はじめに
製品概要
AI技術概要
特徴量の次元を下げる
これまで：3次元（形状学習システム）
これから：数列変換（多層ニュートラルネットワーク）→処理の高速化・新形状に対応
３次元形状でのAI活用の基本概要
特徴量の開発
サーフェスの数列変換
S1面を見渡した時に４辺と４点で構成された面だと推測できる
そこでこの目視で見える以下の点を数値化して表したい
数値化には弊社特許取得技術のサーフ法と点角度法で構造物の構造を定義する方法を使用。
サーフ法(特許6605712等)
点角度法(国際特許出願 PCT／JP2020／40111)
それぞれの点から270度・360度・450度どれにあたるか検出
面を３０次元の特徴空間でベクトル化
特徴量を表現するためにはラベリングする必要がある
特徴量の記述方法(国際特許出願 PCT／JP2020／40111)
特徴量は以下の項目から計算しデータ抽出を行う
ニュートラルネットワーク
①部品Aで学習
部品Aから教師データを抽出し、ニュートラルネットワークを学習させる（お客様自身で学習用データの追加可能）
②部品Bでテスト
先ほど学習させたニュートラルネットワークを使用してラベリング
形状の組み立て
抽出した結果からサーフェス番号に沿って元の3次元形状に戻す
形状探索(国際特許出願 PCT／JP2020／40708)
よく似た形状データを得ることで新しいモデルに対してメッシュ作成スピードを上げることができる
