清水秀樹 | AI×ロボット×教育

AIやロボットの仕事に携わってきましたが、これからはロボットを作って売る仕事より、ロボットを作る楽しさを届ける仕事ができたら良いなと思っています。 ロボットは完成品を見ると難しそうですが、モーターを1つ動かせるだけでも一気に身近になります。 自分はその「私でもできた」という感覚を、教育、自治体、企業、そして個人に持っていきたいと思っています。 このアカウントでは、自作ロボ / 生成AI / IoT の実践を通じて、技術を分かる形、使える形にする発信をしています。 これまでの実践はこちら ai-coordinator.jp/works

速くて小さいボールも、試合映像から見失わずに追いかけます。ゴール前の混戦でも。 ・スポーツ分析 → ボールの軌道・支配率・シュートの可視化 ・試合の撮影や配信 → ボールに追従した自動カメラ・ハイライト切り出し ・部活やアマチュア → 撮るだけでプレーを振り返り 特別な機材は不要、ふつうの試合映像だけ。小さく速い対象を捉え続けます。 “動きの速いものを追う”、他にどんな競技や現場で要りそうですか？ #AI活用 #画像認識 #スポーツテック #yolo #ultralytics

新しいチャレンジにワクワクです。

作業現場で「ヘルメットをかぶっているか」を、カメラ映像から自動でチェックします。複数人を同時に。 ・建設や工事の現場 → 保護帽の未着用をその場で検知 ・工場や倉庫 → 入場時の保護具チェックの自動化 ・高所作業や重機まわり → 危険エリアでの着用確認 特別な機材は不要、いまある現場カメラの映像だけ。 “着けているか”の確認、他にどんな現場で要りそうですか？ #AI活用 #画像認識 #安全管理 #yolo #ultralytics

小さな炎を、煙や木立にまぎれていても映像から見つけ出します。複数の火元を同時に。 ・山火事 → 監視カメラやドローン映像からの早期発見 ・工場や倉庫 → 出火の初期検知で初動を早く ・太陽光発電所や設備 → 発火・異常加熱の見張り 特別なセンサーを置かなくても、いまあるカメラ映像だけで火を検出します。 “火を早く見つける”、他にどんな現場で要りそうですか？ #AI活用 #画像認識 #防災 #yolo #ultralytics

水中を泳ぐ魚を、映像から一匹ずつ検出して追えます。濁った海の中でも、複数同時に。 ・養殖の生簀 → 数・サイズ・動きの把握、異常の早期発見 ・資源や環境の調査 → 魚種・個体数の自動カウント ・定置網や漁港 → 入ってくる魚のモニタリング 特別な機材は使わず、水中カメラの映像だけ。一匹ごとにIDを付けて、輪郭まで捉えています。 海の中の“数える・見張る”、他にどんな場面で要りそうですか？ #AI活用 #画像認識 #水産 #ultralytics #sam3

メインフレームって、そう簡単にはAIに置き換わらないと思うんですよね。 AIがコードを書くのが得意になったのは、要するに「情報量が多いから」です。 Web開発がいい例で、世界中のオープンソースやQ&Aが山ほど公開されている。だからAIはどんどん学んで、上手くなる。 裏を返すと、情報が世に出ていない領域はAIが弱い。 メインフレームやCOBOLは、コードが企業の中に閉じていて、ネットにほとんど転がっていない。だから簡単には置き換わらないんです。 面白いのは、25年前は「これからはオープン系の時代だ」と言われていたこと。COBOLは古い、これからはWebだ、と。 でも結局、最後まで残るのはメインフレームだった。技術の評価って、こうしてひっくり返るんだなと思います。

空を流れる雲の動きを、ふつうのカメラ映像から検出して追えます。 ・太陽光発電 → 雲の接近で変わる日射・発電量の先読み ・空港や港、道路 → 視程（もや・霧）の監視 ・観光ライブカメラ → 天候・景観の自動把握 特別な気象センサーは使わず、映像だけ。動く雲を一つずつ捉えています。 他にこの“空の変化を読む”が活きそうな場面、ありそうですか？ #AI活用 #画像認識 #気象

道路を通る車の台数、人がカウンターで数えていたあの作業、映像から自動で数えられます。一台ずつ識別して、重複なく。 ・交通量調査 → 手作業カウントの置き換え（混雑時も漏れなく） ・駐車場や施設 → 入退場の台数把握 ・出店や商圏の分析 → 店前の通行量を定量化 屋外の普通の道路映像でOK。車種が混ざっていても、一台ごとにIDを付けて追跡しています。 他にこの“数える”が効きそうな場面、ありそうですか？ #AI活用 #画像認識 #交通量調査 #yolo #Ultralytics

@Mar_3simai コメントありがとうございます。地味に色々計測出来そうですよね。

@ai_coordinator 視線検知、接客や広告効果測定で地味に需要ありそうですね。サイネージ周りで注目エリアを可視化できるのは、出稿側としても運用改善に使えますし😊

人が「どこを向いているか」を、カメラだけで読み取ります。複数人を同時に、リアルタイムで。 ・製造や運転の現場 → よそ見・前方不注意の検知 ・店頭・展示・サイネージ → 注目が集まる方向の可視化 ・研修やセミナー → 聞き手の関心の向き 専用センサは不要、いまあるカメラ映像だけ。個人は特定せず“向き”だけを見ています。 他にこの“向き検出”が効きそうな場面、ありそうですか？ #AI活用 #画像認識 #DX

ローカル環境でLLM動くOllamaを使ってみてるけどフツーに精度高いな。 しかも無料。 このレベルが無料になってくると、滅茶苦茶投資しているOpenAIとか、採算とれるのかな？ #LLM #Ollama

yolo26のセマンティックセグメンテーションだけど、Cityscapesの１９クラスで動かしてみたら、もうここまで出来るようになってましたね。 0 road（道路・車道） 1 sidewalk（歩道） 2 building（建物） 3 wall（塀・壁） 4 fence（フェンス・柵） 5 pole（ポール・支柱） 6 traffic light（信号機） 7 traffic sign（道路標識） 8 vegetation（植生・樹木） 9 terrain（地面・地形） 10 sky（空） 11 person（人・歩行者） 12 rider（搭乗者＝自転車やバイクに乗った人） 13 car（自動車） 14 truck（トラック） 15 bus（バス） 16 train（列車） 17 motorcycle（オートバイ） 18 bicycle（自転車） ##ultralytics #yolo26 #SemanticSegmentation

春先に行った宮古島でウミガメに出会えなかったので、物体検出してみました。 #SAM3 #ultralytics

竜巻を検知する。 #SAM3 #ultralytics

カメラで火災検知。 火の用心。 #SAM3 #ultralytics

@YUK_KND 確かに、その可能性もありますよね。

@ai_coordinator 近い将来このまま個人特定になるのかも。。。

SAM3の凄い所は「girl」で検出できるところ。「person」で検出する時代は終わった。 #SAM3 #ultralytics

@behlulcansahin @JMrwaa docs.ultralytics.com/ja/models/sam-3

@JMrwaa @ai_coordinator Thanks, have you tried it? How are the costs

SAM3の凄いところは「黒い犬」と指定すると黒い犬だけを検出できるところ。 #SAM3 #ultralytics

@Allan_Ryan_ docs.ultralytics.com/ja/models/sam-3

@ai_coordinator how easy to plug and play these?

@DDhfrcycyf5vuf I think it can be done.

@ai_coordinator how about other black things