合成データとファインチューニングでビジョンAI精度を向上

エッジAIの普及に伴い、視覚AIエージェントが物理世界の動画データを運用知見に変換する役割が急速に拡大している。しかしGartnerの調査によれば既存エッジデータのうち90％が未処理に留まっており、データギャップによる精度頭打ち、ファインチューニングの人材不足、複雑な統合ワークフローが主要な障害となっている。この課題に対しNVIDIAは、OpenUSDに基づくシミュレーションと合成データ生成を実現するNVIDIA Omniverseと、モデル開発を支援するNVIDIA Metropolisのエージェントスキルおよびブループリントを組み合わせた全ライフサイクル対応ソリューションを提示した。 製造業ではRoboflowがCorningの製造ライン向けにNVIDIA Defect Image Generationスキルを用い、実データわずか8枚に合成データを追加する事で平均精度95％を達成し、評価期間を数日に圧縮した。都市インフラではLinker Visionが高雄でNVIDIA Metropolis VSSブループリントとOpenUSDデジタルツインを活用し、開発工数を85％削減、緊急対応時間を最大80％短縮した。産業現場ではFoxconnの生産ラインでDeepHowがNVIDIA Cosmosの推論能力を組み込んだ作業手順確認エージェントを導入。初歩歩留まりを3％向上させ、タスク精度99％を達成し、早期問題発見による不要作業の削減を実現している。 2028年までに大企業の2/3以上がエッジAIを展開すると予測される中、NVIDIAの統合アーキテクチャは合成データと再利用可能なエージェントワークフローにより、視覚AIの運用展開と現実世界への適応力を大幅に加速させる基盤を提供している。