歐姆龍與Apprhythm利用非集中式學習技術「DcX」提升開發效率

歐姆龍株式會社與Apprhythm株式會社成功構建了一套馬體檢測AI模型開發方法，能在多元環境條件下發揮預期效能。此成果是透過應用由歐姆龍サイニックエックス株式會社（OSX）開發的非集中式學習技術「Decentralized X（簡稱DcX）」，並與Apprhythm提供的AI產品「aiba」進行結合所達成。

一般而言，應用於外觀檢測的物體偵測或圖像識別AI開發，必須基於現場固有數據進行訓練，因此常面臨數據利用權、資訊洩漏風險，以及數據量暴增導致的開發週期延長與成本攀升等挑戰。DcX提供了一種全新途徑，僅整合各現場訓練出的AI模型，無需共享數據即可在安全環境下升級AI。本次驗證將DcX應用於賽馬場與馬廄，確認即便環境發生變化，亦能快速生成可投入運作的檢測模型。

驗證成果方面，顯著提升了馬體重心位置的估測效能。即便在光線昏暗的夜間馬廄環境中，透過導入其他據點的訓練知識，亦實現了穩定的馬體偵測。

歐姆龍將把此次驗證心得應用於中期規劃「SF 2nd Stage」中的「Agentic AI」領域，作為未來強化AI技術基礎與提升業務競爭力的關鍵技術。