01
コンピュータビジョン
衛星、ドローン、ロボット、固定カメラからの画像を構造化された運用情報へ変換するための検出、セグメンテーション、分類、シーン理解。
- 物体検出
- セマンティックセグメンテーション
- 分類
- マルチモーダル知覚
- 時間的比較
— Convex リサーチ
物理世界に応用する研究。
私たちは人工知能、コンピュータビジョン、センシング、地理空間データ、ロボティクスを研究し、実世界の運用を観察、理解、行動できるシステムを開発しています。Convex の研究は、モデル、データ、現場実験を Nexa M1、Nexa Vision、Atmos、Synapse Control、Axis の背後にあるエンジニアリングへと結びつけます。
— 研究領域
Convex エコシステムを支える6つの方向性。
02
リモートセンシングと地理空間インテリジェンス
時系列、マルチスペクトル画像、スペクトル指数、空間変化、および広域の継続的な理解のための領域データ統合に関する研究。
- マルチスペクトル画像
- 植生指数
- 時系列
- 変化検出
- 地理空間分析
03
マルチモーダルインテリジェンス
画像、気象データ、センシング、履歴コンテキスト、および言語を組み合わせて、物理環境のより堅牢な解釈を生成します。
- ビジョン+言語
- センサーフュージョン
- コンテキスト推論
- 運用メモリ
- 意思決定支援
04
ロボティクスと自律性
農業、産業、その他の物理環境で動作するロボットシステムのための知覚、計画、制御、およびタスク実行。
- ロボット知覚
- ミッション計画
- ナビゲーション
- タスク実行
- 人間とロボットのインタラクション
05
農業のためのAI
植生の活力、ストレス、空間変動性、環境条件、および農業モニタリングに関連するその他のシグナルを解釈するためのモデル。
- 作物モニタリング
- スペクトル分析
- ストレス検出
- 空間変動性
- 意思決定支援
06
エッジAIと物理インテリジェンス
応答時間が重要な場合に、リモート処理への依存を減らし、知覚と意思決定をセンサーやロボットに近づけるアーキテクチャの研究。
- エッジ推論
- 組み込みAI
- レイテンシ
- センサー統合
- 自律システム
— データからシステムへ
観測から運用システムへ。
すべての研究領域は、生のフィールドキャプチャから、新しいデータを次のイテレーションにフィードバックする運用まで、同じエンジニアリングループを通過します。
- 01キャプチャ
画像、センサー、環境データ、および運用コンテキスト。
- 02データ準備
データの整理、アノテーション、クリーニング、および構造化。
- 03トレーニング
モデル開発と改良。
- 04評価
定量的指標とエラー分析。
- 05検証
実際の問題を代表するシナリオでの検証。
- 06統合
Convex製品に組み込まれたモデル。
- 07運用
実際の使用により、さらなるイテレーションのための新しいデータが生成されます。
— 測定方法
研究は測定可能でなければなりません。
各問題には独自のメトリクスファミリーが必要です。以下のリストは、公開された結果ではなく、評価する指標を説明しています。
コンピュータビジョン
- 適合率
- 再現率
- IoU
- AP
- mAP
センシングと時系列
- 分布
- 時間的変動
- 異常
- 空間的一貫性
ロボティクス
- レイテンシ
- 信頼性
- 軌道誤差
- 完了率
運用
- 診断までの時間
- カバレッジ
- 再現性
- 運用上の影響
— 製品への研究
研究が各システムに提供するもの。
研究の方向性は決して孤立しているわけではありません。それぞれがエコシステム内の製品のエンジニアリングに貢献します。
Nexa M1
マルチモーダル推論運用コンテキスト時系列解釈
Nexa Vision
コンピュータビジョンスペクトル分析セグメンテーション検出分類
Atmos
環境センシング時系列データ品質気候コンテキスト
Synapse Control
ミッション計画自律性テレメトリシステム調整
Axis
ロボット知覚制御物理的実行環境インタラクション
— 進行中の研究
現在開発中の方向性。
完了した技術ではなく、研究の方向性として説明されている進行中の作業。
開発中
マルチモーダル知覚
画像、センシング、コンテキストを組み合わせ、実シーンの解釈における曖昧さを低減します。
開発中
リモートセンシング時系列
継続的に監視されるエリア全体における、時間経過に伴うスペクトル指数の一貫性を調査します。
開発中
農業向けコンピュータビジョン
作物の空間的変動性とストレス信号に関する研究方向です。
開発中
自律システム
非構造化物理環境における知覚、計画、タスク実行。
開発中
運用インテリジェンス
技術的診断を、現場で働く人々にとって追跡可能な推奨事項へと変換します。
開発中
センサー・AI・ロボティクス統合
取得、意思決定、実行を単一のループ内で接続するアーキテクチャ。
— データセットと実験
データは研究の一部です。
物理世界のためのモデル構築は、生のデータ量よりも多様性に依存します。異なる作物、地形、センサー、解像度、季節、そして照明や雲の条件です。
したがって、私たちはデータをそれ自体が独立した研究対象として扱います。アノテーション、品質管理、訓練・検証の分離、エラー分析、再現性は、モデル開発と同様にエンジニアリング作業です。
- 環境条件とセンサーの多様性
- 文書化された基準に基づくアノテーションとレビュー
- 訓練、評価、検証の明示的な分離
- 結論を出す前のエラー分析
- 再現可能な実験
— 出版物と技術ノート
出版物と技術ノート。
研究作業が完了次第、技術出版物をここで公開します。
— コラボレーション
技術的・科学的コラボレーション
Convexは、応用研究プロジェクト、技術検証、フィールド研究、および人工知能、農業、センシング、ロボティクスに取り組む大学、研究センター、組織とのコラボレーションを受け入れています。
研究について相談する →— 原則
意見よりデータを。
約束より指標を。
拡大より検証を。
実世界のためのエンジニアリング。