定期刊行物

≪次世代市場トレンド≫
次世代スマート社会を支える基盤技術(4) ～リアルタイム最適化編～（3～25ページ）
～現実空間と仮想空間の連携を高度化するデジタルツイン
AI融合で、社会システムの自律的な意思決定と即応的な変化可能～

1．リアルタイム最適化によるスマート社会の変革
2．デジタルツインの果たす役割
2-1．現実空間と仮想空間の連携を高度化するデジタルツイン
2-2．デジタルツインとAIの融合
3．AIエージェントが変える産業基盤と社会システムの自律的な意思決定
4．動的最適化と社会実装の最前線
5. リアルタイム最適化編に関する市場規模
【図・表1．リアルタイム最適化編の国内およびWW市場規模予測（金額：2025-2030年】
6．リアルタイム最適化編に関連する民間企業・大学等の取組動向
6-1. 学校法人芝浦工業大学
(1)空間そのものを知能化するという発想
【図1．センサネットワークによって支えられるデジタルツイン基盤】
(2)ハイパーデジタルツインとは何か
【図2．色付き三次元マップとLiDARのリアルタイム統合】
【図3．マイクロモビリティの死角認識実験】
(3)ベンチャー企業と大学が拓く社会実装への道筋
(4)研究と事業化をつなぐ「知の循環」へ
6-2．国立大学法人東京大学
(1)人の流れの可視化と行動モデルの融合
【図4．擬似人流データ ver2.0 の可視化】
(2)デジタルシティサービス～共創型都市プラットフォームの構築～
【図5．G空間情報センターの分野別の取組外観と今後の展開】
【図6．都市のデジタルツインの事例：建物三次元データ】
(3)マイシティポート～市民参加型デジタルプラットフォーム～
(4)未来に向けて
6-3．学校法人東京理科大学（TUS）
(1)デジタルツイン要素技術の研究
【図7．TUSデジタルツインモデルと要素技術】
(2) TUSデジタルツインラボラトリ
【図8．デジタルツインの発展形態】
【図9．ものづくりにおけるデジタルツイン構築イメージ】
6-4．学校法人法政大学
(1)国土空間の計測・管理手法の研究
【図10．ドライブレコーダーを用いた道路舗装劣化状況の評価検証】
(2)都市活動の分析・可視化の研究
【図11．車流分析結果】
(3) Society 5.0に向けて
7．リアルタイム最適化編に関する課題と将来展望
7-1．課題
7-2．将来展望

ソフトロボティクス市場性探索(1)フィジカルAI時代の日本の勝負手“ソフトロボティクス”（26～52ページ）
～世界ロボット四種類におけるソフトロボティクス搭載の可能性を探る～

1．注目されるフィジカルAIとヒューマノイドロボットの背景
2．ヒューマノイドロボット市場に向けて日本が取るべきアプローチ
【図1．リョーサン菱洋の扱う中国のヒューマノイドロボット
「ugo PRO R&Dモデル」遠隔操作によるロボットハンドのAI模倣学習】
3．ソフトロボティクスが搭載されるロボット四種類
【表1．ソフトロボティクスが搭載される四種類のロボット】
4．FAロボット/協働ロボット導入分野とソフトロボティクスの搭載箇所
4-1．FAロボット・協働ロボットにおけるソフトロボティクス導入分野・業務内容の違い
【表2．FAロボットと協働ロボットの導入分野や活用する業務内容の違い】
【表3．FAロボットと協働ロボットとの導入ケースの特徴】
4-2．FAロボットと協働ロボットにおけるソフトロボティクスの搭載品目・搭載箇所
【図2．FAロボット・協働ロボットにおけるソフトロボティクスの搭載品目・搭載箇所】
5．サービスロボット(例：アシストスーツ)導入分野とソフトロボティクスの搭載箇所
5-1．サービスロボット(例：アシストスーツ)におけるソフトロボティクス導入分野・業務内容
5-2．サービスロボット(例：アシストスーツ)におけるソフトロボティクスの品目・搭載箇所
【図3．サービスロボット（例：アシストスーツ)）におけるソフトロボティクスの品目・搭載箇所】
6．ヒューマノイドロボット導入分野とソフトロボティクスの搭載箇所
6-1．ヒューマノイドロボットにおけるソフトロボティクス導入分野・業務内容
【表4．ヒューマノイドロボットの主な需要分野】
6-2．ヒューマノイドロボット導入時における課題
(1)人間型であることの必然性がないという課題
(2)特化型ロボットは費用対効果が高いという課題
(3)特化型操作機器は費用対効果がより高いという課題
(4)外部サーバーの活用は費用対効果がより高いという課題
(5)熟練職人技術のレベルに達していないという課題
(6)物流や検査・点検サービスでは費用対効果が低いという課題
(7)店舗サービス･接客サービスにおける課題
(8)一般家庭に普及させるにはあまりにも高価格という課題
6-3．ヒューマノイドロボット普及予測ストーリー
【表5．ヒューマノイドロボットの分野別普及時期】
6-4．ヒューマノイドロボットにおけるソフトロボティクスの品目・搭載箇所
【図4．ヒューマノイドロボットにおける
ソフトロボティクスの概念・品目・搭載箇所】
6-5．ヒューマノイドロボット先進国“米国”と日本のチャンス
（1）AI技術の優位性
（2）主導的な企業の存在
6-6．米国を追い上げる中国ヒューマノイドロボットとソフトロボティクス
【図5．中国におけるロボット市場拡大の背景とヒューマノイドロボットの登場】
(1)労働力不足の解消
(2)フィジカルAIによる産業革命
（3）地政学上の必要性
【表6．中国のヒューマノイドロボット（二足歩行ロボット）メーカーの動向】
【図6．アスカが扱う中国のヒューマノイドロボット「DOBOT」の仕様】
【図7．アスカが扱う中国のヒューマノイドロボット「DOBOT」の自律動作】
【図8．ポケクエの扱う中国の四足歩行ロボット「Unitree」】
7．日本が進むべきロボット戦略はソフトロボティクス
8．「柔らかい材料」を含むソフトロボティクスのサプライチェーン
【図9．米中日欧別のFA・協働・ヒューマノイド・サービスロボット事業と
ソフトロボティクスの狙い」】
9．ソフトロボティクス技術の導入実態と可能性
9-1．食品産業におけるソフトロボティクスの導入実態と可能性
9-2．他の分野におけるソフトロボティクスの導入実態と可能性
（1）配管内点検、災害現場での探索活動
（2）人工筋肉による精密な組立作業から介護支援まで
（3）人間と同じ空間による協働ロボット
（4）医療・介護分野での導入
（5）ヒューマノイドロボットにおける自動車分野での導入

《注目市場フォーカス》
ナノ×インテリジェンス：AIと量子で拓くマテリアル革命(2)～材機械学習が加速するナノ材料探索～（53～79ページ）
～ナノ粒子や二次元物質などの材料設計・製造において、
設計・探索のスピードを格段に高めている機械学習活用の最前線～

1．膨大な候補空間に挑む材料探索の壁
2．機械学習が切り拓く新しい探索手法
3．加速する発見サイクルと研究現場の変化
4．ナノ×インテリジェンス～機械学習が加速するナノ材料探索～に関する市場規模予測
【図・表1．ナノ×インテリジェンス～機械学習が加速するナノ材料探索～国内およびWW市場規模予測（金額：2030-2050年予測）】
5．ナノ×インテリジェンス～機械学習が加速するナノ材料探索～に関連する民間企業・大学等の取組動向
5-1．NTT株式会社
(1)背景と課題：光通信を支える見えない材料開発に迫る壁
(2)従来のアプローチ 物理制約を持たないベイズ最適化の限界
(3) NTTの革新：物理知識を組み込んだベイズ最適化（PI-BO）
【図1．化合物半導体薄膜の成膜条件を自動提案するためのフロー。STEP1：原料ガス量（𝐹Ga, 𝐹As）を実験パラメータとして結晶を成膜。STEP2：成膜した結晶の測定可能な物理量（バンドギャップ波長と格子定数より結晶組成を導出。STEP3：原料ガス量（𝐹Ga, 𝐹As）と結晶組成（𝑥, 𝑦）を教師データセットとして成膜ごとに更新。STEP4：教師データセットを用いてBOを行い、目的の結晶組成を得るための原料ガス量を導出】
(4)実証結果と効果：わずか6点のデータから1回で正解を導き出す
【図2．従来BO(a)とPI-BO(b)の予測比較】
(5)展望と社会的意義：試行錯誤の時代から材料開発DXの未来像へ
(6)まとめ：物理を理解するAIが切り拓く新しい材料探索のスタンダード
5-2．国立大学法人東京大学
(1)第4のパラダイムとしてのマテリアルズ・インフォマティクス
【図3．予測モデルを構築しデータから目的物性・物質・構造に辿り着く一般的な順問題に関するMI手法の概念】
(2)機械学習と第一原理計算を融合した新手法[1]
(3)データ駆動型層間化合物探索[2]
【図4．層間化合物と電池材料への応用】
【図5．データ駆動型モデルで層間化合物を探索した結果得られた
HSAB則による線形回帰モデル】
(4)生成AIを活用した「逆設計」への展開[3, 4]
【図6．LLMを活用した解釈可能なエージェント型AI：MatAgentの概念図】
(5)今後の展望
5-3．学校法人東京理科大学（TUS）
(1)研究コンセプト:拡張型自由エネルギーによる構造-メカニズム-機能の接続 [1] 
【図7．拡張型自由エネルギーによる構造-メカニズム-機能の接続】
(2)応用事例
①磁性材料の磁区構造解析 [1]
【図8．拡張型自由エネルギーモデルの設計：情報空間上で描画したエネルギー地形(左)と磁化曲線(右)の比較】
②電磁鋼板のエネルギー損失解析 [2]
【図9．拡張型自由エネルギー地形(左)とエネルギー損失因子(右)の可視化】
③デンドライト成長プロセスの解析 [3]
【図10．全エネルギーを構造特徴量PC1で微分したエネルギー勾配の解析結果】
(3)まとめ～計測インフォマティクスの将来像～
5-4．国立大学法人東北大学
(1)開発現場のジレンマを解消する「データ融合」
(2) AIが描く特性と構造を同時に可視化した「材料マップ」
【図11．材料構造のグラフ表現と深層学習を組み合わせて材料マップを作成するプロセス】
【図12．得られた材料マップと対応する材料の構造】
(3)生成AIと連携し材料開発の「設計」から「製造」までを加速する
5-5．国立研究開発法人物質・材料研究機構（NIMS）
(1)組み合わせ爆発をAIが突破する
【図13．一般的な材料探索サイクル(左)と自律材料探索AI(右)の比較】
(2)超高次化合金の発見と合成
(3) AIを「研究者のコンパス」として活用
6．ナノ×インテリジェンス～機械学習が加速するナノ材料探索～に関する課題と将来展望
6-1．課題
6-2．将来展望

自動車市場における“ポストSDV”の動向（3）（80～90ページ）
～SDV+AIが促す車載ソフトウエア開発体制の変革～

1．前号までのまとめ
2．AI・SDVによる開発体制の変化と責任関係
2-1．レガシーな開発体制と責任関係
【図1．日本のOEMのソレガシーなソフトウエア開発の垂直構造とTHIRD PARTY】
2-2．SDV初期の開発体制と責任関係
【図2．日本のOEMのSDV初期のソフトウエア開発の
垂直構造とTHIRD PARTY】
2-3．SDV＋AIの開発体制と責任関係
【図3．日本のOEMの“SDV＋AI”普及期のソフトウエア開発の垂直構造とTHIRD PARTY】
3．SDV＋AIにおける制御系（安全領域）の位置づけ
【図4．2028～2030年の車載ソフトウエア・アーキテクチャとSDV・AIとの関係】
3-1．SDV＋AIが抱える課題と解決策
（1）制御系（安全領域）を、既存技術に依存する
（2）AIソリューションとの相互関係
【図5．AI側とOEM側の相互関係】

≪タイムリーコンパクトレポート≫
バイオマスフィラー市場（91～96ページ）
～ファッション、テーブルウェア等これまでにない領域での採用始まる
既存のプラスチックの枠組みを超えた新たな用途にポテンシャルあり～

1．バイオマスフィラーとは
2．市場概況
3．セグメント別動向
3-1．セルロース：パルプ由来に加え非パルプ由来材料からのセルロース成分抽出の開発もスタート）
3-2．木粉：建築廃材ではなく国内間伐材を使用し地産地消の推進に取り組む動きも
3-3．卵殻：「卵」の持つストーリー性が用途開発・製品開発を後押し
3-4．その他未利用材料：これまで多くが産廃として処理されてきた食品残渣、未利用材のフィラー化も活発化
4．注目トピック
4-1．バイオマスフィラーのもう一段の拡大には「プラ代替」の枠にとらわれない提案と用途開発が必要
5．将来展望
【図1．バイオマスフィラー 市場規模推移（数量：2024-2030年予測）】
【図2．バイオマスフィラー複合樹脂 市場規模推移（数量：2024-2030年予測）】