通信の壁を越えるAI革命：アトラックラボが示す「現場完結型フィジカルAI」が切り拓く未来

NVIDIA DGX Spark上に「AT-SYNAPSE」のローカルAI環境を構築

株式会社アトラックラボは、NVIDIAのパーソナルAIスーパーコンピューター「NVIDIA DGX Spark」上に、同社が開発するAI自律制御システム「AT-SYNAPSE」を稼働させるローカルLLM（大規模言語モデル）／VLM（視覚言語モデル）環境を構築し、動作検証を実施しました。この取り組みにより、映像や現場データを外部へ送信せず、運用時にクラウドAIやインターネット接続へ依存しない「オフライン対応フィジカルAI」が実現されます。

これまで、建設現場、山間部、地下施設、災害現場など、通信が不安定な場所や、映像・現場データを外部に送信できない場所では、高性能AIの導入に制約がありました。アトラックラボは、このローカルAI環境によって、そうした制約の解消を目指しています。NVIDIA DGX Spark上でAT-SYNAPSEのLLM／VLMをローカルで実行することで、映像認識から行動判断までを現場内で完結できるようになります。

この環境では、ロボットが取得したカメラ映像や深度情報を外部のクラウドAIサービスへ送信することなく、画像認識、周囲状況の理解、行動計画、推論、音声応答といった処理をローカルで実行可能です。モデル導入後の通常運用では、クラウドAIやインターネット接続に依存せずにAI処理を継続できるため、機密情報を扱う施設や通信環境が不安定な現場でも利用しやすいフィジカルAI基盤となります。

開発の背景とシステム構成

AT-SYNAPSEは、LLMをロボットの「頭脳」として活用するAI自律制御システムです。音声やテキストによる指示を理解し、カメラや3D LiDAR（ライダー）などから取得した情報をもとに周囲の状況を認識し、自律移動、障害物回避、安全停止などの行動を判断します。

従来、ロボットから高性能なLLMやVLMを利用する場合、カメラ映像やセンサー情報をインターネット経由でクラウドAIへ送信する構成が一般的でした。しかし、フィールドロボットが必要とされる現場には、通信回線を安定して利用できない場所や、施設内部の映像、設備情報、位置情報などを外部サービスへ送信できない環境が多く存在します。また、クラウドAIの利用には、通信遅延、サービスの障害や利用制限、API仕様の変更、利用量に応じた継続的な費用といった課題がありました。

そこでアトラックラボは、NVIDIA DGX Spark上でオープンなLLM／VLMを動作させ、AT-SYNAPSEからローカルで利用できる環境を構築しました。本環境では、NVIDIA DGX SparkをAT-SYNAPSEの「Brain on Desktop」として使用し、LLM／VLMの実行基盤にはOllamaを採用。今回の検証では、MoE（Mixture of Experts）方式の「Qwen3.6 35B-A3B」（Ollamaモデル名：qwen3.6:35b）を使用しました。

ロボットとNVIDIA DGX SparkはROS 2およびMCP（Model Context Protocol）で接続され、ローカルLLM／VLMが以下の処理を担います。

• ロボットのカメラ画像の取得

• RGB画像と深度情報の統合理解

• 画像内の物体や周囲状況の認識

• 音声またはテキストによる指示の理解

• 状況に応じた行動の計画・推論

• ROS 2ツールの選択および呼び出し

• ロボットへの移動・停止・ナビゲーション指示

• 音声による応答

• 認識内容、判断理由、実行結果のログ配信

これらの処理内容は「AT-SYNAPSE Web Console」に表示され、ロボットの認識内容や判断理由をリアルタイムで確認できます。

動作検証の結果と新機能

動作検証において、ロボットの計画・推論処理では毎秒64.3トークンの生成速度を記録しました。ローカル環境でありながら、自然言語による対話、状況判断、ROS 2ツールの選択などを実用的な速度で処理できることが確認されています。

VLMによる対象物の認識では、RealSenseカメラから取得した画像をQwen3.6 35B-A3Bへ入力し、画像内の対象物の検出、特定、内容の説明を検証しました。その結果、約4.5秒で画像内の対象物を検出し、正しく回答。回答生成速度は毎秒約64トークンでした。これは単に画像全体を説明するだけでなく、「何があるのか」「対象物がどこにあるのか」を理解して回答できるため、ロボットによる探索、点検、対象物への接近などへの応用が期待されます。

AT-SYNAPSEには、RealSenseカメラのRGB画像とDepth情報を統合理解する新機能も追加されました。これにより、映像に写っている物体の種類だけでなく、対象物までの距離や位置関係も理解できるようになり、以下のような処理が可能になります。

• 周囲に存在する物体の認識

• 対象物までの距離の把握

• 最も近い障害物の特定

• 指定した対象物の位置確認

• 移動可能な空間の判断

• 対象物へ接近するための行動計画

• 障害物を考慮した安全停止

静止画像だけでなく、ライブカメラから継続的に取得するRGB画像と深度情報を利用できるため、変化する実環境を認識しながら行動するフィールドロボットへの応用が可能です。

ローカル実行の主なメリットとNVIDIA DGX Sparkの活用

LLM／VLMをローカルで実行することには、複数のメリットがあります。

• さまざまな現場で、ロボットは考え続けられる
  工場、研究施設、インフラ設備、公共施設など、データを外部へ送信することが難しい環境でも、組織の管理下でLLM／VLMを利用できます。

• 通信が不安定な場所でも、AIが動き続ける
  モデルをあらかじめ導入しておくことで、通常運用時の推論処理をローカルで完結できます。インターネット接続が利用できない、または不安定な場所でも、ロボットの認識・判断機能を継続できます。

• 現場の稼働が、外部サービスに左右されにくい
  推論処理をローカルで実行するため、クラウドAIサービスの障害やメンテナンス、利用制限などによってロボットが動作できなくなるリスクを軽減します。

• 現場に必要な応答性能を設計しやすい
  映像やセンサーデータを外部サーバーとの間で送受信しないため、外部通信回線の混雑や遅延による影響を抑えられます。一定のハードウェアとモデルを使用することで、用途に必要な応答時間を事前に検証し、管理しやすくなります。

• AIの利用量が増えても、APIコストを予測しやすい
  推論処理を自社環境で実行するため、クラウドAIの利用量に応じて増加するAPI費用を抑えられます。AIの利用頻度が高いロボット用途でも、運用コストを見通しやすくなります。

• 用途に合ったオープンモデルを柔軟に選べる
  Ollamaを利用し、必要な精度、応答速度、用途に応じて、対応する複数のオープンLLM／VLMを切り替えられます。特定のクラウドAIや単一のモデルに固定されず、今後登場する新しいモデルも評価・導入しやすい構成です。

NVIDIA DGX Sparkは、CPUとGPUを統合した「NVIDIA GB10 Grace Blackwell Superchip」と128GBのユニファイドメモリを搭載した、コンパクトなAIコンピューターです。これをロボットの頭脳として配置することで、ロボット本体に大型のGPUコンピューターを搭載することなく、大規模なLLM／VLMを利用可能になります。これにより、ロボット本体の重量、消費電力、搭載スペースを抑えながら、高度な画像認識や推論処理を現場の近くで実行できます。

想定される活用分野と今後の展開

この技術は、以下のような分野での活用が想定されています。

• 建設現場やインフラ設備の点検ロボット

• 災害現場や危険区域へ進入する調査ロボット

• 機密情報を扱う研究施設内のロボット

• 工場や物流倉庫内の搬送・巡回ロボット

• 農業・林業向けフィールドロボット

• 医療施設や公共施設の案内・巡回ロボット

• 通信環境が限定される地域で稼働するUAV（ドローン）、UGV（無人車両）、USV（無人船舶）

• ローカルLLM／VLMを利用したロボット研究・教育

アトラックラボは、NVIDIA DGX SparkをAT-SYNAPSE専用機としてだけでなく、ローカルAIの共通基盤として活用する検証も進めています。Open WebUIやComfyUIといったオープンソースシステムについても検証を進めており、社内AIアシスタントや画像・テキスト・動画生成ワークフローへの応用可能性を探っています。

今後、アトラックラボはQwen3.6 35B-A3Bを含むオープンLLM／VLMについて、量子化方式、コンテキスト長、画像解像度、推論速度などの比較検証を進める予定です。また、RGB画像とDepth情報を活用した対象物までの距離推定、物体探索、障害物回避、移動計画など、認識結果を実際のロボット行動へ結び付ける機能を強化します。自社開発のフィールドロボット「AT-CART8」をはじめ、ドローン、無人車両、無人船舶へ順次展開し、クラウドAIやインターネット接続に依存しないローカルフィジカルAIの社会実装を進めていくとしています。

AI Workstyle Lab編集部コメント

今回の発表は、建設現場や災害対応、物流倉庫といった、これまで通信環境の制約から高性能AIの導入が難しかった分野に大きなビジネスチャンスをもたらします。現場でデータ処理が完結する「オフライン対応フィジカルAI」は、機密性の高い情報を扱う施設でのロボット活用を促進し、業務効率化と安全性向上に貢献するでしょう。クラウド依存からの脱却は、運用コストの予測可能性を高め、企業のAI投資をより戦略的にする意味合いも持ちます。特に、遠隔地や閉鎖空間での自律作業が求められるシーンでは、この技術が新たな市場を創出する可能性を秘めており、今後の展開に注目が集まります。

生成AI学習に取り残されないために…
ChatGPTなどの生成AIを使いこなして、仕事・収入・時間の安定につながるスキルを身につけませんか？

AI Workstyle LabのAIニュースをチェックしているあなたは、すでに一歩リードしている側です。あとは、 実務で使える生成AIスキルを身につければ、「知っている」から「成果を出せる」状態へ一気に飛べます。

PR｜生成AIスクール

🧠 実践型 生成AIスクール「スタートAI」

講師：栗須俊勝（AI総研）
30社以上にAI研修・業務効率化支援を提供。“大阪の生成AIハカセ”として企業DXを牽引しています。

• 日々の業務を30〜70％時短する、実務直結の生成AI活用法を体系的に学べる
• 副業・本業どちらにも活かせる、AI時代の「稼ぐためのスキルセット」を習得
• 文章・画像・資料作成など、仕事も趣味もラクになる汎用的なAIスキルが身につく

ニュースを読むだけで終わらせず、
「明日から成果が変わるAIスキル」を一緒に身につけましょう。

無料セミナーに今すぐ参加する 編集部レビューを見る