麻省工科大学（MIT）の研究チームが、救援ロボットの3D環境認識能力を飛躍的に向上させる新技術を開発した。災害現場のような複雑で不確実な環境で、ロボットが数秒以内に高精度な3D地図を生成できる点が、この技術の最大の特徴だ。従来のAI視覚モデルは一度に処理できる画像数が限られ、大規模な場所をリアルタイムでスキャンするには不向きだった。特に、矿山や倒壊した建物など、光が届きにくく、構造が歪む環境では、AIの性能が著しく低下していた。 MITの研究チームは、最新のAI視覚モデルと、1980～90年代の古典的コンピュータビジョン技術を融合させたアプローチを採用。その鍵は「子地図（submap）」の生成と統合。AIは大規模な環境を複数の小さな領域に分割し、それぞれを独立して3D再構成。その後、これらの子地図を数学的に正確に接合する。この際、AIが生成する地図に生じる幾何的歪み（例：直線が曲がる、角度が歪む）を補正するため、研究チームは従来の幾何学的最適化手法を活用。これにより、子地図同士の位置ずれや形の不一致を高精度に解消した。 このシステムは、カメラの事前標定や外部センサーを必要とせず、スマートフォンの動画さえも用いて、MITの教会内部など複雑な構造物の3D再構成を実現。平均誤差は5cm未満で、処理時間は数秒。従来の方法と比較して、速度と精度の両面で優れた性能を発揮している。 研究を主導した博士課程学生のドミニク・マギオは、「最初は単純な平行移動と回転で接合しようとしたが、結果は不正確だった。伝統的な幾何学的手法を再考することで、解決策が見つかった」と語る。チームの指導教員である航空宇宙工学部のルカ・カルローネ准教授は、「AIの学習力と古典的幾何の確実性を組み合わせることで、より信頼性の高いシステムが構築できる」と強調する。 この技術は、災害救助ロボットの迅速な環境把握に加え、VR/AR、倉庫自動化、自律移動ロボットのナビゲーションなど、幅広い分野への応用が期待される。AIの力に頼るだけではなく、物理的・幾何学的知見を活かすことが、現実世界の課題解決に不可欠であることを示す画期的な成果だ。