エッジAIでxRの入力デバイスを改革するQuantum Core【BRIDGE Tokyo】

SHARE:

本稿は「BRIDGE Tokyo」に参加する出展者を紹介する記事。BRDGE Tokyoは国内外のスタートアップ、テクノロジーを集めたオンライン・トレードショーで、2021年夏にグローバル100社を集め、オン・オフのハイブリッド開催予定。情報はメールマガジンにて随時配信中

リアルタイム学習、小メモリ/データでの多変量時系列処理ソリューションを持つQuantum Coreは2018年に東京で創業されました。「リザーバコンピューティング」と呼ばれる再帰ニューラルネットワークの一種を用いた時系列処理システムの研究開発と導入支援を行うスタートアップです。現在シリーズAまで資金調達が完了し、調達額は2億円で株主にはIDATEN Ventures、JAFCOが入っています。

これまでビッグデータ&計算パワーを前提とした機械学習が、画像やテキストの分野などで破壊的存在として様々な業界を改変してきました。人間の識別・認識の本質は特徴の選択・抽出と言われますが、人間を凌駕し始めたわけです。しかしこれらはまだまだ一部の領域での話です。現実は機械が認識しやすいような綺麗な形をしていません。

Quantum Coreが提供する機械学習アルゴリズムの価値は、これまで苦手としていた領域を照らすところにあります。スモールデータ&低計算パワーで時系列情報(時間ともに変化する情報。たとえば毎月の売上、音声・映像データなど)のリアルタイム学習が可能です。具体例を上げると、数秒の挨拶をするだけで話者特定を可能にしたり、MACNICAとの共同開発した非接触ユーザーインターフェイスはエッジのみに学習させてジェスチャーの個人認識を可能にします。これらを深層学習の計算量100倍、学習データは1/10程度で、マイコン上でできてしまう、つまり数キロバイトのメモリで学習処理ができてしまうのです。

エッジAIはユーザーインターフェイスだけでなく、環境のデバイス入力としてもXRにとって重要なファクターです。多種のセンサーに対応し、話者特定、ジェスチャー認識、姿勢認識、物体認識と柔軟に用途を変えられる機械学習アルゴリズムはビッグデータ&計算パワーを前提とした機械学習の隙間を照らすだけでなく、得意分野さえも簡便なものへと変える力を秘めています。

特集:ARー拡張する現実世界