ITLAB Tech Conference 2025 開催レポート ～制御とAIの交差点から始まる新しい工学とは？～
2025年12月3日（水）、デンソーアイティーラボラトリ（以下、ITLAB）は創立25周年を記念して、"AI × Control Conference 2025"を開催しました。
「制御とAIの交差点から始まる新しい工学」をテーマに、大学で第一線の基礎研究に取り組む研究者とITLABの研究者による3組のペアセッションに200名近い申し込みがあり、当日は研究者や学生が耳を傾け、活発な議論を交わしました。
1）ITLABの目指す制御とAIの融合とは
セッションに先立ち、岩崎社長からITLABの取り組む研究テーマについて短いプレゼンテーションがありました。
ITLABは、センシング、制御、インターフェースの3分野にAIを実用化していくことを考え、基礎・応用研究に取り組んでいます。学会発表も積極的に行なっており、約30名の研究者が年間約50件の発表を行っています。交通事故ゼロやCO2排出ゼロ、循環型社会の実現などをはじめとする、モビリティ社会の社会課題解決により、研究を通した社会貢献を目指しています。
今回のテーマである「制御と知能の交差点から始まる新しい工学」について、岩崎社長は「制御の厳密さとAIの柔軟さの組み合わせでさまざまな問題に対処できるのではないか」と述べ、実現に向けた技術課題として2点を挙げました。
1つは「安全性と高精度の両立」、すなわち物理モデルに基づく厳密な制御とAIによる柔軟な学習をどう統合するか。もう1つは「継続的な品質改善」、つまり推論根拠の説明可能性と不具合原因の特定です。これに対するソリューションとして、ITLABでは「制御AIモデルファクトリー構想」を提案しています。仮想世界でのデータ生成とモデル学習、実世界へのデプロイ、そして実世界から得られた不具合データを仮想世界にフィードバックするという循環型のシステムです。
「こうした循環によって、制御の厳密さとAIの柔軟さを融合した新しい工学として発展できると考えています。単体のAIで全てを置き換えるのではなく、システム全体としてどう考えるかについての設計に着目して研究しています」と岩崎社長は述べました。
2）ペアセッション1 ：制御理論の視点から見たAIとは
1つめのペアセッションは、制御理論研究者の二人が、制御理論の枠組みにAIや機械学習を取り入れる新たな視点を提示しました。
■制御で支えるAIの未来 ：Physical AIからSocial AIまで
井上先生は、自然言語処理技術を利用した「人を含む制御システム設計」として、2つの研究を発表されました。
1つは、人の言葉を制御システムに取り入れ、物理的な操作を行うシステムです。もう1つは、人の言葉をセンサーとして活用するシステムです。これらの研究を通して、井上先生は「どこまでをAIに任せるべきか？任せることができるか？」という根本的な問いを投げかけました。
■制御 x AI：制御理論から生成AIまで
星野さんは、機械学習や生成AIを制御理論の枠組みで解釈する新しい視点を提示しました。ニューラルネットの学習は、動的システムの最適制御問題として捉えることができます。同様に、画像生成時に使われる拡散モデルも確率分布の最適制御問題として定式化できます。制御的なアプローチによってAIの学習をコントロールすることで、自律的に動くロボットや自動運転車両などの安全性を担保できる可能性を示しました。
3）ペアセッション2 ：制御の前提となる世界の認識
2つめのペアセッションで登壇した二人は、制御の前提となる「世界をどう認識するか」という視点から研究成果を紹介しました。
■VLAモデル：知覚から身体性知能まで
川上先生は、Vision-Language-Action（VLA）モデルの発展の流れを包括的に解説しました。VLAモデルとは、知覚（sense）・計画（plan）・制御（act）の3つを直列に扱うのではなく、まとめて学習するAIモデルです。2021年ごろから始まったVLAモデルの研究は、2023年のGoogleによるRobot Transformer（RT-1）で初めてのロボティクスへの本格的な応用が始まりました。「環境を認識して考え、動く」という、まさしくAIと制御の融合となる分野でend to endの学習が進む一方で、クロスボディ転移（異なる身体構造間の学習転移）やワールドモデルの構築など、VLAの実用化まではさまざまな課題があることが示されました。
■動的環境を捉える視覚：レーダとイベントカメラによる認識
長田さんは、画像に依存しないセンサーである車載ミリ波レーダーによる認識とイベントカメラとAIを組み合わせた認識の研究成果を紹介しました。
ミリ波レーダーは視覚情報に頼らず距離・速度・方向を直接観測可能であり、イベントカメラは輝度変化のみを非同期的に出力することで時間解像度の高い移動データを取得できるという優れた特徴があります。VLAの「Vision」は画像に依存しており、深度情報がなく3Dに弱い、暗さに弱い、計算コストがかかるという課題があります。この弱点を補うために、マルチモーダルなセンシングが重要です。
4）ペアセッション3：厳密な安全をどう担保するのか
最後のペアセッションでは、AIと制御の融合において「安全」を保証するための制御理論と応用について紹介されました。
■制約に満ちた世界でロボット群を協調させる制御に向けて
舩田先生は、制御バリア関数を用いることで安全集合の中に状態を保ちつつ保守的になりすぎない制御を実現する手法を提案しました。この手法を複数のロボットやドローンを群として制御する際に適用することで、楕円型ロボットに対する衝突回避手法やドローン群による環境モニタリングを行う際の被覆制御などが実現できることを示しました。
■自動運転の軌道計画のための実時間モデル予測制御
大林さんは、制約保証が可能なモデル予測技術（MPC）を紹介しました。
自動運転における物理的な運動モデル、安全性、乗り心地などの制約に対してAIは現状保証ができません。安全装置として、制御工学ベースのアプローチが重要になります。モデル予測制御の例として、自動運転の軌道計画の定式化と、実際の走行時にリアルタイムで軌道予測計算を実行するアルゴリズムを示しました。
セッションの間には30分のコーヒーブレイクが設けられており、その間に参加者は自由に発表者に質問したり、ディスカッションができます。会場のあちらこちらで白熱した議論が繰り広げられていました。
終了後は場所を移して懇親会。料理が並ぶ中でお酒を酌み交わしながら、議論は続くのでした。
懇親会では共研講座の紹介もありました。
5）厳密さと柔軟さの融合がもたらす可能性
3つのセッションを通して、制御とAIの融合を考える時の「安全性と高精度の両立」と「継続的な品質改善」という2つの大きな課題に対し、AIと制御はどのような役割を担うのかを考えてみました。
AIが担うのは、実世界の複雑さと不確実性に対応する適応力です。人間の言葉や意図の理解、複雑なパターンの認識、多様なセンサー情報の統合などをインプットに用いた制御モデルは、より現実世界に即した柔軟で精度の高い対応を可能にします。
一方、制御が担うのは、主に安全性と説明可能性の担保です。特に衝突回避や道路逸脱の防止といった「絶対に守らなければならない制約」を数学的に保証することは現時点ではAIには困難であり、制御理論が不可欠です。また、AIの学習を制御的にコントロールすることで、ブラックボックス化しない説明可能なAIも実現できるかもしれません。
半日という長丁場のカンファレンスでしたが、「制御の厳密さとAIの柔軟さを融合した新しい工学」の可能性を示すとてもエキサイティングな場でした。
（文：「ITLABのB面」編集部）
ご来場の皆様に配布したリーフレットとノベルティ。
これを機に、もっとITLABのことを知っていただきたいです！
＊＊＊
2025年12月3日（水）に開催した「AI × Control Conference 2025」における、ご講演者による発表内容を紹介する動画を、3か月間の期間限定でYouTubeにて公開しています。ぜひご覧ください。
