理系学生の登録数・利用率No.1！大学院生＆理系学生に特化した就活サイト「アカリク」

※日本マーケティングリサーチ機構調べ
※調査概要:２０２１年９月期_ブランドのWEB印象調査

採用担当者様はこちら ログイン 会員登録

企業情報

イメージ画像
ロゴ画像

ネオリウム・テクノロジー株式会社

研究開発 ソフトウェア・情報処理
システム制御の研究・開発受託コンサルティング
制御技術、機械学習の開発専業のユニークな会社
製造業、研究所、大学と協働して技術の価値創造

    • AI・強化学習で未来をデザイン

      「AIって、具体的にどんなことに使われてるの？」
      ――ネオリウムテクノロジーを覗けば、その答えがきっと見つかります！
      私たちは、AIの中でも特にエキサイティングな**「強化学習（Reinforcement Learning）」という技術を使って、世の中の機械やシステムの"動き"を、もっと賢く、もっとスムーズにするための「新しい制御システム」**を本気で開発しているんです。
      【AIで賢く制御！まさに"強化学習"の最前線！】
      例えば、クルマのエンジンに使われる「電動スロットルバルブ」。このバルブの開き具合を、AIがトライ＆エラーを繰り返しながら自律的に学習し、最適な制御方法を見つけ出す…なんてことをやっています！従来のPID制御では難しかった、複雑で繊細な動きの制御に、強化学習で真正面からチャレンジしています。
      【アイデアを形にする！実践的な開発ツールを使いこなす！】
      私たちの開発現場では、MATLAB®/Simulink®やPythonといったツールが飛び交っています。頭の中に描いたAI制御のアイデアを、シミュレーションで試し、改良を重ね、そして実際に機械を動かすところまで、一貫して関わることができます。「モデルベース開発」や「データ駆動型モデリング」といった、イマドキのカッコイイ開発手法もバッチリ活用中です！
      【「AI×制御」で、まだ見ぬ未来を創り出す！】
      画像認識や時系列データ解析といったAI技術ももちろん活用しつつ、私たちの真骨頂は、それを「制御」というリアルな世界の動きに結びつけること。ロボットアームをもっと滑らかに動かしたり、工場の機械をもっと効率的にしたり…あなたのAIスキルで、世の中の"動き"に革命を起こせるかもしれません！
      「自分のAI技術で、具体的に何かを動かしてみたい！」
      「最先端の強化学習を、実際の製品開発で試してみたい！」
      そんな熱い想いを持つ学生さん、大歓迎！ネオリウムテクノロジーで、AIが現実世界をダイナミックに変えていく面白さを、一緒に体験しませんか？未来の"動き"をデザインする仲間を待っています！

    • 緻密なシミュレーションと革新技術の融合！

      ❖データ駆動制御の概要と
      　電動パワーステアリングへの応用
      ~~~~~~~~~~~~~~~~~~~~
      【データ駆動制御とは？】
      データ駆動制御は、従来のモデルベース制御とは異なり、制御対象の物理モデルを構築せずに、入出力データから直接制御系を設計する新しい制御アプローチです。従来のモデルベース開発では、システムの複雑な特性を単純化・近似する必要がありましたが、データ駆動制御では非線形特性などの複雑な動特性を考慮した制御器設計が可能です。この手法の大きな利点は、制御対象に関する専門知識がなくても、比較的簡単に制御系の適応やパラメータ調整ができる点です。

      【VRFT（Virtual Reference Feedback Tuning）】
      データ駆動制御の一手法であるVRFT（Virtual Reference Feedback Tuning）は、一度の実験データからコントローラのパラメータを調整できる効率的な手法です。この手法は、設計する制御系の閉ループ特性が、理想的な閉ループ特性を持つ規範モデルと一致するように、実際のフィードバック制御時のデータを用いて直接的に制御系を設計します。

      【電動パワーステアリング（EPS）への応用事例】
      データ駆動制御は、複雑な非線形特性を持つ電動パワーステアリング（EPS）の制御設計に有効です。シミュレーションツール「CarSim」で非線形特性を考慮した入出力データを生成し、VRFTを適用することで、PI制御系を設計できます。

      検証では、車速20km/hと60km/hの条件下で、ステアリングに正弦波入力を加える実験が行われました。その結果、VRFTによって調整されたPIゲインを持つシステムは、目標とするパワーステアリング特性（理想的な挙動）を高い精度で再現しました。これは、データ駆動制御、特にVRFTが、複雑な非線形システムに対しても効果的な制御性能を発揮できることを示しています。

    • モノを賢く！【予測モデル×最先端AI】

      【Transformerによる時系列予測モデルの優位性】
      私たちは、操舵入力とタイヤ切れ角（前輪実舵角）の時系列データを用いて、
      Transformerベースのステアリング系サロゲートモデルを構築しました 。
      このモデルは、動的応答を高精度かつリアルタイムで推定することができ、
      モデルベース開発やHIL（Hardware-in-the-Loop）試験での実用性を高めます 。

      【Transformerとは】
      Transformerは、深層学習モデルの一種であり、
      入力データの中で重要な関係性を見つける、
      「自己注意機構（Self-Attention）」という特徴を持っています 。
      従来のRNNやLSTMといったモデルでは、
      長い時系列データを扱う際に、
      情報が失われやすいという課題がありましたが、
      Transformerは全ての時刻間の依存関係を直接計算できるため、
      長期予測においても高い性能を発揮します 。

      具体的には、
      入力系列（例：過去の操舵角データ、車速）をTransformerに入力し、
      各時刻のタイヤ切れ角を学習するネットワークを構成することで、
      未来の値（例：前輪実舵角）を予測します 。
      このTransformerは、
      2017年の先駆的な論文「Attention Is All You Need」で提案されたアーキテクチャに基づいています 。

      【AIとシミュレーション技術の融合】
      サロゲートモデル開発は、当社が販売している制御対象モデル構築用ソフトウェア「Dymola」などの車両モデルから得られるデータ（入力データは操舵角、車速、出力データは前輪実舵角）を活用し、Transformerベースのニューラルネットワーク（PyTorchで実装）で学習を行うことができます。その学習結果は、モデルベース開発で使用されているMATLAB/Simulink上で利用可能となり、迅速かつ高精度なシミュレーションを実現します 。

      この技術は、
      自動車開発の現場において、
      より迅速な設計サイクルと効率的な検証プロセスを可能にします。
      計算負荷の高い詳細なシミュレーションをリアルタイムに再現できることで 、
      開発のボトルネックを解消し、品質向上とコスト削減に貢献します。

この企業に興味をもった方にオススメの企業

エージェントに相談しますか？