Intelligence for robots
that work in the field.

仮想で決め、現場で育てる

RobotBrainは、仮想空間で構成と制御を決めるSpaceBrainと、現場で動くロボットをつなぐ、接続・運用・学習の基盤です。仮想空間で検証した構成を実機へ渡し（Sim to Real）、現場の実測データを仮想空間へ戻す（Real to Sim）。この往復を回し続けることで、ロボットは現場で使うほど賢くなります。

Engine

仮想で決める

空間を生成し、物理・学習・評価で構成と制御を決める

• 3D空間の自動生成
  衛星画像・BIM・点群から
• 物理シミュレーション
  ロボットと現場の相互作用を再現
• シナリオ・比較
  通常系と異常系を事前に計算
• 画面・配信
  役割別の画面・映像

OUT検証済みの構成・制御方策・根拠

SpaceBrain カタログ

Sim to Real

構成・制御・安全条件

Real to Sim

実測ログ・差分・失敗

Extension

現場で使い、育てる

機体をつなぎ、4つの用途で現場のロボットに使う

• 導入前検証
  入れる前に、仮想で確かめる
• 運用最適化
  動かしながら、計画を更新する
• 学習データ
  AIに、現場を学ばせる
• 訓練
  人を、仮想空間で育てる

OUT現場運用・実測データ・改善ログ

共通基盤 案件ごとのID・共通データモデル・アセット管理で、仮想と現場の成果物を一つの版管理に束ねます。

差がつくのは、現場への実装と運用

ロボットを買うだけでは、現場は変わりません。現場に入れて動かし、運用まで回せるかで成果が決まります。RobotBrainは、屋内の工場・倉庫から、屋外の施設・港湾・街区まで、ロボットの実装と運用を仕組みとして支えます。

競争力の源泉は、ロボットの機体ではなく、現場に実装し、運用まで回せるかにあります。

4つの用途で、現場のロボットに使う

導入前の検証から、日々の運用、AIの学習、人の訓練まで。同じ仮想空間と同じデータを、4つの用途に使います。

仮想で試し、現場で動かし、実績から学ぶ

RobotBrainは2つのループで動きます。導入前は、仮想空間で構成と制御を繰り返し改善し、合格したものだけを実機へ。導入後は、現場の実績を毎日モデルへ戻し、次の計画に活かします。

1. Evening
   データを締める

   走行・停止・作業・異常・ヒヤリハットを集め、時刻・位置・IDで統合する。

2. Night
   差分を確認

   欠損や現場の変更を確かめ、現場責任者が反映を承認する。

   人の承認
3. Night
   モデルを更新

   施設・作業条件、失敗シナリオ、ロボットの設定を更新し、版を残す。

4. Night
   再検証

   標準・ピーク・障害時の条件で再実行し、改善案とリスクを抽出する。

5. Morning
   改善案を配信

   推奨の動線・配置・手順・注意点を、現場とロボットへ届ける。

6. Day
   実行と記録

   ロボットが計画を実行し、採用・却下の理由と実績を記録する。

人が判断するのは差分の承認だけ。ほかは自動で回り、翌日のサイクルへつながります。

製品カタログ

センサーやロボットは、現場に置いてみるまで「どこが見えないか」「どこまで行けるか」「何台要るか」がわかりません。実在の街や施設を再現した3D空間に製品を置き、導入前に効果と課題を確かめるデモを紹介します。カードを選ぶと、デモの映像を再生できます。

映像はブラウザ上で動く簡易版のデモです。表示している現場名・機種名・数値は、すべて架空のサンプルです。

0:12

センサーカメラ

01

Coverage Twin

センサー・カメラ配置検証

課題死角による事故と、付けすぎによる費用増

倉庫や工場で、固定センサー（LiDAR・AIカメラ）をどこに何台置けば死角が最小になるかを、実際にレイを飛ばした結果で比べます。センサーを1台外したときに増える死角や、配置案ごとの費用も同じ画面で確かめられます。

0:14

移動ロボット施設・インフラ連携

02

Fleet Sizer

倉庫の混在フリート検証

課題AMRの台数・充電器の置き場所・人との干渉

AMR・自動フォークリフト・作業者が同時に動く倉庫で、何台あれば出荷に間に合うか、どこが詰まるかを確かめます。台数を変えると、処理量のカーブと渋滞箇所がその場で再計算されます。

0:12

運営・サービス施設・インフラ連携

03

Vertical Delivery Twin

館内配送ロボットとエレベーター・ゲートの連携

課題階の移動での待ちと、人との取り合い

病院の配送ロボットがエレベーター・ゲート・自動ドアをどう使えば、配送件数と来院者の待ち時間を両立できるかを比べます。運行ルールや連携方式を切り替えて、1日の配送件数と待ち時間を評価します。

0:14

移動ロボット空中ロボットカメラ

04

Sat-to-Patrol

衛星とロボットによるインフラ点検

課題点検員の不足と、優先度の根拠の弱さ

衛星InSARで測った地盤の沈下速度から点検すべき場所を抜き出し、四足ロボット・ドローン・点検員の巡回計画と撮影品質を事前に評価します。しきい値を変えると、優先エリアと点検ルートが組み直されます。

0:14

カメラセンサー

05

SDG Factory

日本の現場向け合成データ

課題日本の現場向けの学習データが足りない

建設現場のデジタルツインで、照明・天候・資材・人物を変えながら、実際のカメラの画角で学習用の画像とラベルを自動で作ります。カメラの取付高さや俯角を変えると、期待できる認識精度も同時に変わります。

0:13

運営・サービス

06

Remote Ops Dojo

遠隔オペレーター訓練

課題実機では異常を起こして訓練できない

夜間の商業施設で、警備・清掃ロボットに転倒者や不審物などのイベントを差し込み、遠隔オペレーターの初動を採点します。1人で何台までロボットを見られるかも示します。

0:14

移動ロボット空中ロボット施設・インフラ連携

07

Disaster Reach

災害時のロボット投入計画

課題災害の初動で、どの機体がどこまで入れるかわからない

地震と河川氾濫のあとの72時間を3D都市モデルの上で進め、UGVとドローンが届く範囲と、通信が届く範囲を時間ごとに示します。中継器を増やすと、未到達の地点がどれだけ減るかも確かめられます。

Physics Lab

物理実験

ロボットが荷物を受け取る・吸着して運ぶ・載せて止まる工程を、論文を参考にした縮約物理モデルで動かします。条件を変えたときに工程が成り立つかどうかを、力の釣り合いから確かめる実験です。

論文の制御器や学習済みモデルを再現したものではなく、実機での検証もしていません。パラメーターはすべて合成値です。

0:14

アーム

01

CatchLab

受け渡し工程の衝撃検証

課題受け取るタイミングや可動距離が変わると、衝撃を抑えられるか

同じ荷物・同じ接触材で、受け皿を止めて受ける場合と、落下に速度を合わせて受ける場合を比べ、最大接触力・反発・可動距離を確かめます。

0:14

アーム

02

SealLab

吸着搬送工程の保持検証

課題偏荷重や吸着力の低下があると、どの吸盤から保持限界に近づくか

4 つの吸盤で箱を吸着して運ぶとき、重心と加速度で吸盤ごとの負担がどう変わるかを、速度優先の計画と保持余裕を考えた計画で比べます。

0:12

移動ロボットアーム

03

TipLab

資材搬送工程の制動検証

課題荷物の高さ・張り出し・床の摩擦が変わると、止まれるか

荷物を持つ移動マニピュレータが坂道で止まるとき、接地荷重がどう変わるかを示し、転倒と滑りのどちらが先に起きるかを物理で切り分けます。