Contact
Concept & Catalog

Intelligence for robots
that work in the field.

現場で動くロボットの頭脳。

RobotBrainは、SpaceBrainの空間知能を、現場で動くロボットまで拡張する基盤です。仮想空間で決めた構成と制御を実機へ渡し、現場の実測データで空間と構成を更新する。ロボットの導入から運用・学習までを、一つの仕組みでつなぎます。

コンセプトを見る 製品カタログ
Project Filmロボットの現場実装を、仮想で決めて、現場で育てる。1:45 ／ 音声あり
01 — Concept

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。

SPACEBRAINEngine

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
ROBOTBRAINExtension

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。
02 — Evolution

ロボットが働ける空間へ

位置と形状に、物理・観測・学習・評価を重ねる。デジタルツインを、ロボットを導入前に試せる「空間知能」へと進化させます。

2DGIS

位置と属性を持つ地図

現場の位置と属性を網羅的に持つ、参照のための基盤。AIの進化により、あらゆる分析の土台として使われるようになりました。

次元
x, y
価値
データの網羅性
都市を上空から見た2Dの地図表現
3DDigital Twin

形状と外観を持つデジタルツイン

建物や設備の形状と見た目を精緻に再現するモデル。AIの進化により、生成と更新が効率化されています。

次元
x, y, z
価値
モデルの精度
高層ビル群を再現した3Dの都市モデル
4DSpatial Intelligence

AIと物理で、相互作用を生む空間知能

時間の軸と物理法則を加え、ロボットと現場の相互作用を再現する空間。ロボットを入れる前に試し、評価と制御までを担う、導入の土台になります。AIが進化するほど、強くなります。

次元
x, y, z, t
価値
評価・制御
浸水した街路をセンサーで確認しながら迂回する四足歩行ロボット

POINT2D・3Dは現場を映す地図。4Dの空間知能は、ロボットを入れる前に試し、評価・制御までを担う導入の土台です。

03 — Why RobotBrain

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。

01

現場生産性

Productivity
これまで

作業単位の自動化では、待ち・干渉・再調整が残る

RobotBrain

人・ロボット・設備を跨いで、現場全体を再計画する

02

熟練者依存

Expertise
これまで

異常時の判断や段取り変更が、経験者に集中する

RobotBrain

シミュレーションで複数案を比較し、判断を標準化する

03

ロボット投資効率

Investment
これまで

メーカー別の個別導入で、接続・運用の調整が都度発生する

RobotBrain

共通の仕組みで機種をまとめ、横展開の費用を下げる

04

データ資産化

Data Assets
これまで

成功・失敗の知見が、現場・案件ごとに散在して消える

RobotBrain

運用の記録を資産として蓄積し、次の現場・次の工程で再利用する

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。

04 — Use Cases

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。

01
Pre-deployment

導入前検証

入れる前に、仮想で確かめる。

ロボットや車両の経路、干渉、必要な台数、充電や設備との連携を、導入前に仮想空間で確認します。

経路干渉台数設備連携
02
Operations

運用最適化

動かしながら、計画を更新する。

複数機種のロボットをまとめて管理し、実績をもとに日々の計画や点検ルートを見直します。

フリート管理日次の再計画点検ルート
03
Training Data

学習データ

AIに、現場を学ばせる。

現場を再現した合成データや模倣学習で、ロボットのAIを日本の現場環境に適応させます。

合成データ模倣学習VLA
04
Operator Training

訓練

人を、仮想空間で育てる。

遠隔オペレーターの操作や異常時の対応、新任者の教育を、実機を止めることなく仮想空間で行います。

遠隔操作異常時対応新任者教育
05 — Architecture

共通基盤に、現場データを載せる

中央の共通基盤は、産業を問わず同じです。産業ごとのデータ源を差し替え、4つの用途で現場のロボットに使います。

Data Sources産業ごとに差し替え
衛星・航空画像
現地測量なしで広域の3Dを生成
施設・空間データ
BIM／CAD・3D都市モデル・点群・図面
現場の稼働データ
IoT・人流・設備・ロボット・WMS／PLC
外部シミュレーター
水理・地震・気象・交通・電波
業務・制約
工程・運用ルール・KPI・法規
Platform産業を問わず共通
ロボット導入の共通基盤

時刻・位置・設備・ロボット・作業を一つのデータモデルに統合し、空間の生成からシミュレーション、ロボットとの接続・運用までを担います。

共通データモデル3D空間の自動生成物理シミュレーションシナリオ・比較画面・配信学習ループ
Robot Connectivity機種の違いを吸収し、4つの用途を現場の機体で実行する
Use Cases4つの用途
01
導入前検証
経路・干渉・台数・設備連携を仮想で確認
02
運用最適化
フリート管理・日次の再計画・点検ルート
03
学習データ
合成データ・模倣学習・現場環境への適応
04
訓練
遠隔オペレーター・異常時対応・新任者教育
Principle

既存のシステムは置き換えず、標準のデータモデルとAPIでつなぎます。専門的なモデルは外部のライブラリとして差し替えられるため、現場ごとの条件に合わせて柔軟に構成できます。

06 — How It Works

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。

Loop 01 — Deployment Design

導入設計ループ

現場の課題を、空間・機体・訓練・評価へ落とし込み、導入前にロボットの構成と制御を反復して更新します。

01空間を理解

通路・棚・段差・作業地点から、ロボットが守るべき制約をつくる。

02仕事を分解

認識・把持・搬送・受け渡しなど、作業を単位に分ける。

03構成を選択

機種・台数・配置・役割の案をつくる。

04訓練・実行

仮想空間で現場を再現し、ロボットの制御を学習させる。

05結果を評価

処理量・完了率・衝突・待ち時間を測る。

06構成を更新

制御・配置・台数・分担を変えて、再び試す。

合格した構成と制御だけを、検証と承認を経て、RobotBrainで実機へ渡します。
Loop 02 — Field Learning

現場学習ループ

実機の走行・作業・異常を夜のうちにモデルへ反映し、翌朝には改善案が現場とロボットに届く。現場の実績を、翌日の計画に戻します。

  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。

Approach

導入の進め方

小さく仮想で試し、実環境で検証し、うまくいった型を横展開する。段階ごとに確かめる問いを変え、条件を満たしたら次へ進みます。

STEP 01
空間を再現し、計画を比較

計画の成立性を仮想空間で検証する

「この配置・経路で通れるか」

STEP 02
ロボットの仮想試運転

状況を認識し、動作を検証する

「見て、止まり、避けられるか」

STEP 03
現場で実行し、改善

実機で実証し、日次で学習・改善する

「現実でも成り立ち、良くなるか」

STEP 04
型を横展開

他の拠点・施設・産業へ広げる

「別の現場でも機能するか」

07 — Catalog

製品カタログ

RobotBrainが対象とするロボットとデバイスの8つの領域です。機種ごとに、対応タスク・適用工程・接続方式・シミュレーションモデルを揃えて扱い、現場に合った組み合わせを仮想空間で比較できるようにします。

Mobile · UGV / AMR / Legged

移動ロボット

AMR（自律走行搬送）AGV自動フォークリフトクローラ型／車輪型UGV四足歩行ロボットヒューマノイド
Aerial · UAV

空中ロボット

空撮測量ドローンLiDAR搭載ドローン屋内点検ドローン係留ドローンドローンポート
Manipulator

アーム

協働ロボットアーム産業用アーム移動マニピュレーター（AMR＋アーム）遠隔操作アーム
Construction

施工・建機

墨出しロボット鉄筋結束ロボット内装施工ロボット自動溶接ロボット自動／遠隔操作建機自動測量機
Service Robot

運営・サービス

清掃ロボット警備巡回ロボット点検ロボット案内ロボット館内配送ロボットアバター型ロボット
Sensor

センサー

3D LiDAR深度カメラ（RGB-D）GNSS／RTKUWB／BLEビーコンRFID／NFC環境センサー構造／荷重センサー
Camera

カメラ

固定AIカメラ360°カメラサーマルカメラPTZカメラウェアラブルカメラマルチスペクトルカメラ
Infrastructure

施設・インフラ連携

ローカル5G／Wi-FiエッジGPUサーバ充電ステーションドア／エレベーター／ゲート連携施設管理システム連携
Consultation

機種の選定から、導入前の仮想検証、複数機種の組み合わせまで。対象の現場に合わせてご提案します。

導入を相談する
Catalog Specification

シミュレーションで使える機種データ

仕様表だけでなく、3D・物理モデルと接続方式まで揃えて機種を登録します。仮想空間での検証から実機の運用まで、同じ機種データを使います。

01基本

製品名・メーカー・カテゴリ・対応タスク・適用工程・屋内外

施設・工程・タスクの3軸で候補を絞る

02性能

寸法・重量・可搬重量・速度・稼働時間・段差・傾斜・防塵防水

通路幅・段差・積載が成り立つかを判定する

03知覚・接続

搭載センサー・測位方式・外部連携の方式・通信方式

機種の違いを吸収し、混在での運用を可能にする

04シミュレーション

3Dモデル・物理モデル・センサーモデル・デジタルツインへの適合度

仮想空間で試運転し、実機の前に課題を洗い出す

05安全・運用

安全規格・非常停止・人との共存・導入形態・保守

導入可否の判断と、運用ルールづくりに使う

08 — Contact

導入のご相談を受け付けています

対象の現場、検討中の機種、解決したい課題をお聞かせください。仮想空間での導入前検証から、現場での運用・改善まで、個別にご案内します。

製品カタログ お問い合わせ