歐姆龍與Apprhythm利用非集中式學習技術「DcX」提升開發效率
歐姆龍與Apprhythm合作，將歐姆龍サイニックエックス研發的非集中式學習技術「DcX」應用於馬匹行為監控AI產品「aiba」。透過此技術，成功構建出能適應不同馬廄環境的檢測AI模型。該方法在不需外部共享現場原始數據的情況下，即能在安全環境中優化AI，有效解決開發週期長及成本高昂的問題。
📋 文章處理履歷
- 📰 發表: 2026年6月9日 20:08
- 🔍 收集: 2026年6月9日 11:21
- 🤖 AI分析完成: 2026年6月9日 12:57（收集後1小時36分鐘）
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。
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。
常見問題
DcX（非集中学習技術）とはどのような技術ですか？
DcXは、各現場で学習されたAIモデルのみを持ち寄り、その出力結果を教師として用いる蒸留技術を利用した非集中型の学習手法です。データを外部に共有せず、各現場のデータを秘匿したまま、異なる環境の特徴を単一のAIモデルに統合できます。
今回の検証でどのような課題が解決されましたか？
これまでデータ共有に伴う利用権利や情報漏洩への懸念からデータを持ち寄ることが困難でしたが、DcXの活用により、現場固有のデータを共有することなく馬体検出AIモデルの精度向上と開発負荷の低減を両立しました。
「aiba」とはどのようなサービスですか？
アプリズムが提供する、馬の行動や状態をAIで見守り、管理業務を支援するAIプロダクトです。環境変化により検出精度が低下する課題がありましたが、DcXの適用により安定した検出が可能になりました。
オムロンの今後の展開方針を教えてください。
中期ロードマップ「SF 2nd Stage」のAgentic AI領域に向け、追加学習に伴う開発・運用負荷を低減する技術としてDcXを展開し、全社的なAI技術基盤の強化と事業競争力の向上を目指します。
本検証での各社の役割分担はどうなっていますか？
アプリズムはAIモデル開発と環境提供、オムロンはプロジェクトマネジメント、オムロン サイニックエックスはDcXおよびAI技術の研究開発とアドバイザリーを担当しました。