Dqグラフは図8に示すように、それぞれのスポンジごとに異なる曲線を描くことが確認されました。
今回は解析結果の詳細な考察までは行いませんが、この結果から、マルチフラクタル解析によってスポンジの構造を定量的に評価できていること、さらにスポンジの目の粗さ(気泡の密度分布の違い)を数値として捉えられることが分かります。
また、参考として図9に示した a(q)–F(a) グラフでは、曲線が上に凸の形状を示しています。
この特徴は、対象の構造がフラクタル性を持つことを意味しており、スポンジの二次元構造にも自己相似的な特徴が存在していることを示唆しています。

今回は、スポンジ構造に対してマルチフラクタル解析を実施し、解析結果の詳細な考察までは行っていませんが、構造を定量的に評価できることを示しました。これを発展させると、この解析結果とスポンジの吸水率や吸音率などの物性値との関係性を検討することで、構造と機能の相関を明らかにできると考えられます。
さらに、粒子の凝集によって形成される材料組織や、気泡構造が性能に影響を与えるパン、炭などの多孔質構造にも応用可能です。また、マルチフラクタル解析は2次元構造だけでなく、3次元構造にも適用できる拡張性を有しています。
本解析手法や応用にご関心をお持ちの方は、ぜひお気軽にご連絡ください。

<マルチフラクタル解析に関する共同研究・受託研究について>
https://www.comm.tcu.ac.jp/mmip/?p=943

<学会発表>
高原 朗,佐藤 圭浩,3次元マルチフラクタル解析法に向けた2次元マルチフラクタル解析法の拡張手法の検証,第24回情報科学技術フォーラム
高原 朗・佐藤圭浩,マルチフラクタル解析法を用いたGray-Scottモデルの自己組織化パターン形成の評価,,2024年映像情報メディア学会冬季大会
<査読付き論文>
Sato, Y.; Mizukami, Y.; Takeda, M.; Okubo, K.; Kobayashi, R.; Munakata, F. Quantitative Evaluation of Morphological Characteristics of Self-Assembled Aggregates Using Multifractal Analysis. Physica A: Statistical Mechanics and its Applications 2021, 581, 126219, doi:https://doi.org/10.1016/j.physa.2021.126219.Sato, Y.; Munakata, F. Morphological Characteristics of Self-Assembled Aggregate Textures Using Multifractal Analysis: Interpretation of Multifractal τ(Q) Using Simulations. Physica A: Statistical Mechanics and its Applications2022, 603, 127771, doi:https://doi.org/10.1016/j.physa.2022.127771.


参考資料
[1] https://hirayama-ce.com/commentary/silicone2/
[2] https://kikulon-pro.com/washing_tool/sponge_foaming.html
[3] https://www.tv-osaka.co.jp/ip4/muchami_smp/housou2015/1235514_9347.html