海運船舶へ搭載されるAIワッチシステムの全貌 　〜人に変わる24h 365d〜

山家 兼人　事業戦略室 戦略コンサルティング シニアマネージャー（右）

高野 慎也　事業戦略室 AIエンジニア（左）

Ver.1からVer.2へ ー陸上でも船舶でも、〈RADAR GRiD〉の次なる進化ー

〈RADAR GRiD（レーダーグリッド）〉とは、どんなサービスですか。

山家：〈RADAR GRiD〉は、レーダー、AIS、カメラが捉えた情報をAIが即時に認識・識別・予測し、AIS非搭載船をはじめとするあらゆる海上物体をリアルタイムでマップ画面に表示するサービスです。また、〈RADAR GRiD〉を搭載した陸上基地局や船舶がクラウド上で相互に情報を共有することで「グリッド」を構成するというコンセプトも持っています。〈RADAR GRiD Ver.1〉（以下「Ver.1」）では、陸上に設置したレーダーとカメラをもとに、海域内の海上物体の網羅的監視を実現しました。レーダーで周辺の船舶や浮遊物の動きを認識し、その座標にカメラを向ける。瞬時にAIで画像分析し誤検知を排除して種別を識別。識別した船舶に対しては、直前の航跡をもとにAIが進路を予測。AIには、その海域を航行するコンテナ船のような大型船から漁船のような小型船まで、大小さまざまな船舶の航跡を学習させています。海域に存在するあらゆる物体を画像・航跡・予測進路とともに〈Aisea（アイシア）〉のマップ上にリアルタイムで表示することで、対象区域に危険が存在しないか、いつでもどこでも一目で監視できるようになりました。

▶︎コンセプトムービーはこちら

ありがとうございます。〈RADAR GRiD〉Ver.1とVer.2の大きな違いはどういった点になりますか？

山家：実はVer.2の前に、Ver.1.5が存在しています。Ver.1の大きな課題は、陸上に常設するレーダーと高性能なカメラ等の専用設備が必要だった点です。常設には無線局などの各種許可が必要なうえ、レーダーやカメラの設置に向けた占有調整・工事も発生するため、時間も費用も大きくかかってしまいます。これでは、さまざまな港湾工事で活用するには導入のハードルが高くなってしまうんですね。そこでVer.1.5では、波が穏やかで短期間の工事区域に的を絞り、工事船舶の既存レーダー・AISと新設の汎用カメラを活用し、船体動揺の小さな環境下でレーダー・AIS・カメラが捉えた情報を確実に認識・識別・予測することに注力しました。その結果、Ver.1では陸上・専用装備・高価格であった〈RADAR GRiD〉を、動きの少ない船舶という制約付きですが、船上・共有装備・手の届く価格帯で提供できるようになりました。そしてVer.2では、満を持してレーダーグリッドシステムを動きの激しい海運船舶に搭載します。これがVer.1との大きな違いです。

海運船舶に搭載することで難しかった点はなんですか？

山家：まず考えなければいけなかったことは、波の影響で船体動揺があるなかで、また撮影対象だけでなく自船も移動する状況で、時間差をもって稼働するレーダーとカメラを使用して、認識した物体をどう正確に撮影するかでした。この問題は相当に複雑なのですが（笑）、Ver.2では問題定義自体をスライドさせ、Ver.1で使用していた高性能PTZカメラではなく、固定式のパノラマカメラを採用することにしました。これにより、確実に広範囲を撮影でき、自船から水平線までの距離で撮影対象物の座標を導き出すことに成功しています。またVer.1では認識するたびにターゲットへカメラを向けるため、その瞬間は別方向を感知できず、複数台のカメラが必要でした。一方、パノラマカメラなら1台で180度、2台なら360度を常時感知できます。パノラマカメラはPTZカメラに比べて局所的な解像度は低いのですが、マニュアルでのカメラ操作による状況確認を減らし、画像認識モデルを改良することでその不利を解消しています。

高野：それに加えて、IMUセンサーをパノラマカメラの近くに実装しています。3軸の加速度センサーと3軸の角速度センサー（ジャイロセンサー）を組み合わせることで、物体の「位置」や「姿勢」の変化を検出できます。船舶上のエッジデバイスで静止状態のロール・ピッチとの差分から傾き角度を計算し、撮影された画像を傾いていない状態に補正できる仕組みです。これによって、物体検出の精度を高めています。

山家：AI処理のためには、サーバーの設置も欠かせません。高野さんが話したような船体動揺の補正処理も、認識した船舶を瞬時に識別する処理も、いずれも非常に短時間で完了させる必要があります。そのため、複数の計算を同時にこなす並列処理に長けた高性能GPUを搭載したエッジサーバーが必須です。ただし、GPUは処理能力が高くなるほど発熱するので、大型の冷却ファンやヒートシンクが必要になり、サイズも巨大化します。一方で、船舶のブリッジ内は限られたスペースしかなく、大型のエッジサーバーは不向きです。弁当箱くらいのコンパクトサイズでありながら、処理速度が速く、しかも導入しやすい価格…。この条件を満たすエッジサーバーを選定することも、難しかった点のひとつですね。

〈RADAR GRiD Ver.2〉、その強み

〈RADAR GRiD Ver.2〉の強みを教えてください。

山家：高性能な監視システムながら、既存のレーダーやAISと最小限の専用設備で導入可能なため、新造船だけでなく既就航船にもレトロフィットできることが最大の強みです。推奨のカメラやエッジサーバーはありますが、お客様の目的や予算に合わせて柔軟に機材を選定いただけます。

高野：〈RADAR GRiD〉は、クラウド上で情報を共有することをコンセプトに設計されており、インターネット接続前提で実装しています。ただし、海上ではインターネットにつながらない状況もあります。そのため、オフライン環境でのスタンドアローン稼働も可能にしています。情報共有の仕様は変わらないので、インターネット接続下では、Ver.1と同様に〈Aisea〉の画面上で陸側からリモートかつリアルタイムで状況確認いただけます。

山家：Ver.2向けに刷新したUI/UXも強みのひとつです。これまでのマップ表示だけでなく、自船を中心に、識別した船舶や障害物がどの方向にあるかを示すデザインも制作。画面上部にはパノラマカメラの映像を常時表示し、リアルタイムのトラッキング表示も検討しています。利用シーンに合わせて複数の画面から選択できるようになりました。既存のレーダーやAISはそのまま活用でき、パノラマカメラとAI搭載のエッジサーバーを追加するだけで、認識した情報を瞬時に識別できます。AISでは判別できない危険な物体まで検知できるので、24時間365日、人の目を補完するワッチ業務のサポートが可能です。

高野：Ver.1から積み上げてきたデータがあることも、大きな強みです。AIに「これが船だよ」と学習させるとき、著作権フリーで入手可能な画像だけではなく、Ver.1で蓄積した画像データを学ばせることができます。現在では10〜11種類の船種を分類できます。船種がわかると、船舶のサイズ感も見えてきます。とくにAIS非搭載の漁船やプレジャーボートなどの小型船を識別できるので、警戒すべき対象の判断に活かせます。さらに、海事産業向けプラットフォーム〈Aisea〉に蓄積された航跡データを活用することで、その海域特有の航跡をもとにした一歩先の航跡予測が可能になっています。また、画像認識モデルをチューニングするためのパイプラインも整備してあり、お客様ごとの環境や海域、特に注意したい船種等の要望に合わせてAIを個別進化させることができます

山家：それから、危険を確実にユーザに認識してもらうこともとても重要です。画面上でアラートを通知しても、その画面を見ていなければ気づけません。ブリッジにいる船員さんだけでなく、船内のどこにいても伝わる方法で危険を知らせなければ意味がありません。さまざまなデバイスと連携できる〈RADAR GRiD〉なら、音声アラートやウェアラブル機器などお客様の求めるアウトプットが可能となり、その拡張性の高さと柔軟さも魅力のひとつです。

AIエンジニアと描く、開発の現場

Ver.2の開発方法についてもお話を聞かせてください。

山家：Ver.1との大きな違いは、高野さんがAIエンジニアとして入社してくれたことですね（笑）。

〈RADAR GRiD〉のAI開発が飛躍的に進んだということですか？

山家：ひとりでゴールを見据えて、適切な最新論文を探し出して読んだり、実装するための手段を考えたりしていた時期に比べて、かなり開発スピードが増しました。

高野さんはもともとAIを学ばれていたのですか？

高野：他社でAI関連の仕事を担当した時期もありますが、基本的には独学です。興味を持ったAIの仕組みについて自分で調べていく、というスタイルですね。私が学びはじめた当時は、いまほどツールとしてのAIが発達していませんでした。ですので、AIの構造そのものを勉強しながら、自分で組み上げたモデルを実装して、実際に使ってみる…。そういう取り組みを続けていました。

1から「高野AI」を構築したのですか？

高野：基本的には、公開されているアルゴリズムやモデルを、自分流に少し改変しながら構築していました。すべてオリジナルというわけではないですけどね（笑）。当時、私が「これは新しい」と感じた技術があります。その頃は、人が学習データを用意することが主流でした。たとえば、ある問題に対して「これが正解、これが不正解」と、人がデータ一つひとつにラベルを付けて、教師データを生成していく必要があったんです。一方、強化学習(というアルゴリズム)を使うと、あらかじめ定めた条件に応じて、正解・不正解のデータを自動的に判断できる環境がつくれます。人が教師データを大量に用意する必要がなくなるので、すごく画期的だと感じました。最近では、こうした考え方が生成AI関連でも広く活用されていますよね。

なるほど。おふたりの開発スキームはどのように進めていますか？

山家：私の方では、お客様とのやり取りから生まれた要望や、そこから派生した新しい発想をカタチにするために、「この新しいAIや技術を活用すれば、うまくいくかもしれない」という道筋を立てます。そして、その新しい要素を実際に活用できるかどうか、高野さんが生成AIなども使いながら深掘りしてくれます。カタチになりそうであれば、ドキュメント化やコード化、実装まで進めてくれる流れです。その過程で、お互いにレビューや意見交換を重ねながら、ブラッシュアップしていきます。

高野：山家さんとのコミュニケーションは、とても大切にしています。それぞれの案件でどの要素が重視されているかをきちんと理解したうえで、優先順位をつけて、必要な回答を出せるように意識しています。

山家：コミュニケーションは重要だよね（笑）。　日々、新しいことに関してはお互いにキャッチアップして共有しています。

高野：最近は生成AIで調査することもありますが、目的が明確なときは専門サイトでも情報収集をします。たとえば物体検出関連であれば、関連情報をまとめているサイトを見にいく。そこから、役立ちそうなツールや、さまざまなモデルを採用している事例など、数珠つなぎに情報を得られます。こうやって情報収集していると、「いま」何が最新でホットなのかが自然と見えてくるんです。

山家さんの目的が明確だからこそ開発が進めやすいんですね。

山家：いやいや、目的が見えているというより、降ってくるんですよ（笑）。　高野さんやエンジニアと話していると、発想が湧いてくることが多いんです。話していると、前職を含めたこれまでの経験から、「もしかしたら、あの技術も海の世界で使えるかも」と思いつくことがあります。そのアイディアの種を生成AIに尋ねてみると、新しい技術やさまざまな方法で実現できる道筋が見えてくる。だからこそ、雑談も含めたコミュニケーションを大切にした開発を心がけています。

ありがとうございます。高野さんに質問です。これまで培ったAIの知識が、いまの仕事で生きていると感じたことはありますか？

高野：ほぼ全部、生きているなと感じます。個人的にAI関連の勉強をしていなければ、いま関わっている仕事において、AIへの理解度がまったく足りていなかったと思います。

山家：高野さんがすごいのは、いわゆる「AIエンジニアだからAIしかやらない」というタイプではないところです。先ほど話に出たトラッキングなど、AIに関連する周辺技術はたくさんあります。そうした周辺技術にも取り組んでもらっていますし、生成AIの発展もあって、開発コードを書くこと自体は以前ほど時間がかからなくなりました。その分、より上流の部分をいろいろと考えてもらえる。本当に助かっています。

これから目指す、より安全な海上のカタチ

最後に〈RADAR GRiD〉をどう進化させていきたいですか？

山家：現状、世の中で船舶を自動識別するサービスは、まずAISありきです。もちろん、レーダー、AIS、センサーフュージョンの組み合わせなど、船舶自動識別のサービスは多数存在します。ただし、レーダーやAISでは捉えきれないAIS非搭載船や漂流物などを正確に捉えられるサービスは、まだ多くないと感じています。そこを〈RADAR GRiD〉で、いま以上に高い精度で認識・識別・予測できるようAIを進化させていきたいですね。進化の取り組みのひとつとして、レーダーの航跡から船かどうかを判別する試みも進めています。トラッキングした画像上の動きと、レーダーの航跡をAIにマッチングと学習させることで、検知精度が上がります。一瞬一瞬のマッチング正解率は高くなくても、時系列を追うことで、より正確に捉えられる。これを積み重ねることで、危険度判定と進路予測の信頼性向上にもつながります。たとえば、こちらに向かってくる物体があれば、トラッキングで捉えた画像の色を変えるといった表現も可能になります。さらに〈RADAR GRiD〉のユニークさは、船陸どちらからの監視にも活用できる点です。もともとのコンセプトである「複数の監視拠点が互いに融合・協力し、物体を認識・識別・予測する」ことで、安全な海上の実現を目指したいと考えています。たとえば、港には固定の監視拠点を設置しつつ、海上を航行する船舶にも〈RADAR GRiD〉を搭載する。互いに目の届かないところを補完し合えるような世界が実現できれば、と思っています。

高野：私としては、サービスを向上させるために、「この新しいアルゴリズムが適用できそうです」といった提案をボトムアップで出していくことで、より良いものにできると考えています。また、リアルタイム物体検出モデルをさらにエンハンスメントし、〈RADAR GRiD〉に特化したカスタムAIモデルの開発も加速させていきたいですね。

プロジェクト全体を見渡す山家氏と、AI の構造を深く掘り下げる高野氏。立場も視点も異なるふたりが、同じビジョンで雑談まじりのコミュニケーションを重ねながら、〈RADAR GRiD Ver.2〉は静かに、しかし着実に進化を遂げてきた。 陸上から海上へ…。その一歩は、サービスの提供範囲を広げる以上の意味を持つ。 AIS 非搭載船や障害物といった、これまでレーダーとAISだけでは「見えなかった危険」までを捉え、24 時間 365 日、人の目を補完する。そんなワッチ業務の新しいパートナーへと、レーダーグリッドは進化を続けている。