Work/Blog

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 

【研究室メンバー募集/大学院進学】キャンパスの壁に、AIが住みはじめます。

― 学内AIエージェント(音声対話・LINE対話)プロジェクト「mall+」

「ねえ、しりとりしよう」
壁に向かってそう話しかけると、AIが答えてくれる。
そんな光景見たくないですか?

■ はじまりはセレンディピティモールから
情報データ科学研究科・八塚先生の主導により、離れたキャンパス同士をシームレスにつなぐ遠隔コミュニケーション環境「セレンディピティモール」を活用した合同ゼミが動き始めました。

佐藤研ではその中で、セレンディピティモールを「ただつながる場所」から「人と人、人とAIが自然に出会い、話し、遊べる場所」へと拡張するプロジェクト mall+(モールプラス) を進めています。

■ すでに動いているもの
研究室では現在、LLM(大規模言語モデル)で動く無料メッセージアプリ「LINE」の研究室紹介BOTを運用しています。研究室/学内に関するちょっとした質問から言葉遊びまで、なかなか器用にこなしてくれます。

そしてこの対話AIをセレンディピティモールに接続すると、テキストだけでなく音声で会話することも可能になります。仮実装の段階ですが、音声でのしりとりゲームが成立することをすでに確認しています。

スマホの中のAIと、空間に溶け込んだ大型設備のAI。同じ「頭脳」でも、居場所が変われば人との関わり方はまったく変わります。ここに、まだ誰も深く掘っていない研究の余地があります。

■ たとえば、こんなテーマが考えられます
大規模な空間設備×AIエージェントという組み合わせは、アイデア次第でいくらでも広がります。

•    キャンパス案内AI:「〇〇先生の研究室ってどこ?」「今日の学食は?」に、その場で声で答えてくれる学内コンシェルジュ
•    出会いのきっかけを作るAI:別キャンパスの学生同士の共通点を見つけて、さりげなく話題を振る“セレンディピティの仕掛け人”
•    ゼミ・会議のファシリテーターAI:会話を文字起こし・要約し、議論が止まったときにそっと問いを投げかける進行役
•    遊びとしての対話:しりとり、クイズ、謎解きなど、人が思わず立ち止まって話しかけたくなるインタラクション設計
•    人はAIにどう話しかけるのか:声とテキスト、個人の端末と公共空間で、人の振る舞いや心理がどう変わるかを調べるHCI研究

もちろん、これ以外のアイデアも大歓迎です。「こんなことできたら面白くない?」から研究は始まります。

■ こんな人を探しています
• LLMや生成AIを「使う側」から「組み込む側」になってみたい人
• 音声認識・音声合成・対話システムに興味がある人
• プログラミングは得意じゃないけど、面白い体験のアイデアなら出せる人
• 人とテクノロジーの関わり方そのものに関心がある人

やりたいことが多すぎて、現状の佐藤研メンバーだけでは手が足りません。
完成されたプロジェクトに参加するのではなく、まだ形になっていない研究を、一緒に形にしていく段階です。だからこそ、あなたのアイデアや手がそのまま成果になります。ぜひ本研究室への大学院進学をご一考ください!

少しでも気になった方は、気軽にご連絡ください。話を聞いてみるだけでも大丈夫です。

連絡先: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。​

JST-SPRING選抜学生主催の都市大総研セミナーに本研究室学生が講演参加しました

JST-SPRING選抜学生主催の総研セミナーとなります。本校では、野平博司教授が事業統括を務める「アジア大洋州地域の発展をリードするアントレプレナーシップ能力を備えたグローバル人材育成プログラム」が『次世代研究者挑戦的研究プログラム(JST-SPRING)』に採択されており、博士後期課程の学生を対象とした革新的な教育が進行しております。

本総研セミナーは、上記プログラムに選抜された学生による研究報告会と、異なる視点から自らの研究を他者に伝える「ブリッジトーク」を学ぶワークショップを兼ねて開催されました。本セミナーでは、専門分野の異なる教職員・学生と研究内容を共有するとともに、博士後期課程の学生や博士課程への進学を目指す学生に発表の機会が設けられ、分野を越えた意見交換や交流の場となりました。

本研究室からも学外で発表済みの研究成果を発表し、今後の研究の方向性について活発な議論が交わされました。

日時:2026年 10月21日(水) 13:40 – 17:10
場所 :世田谷キャンパス 10号館2階PBL 教室

本研究室学生の発表内容

 ⾼原 朗,“A Study on Local D_q and Local tau_q via Simulations Based on Scale-Free Network Models”
   関連する学会発表・論文:高原 朗, 佐藤圭浩, “マルチフラクタル解析における分配関数に着目した画素単位の寄与分析,” 2026年第12回画像関連学会連合会秋季大会 , 名古屋大学野依記念学術交流館, 2026年10月.

 ⾼橋 尚⽣,“Deep learning-based identification of causative genes in lissencephaly using 3D-MRI volumetric datasets”
   関連する学会発表・論文:Naoki Takahashi, Yoshihiro Sato, Mitsuhiro Kato, Atsuko Yamaguchi, “Deep learning-based identification of causative genes in lissencephaly using 3D-MRI volumetric datasets,” NeuroImage: Reports, Volume 6, Issue 3, 2026, 100375. https://doi.org/10.1016/j.ynirp.2026.100375
     

第24回「大学で楽しもう!!小学生・中学生のための『科学体験教室』」に本研究室が出展しました。

本研究室は、データサイエンスの技術を身近に感じれるように、科学体験教室への出展を行いました。今人気のVtuberアバターには、画像認識技術が使われている! どのように自分の顔とアバターの顔がいっしょに動くのか簡単に楽しむことができます。

出展名:「バーチャルアバター操作を体験しよう!! 君もVtuberに!」

対象学年 : 制限なし

参加人数 : 各回6名 随時参加可

所要時間 : 5分

実施場所 : 1号館地下 1BM教室

成果物 : なし

左:全身骨格検出による手足の動かせるアバター体験  右:顔検出による表情変化アバター体験

その他、本研究室に出展依頼がありましたら、ご連絡ください。

学事・地域連携課
https://www.tcu.ac.jp/contact/mail/chiiki.html

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

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

本研究室では、マルチフラクタル解析に関係する撮像組織の『前処理』、『マルチフラクタル解析処理』『構造分析』の受託研究を受け付けております。

フラクタル解析は、容量次元と呼ばれ構造の複雑度を定量的に評価する指標となります。
フラクタル解析を拡張した解析法がマルチフラクタル解析です。マルチフラクタル解析では、構造の複雑度からシャノンのエントロピーなどを算出することが可能であり、構造の密度について評価することが可能です。

本研究室では、『2次元画像のマルチフラクタル解析』、『3次元画像のマルチフラクタル解析』の技術を保有し、マルチフラクタル解析によって得られる次元の解釈に関する研究を進めております。

表面上や見た目上差が出にくい物体等ございましたら、マルチフラクタル解析によって差異を見いだせる可能性があります。
お気軽にお問い合わせください。

キーワード:マルチフラクタル解析、一般化次元D(q)、F(α)スペクトル、τ(q)、ミクロマクロ分析、構造分析、凝集体解析

マルチフラクタル解析を材料組織に応用した例が本学のプレスリリースに掲載されました。
機能性複合材料の組織を決定する画像解析技術を開発  ─ 低誘電損失材料や高熱伝導性材料の設計に貢献 ─|東京都市大学

※本研究は、東京都市大学重点推進研究の支援を頂いて進めております。

受託研究について、産学連携センターHPをご参照ください。
東京都市大学 CSAC 産官学交流センター

第7回 都市大研究プレゼンコンテスト(7th TCU R-PresCo)への参加(学部生部門最優秀賞受賞)

本研究室のプチゼミ所属学生が第7回 都市大研究プレゼンコンテスト 学部生部門に参加し最優秀賞を受賞しました。

発表者及び発表テーマ
●デザイン・データ科学部 2年 荒木颯/山城未莉果   「感情分析・姿勢分類・テキスト要約を通じたディスカッションの評価支援ツール」

https://www.csac.tcu.ac.jp/news/catetemp2_news_2024/2024-1119-0959-12.html

※プチゼミは、学部生3年生以下が所属する研究活動グループです。

第22回 大学で楽しもう!!小学生・中学生のための「科学体験教室」への出展

本研究室は、データサイエンスの技術を身近に感じれるように、科学体験教室への出展を行いました。単純な仕組みから現代技術を実感。スマホの認証システムである顔認証を、ボードコンピューターを使って、自分の顔写真を使って体験していきます! 顔のどの部分を判別に使った方がいいのか、みんなで試して・調べて・遊んでみましょう。

出展名:「ボードコンピューターを使って、スマホの認証を体感しよう!」

対象学年 : 小学校高学年(5・6年生) / 中学生(1~3年生)

参加人数 : 各回15名

所要時間 : 70分

開催時間 : ① 10:30~11:40 ②12:50~14:00 ③ 14:10~15:20

実施場所 : 1号館地下 1BM教室

成果物 : なし

その他、本研究室に出展依頼がありましたら、ご連絡ください。

学事・地域連携課
https://www.tcu.ac.jp/contact/mail/chiiki.html

第6回 都市大研究プレゼンコンテスト(6th TCU R-PresCo)への参加

本研究室のプチゼミ所属学生が第6回 都市大研究プレゼンコンテスト 学部生部門に参加しました。

発表者及び発表テーマ
●デザイン・データ科学部 1年 高原朗   Research of Estimation of Damaged AreasUsing Images in Disasters
●デザイン・データ科学部 1年 高橋尚生  デザイン画像からのwebページコード自動生成に向けたAIモデルの開発

※プチゼミは、学部生3年生以下が所属する研究活動グループです。