OpenSpaceの進捗状況追跡機能- 詳細はこちら

革新的技術を長期開発

OpenSpaceは工事の簡潔化および透明化を図るため、
先進テクノロジーを応用

OpenSpaceはコンピュータビジョン、人工知能およびデータ可視化技術を採用し、処理スピードを重視して設計されました。タッチ&ゴー受動式動画撮影機能および画像の自動マッピング機能を搭載した業界最先端の製品です。過去2年間で当社のお客様が撮影した建設プロジェクトは5億平方メートル以上。この記録は当社ソリューションのスピードと使いやすさを証明しているといえます。
また、OpenSpace OpenSpace Trackの導入により、当社は画像を活用し、プロジェクトの状態と進捗状況にこれまでにない洞察を提供する、新たなAIツールを開発する企業へと成長を遂げました。

OpenSpaceを支えるテクノロジーは自動運転車の感知・ナビゲーションシステムに似たシステムで、当社創設者がMITで開始し、約20年にわたり研究開発し続けた成果を積み重ね、完成しました。MIT、カリフォルニア工科大学、スタンフォード、バークレーの卒業生から成る当社チームは、建築業界専門のアルゴリズムの開発に重点を置いています。

OpenSpace視覚エンジン

OpenSpaceが開発・特許出願中の視覚エンジンテクノロジーは、世界初の全自動リアリティキャプチャシステムの中核を成すものです。OpenSpaceを使用すれば、建設業者やオーナーは他のツールよりも遥かに速く、手動入力なしで360°動画や写真を撮影することができます。さらに、視覚エンジンは絶えず学習しており、歩けば歩くほど処理が高速かつ的確になります。

コンピュータビジョン

コンピュータビジョンとは、コンピュータがデジタル画像や動画を解読・理解する方法です。工業オートメーション、医用画像、ロボット工学や自動運転車など、さまざまな業界で活用されています。視覚エンジンは、画像の統合された単一シーンへの自動的配列、重要な特徴の識別およびラベル付け、間取り図へのマッピングをコンピュータビジョンに依存しています。これらの特徴を画像および空間全体でを追跡することで、撮影された環境に対する理解を深めます。

3D再構築

3D再構築とは、2D画像から3Dオブジェクトや空間を再制作するプロセスです。医学、測量、ロボット工学、鉱工業の分野で使われています。視覚エンジンは、3Dを使用して空間内の特徴を見つけ出して再構築し、3D環境を再制作します。2つの画像の特徴を比較し、これらの特徴配置が最適となるカメラの推定位置を計算します。OpenSpace 360°動画撮影全体を通してこのプロセスが何千回も繰り返されることで、3D点群が作成されます。点群は、画像内の特徴と空間内の3D位置を直接紐付けます。

機械学習

機械学習とは、コンピュータが具体的な指示がない状態でパターンやソリューションを見つける方法のことです。機械学習アルゴリズムは訓練データに基づいて数学モデルを作成し、タスクの実行を明確にプログラムされることなく、将来の結果を予測することができます。視覚エンジンは、毎回の撮影と巡回ルートを訓練データセットとして使用します。現場を歩くたびに視覚エンジンが3D環境をより詳しく学習し、画像の配置やマッピングドローイングをより高速かつ正確に行えるようにします。

自己位置推定と環境地図作成の同時実行(SLAM)

自己位置推定と環境地図作成の同時実行(SLAM)とは、未知の環境で移動しながら、未知の環境に対して地図を構築する科学技術です。SLAMは自動運転車のナビゲーションに用いられるコアアルゴリズムの1つで、センサーが現地環境で移動すると、継続的に画像撮影やスキャンを行います。アルゴリズムはシーケンスデータを並べ、間取り図上で位置や歩行経路を推定します。OpenSpaceではこれに、画像ベースのSLAMを使用しています。その後撮影されたデータも機械学習システムに入力され、毎回の歩行および推定精度向上に使用されます。

OpenSpace OpenSpace Track

進捗状況追跡は建設にとってなくてはならないものです。どのチームもスプレッドシートやホワイトボード、ガントチャートを使用しています。足りないのは画像ベースのデータを直接取得する機能とそのデータを洞察に向けて処理する機能、そして、間取り図にマッピングされたデータを見る機能です。建設業者は鋭い空間能力を持つ視覚的感覚に長けた人たちです。狭い空間に一日中閉じ込めてしまうのはやめましょう。

OpenSpace OpenSpace Trackは、画像を洞察に変換する進捗状況追跡・分析ツールです。チームがすべての現場ですべてを確認することは不可能です。OpenSpace OpenSpace Trackは死角をカバーし、より良い意思決定を行う上で必要なデータを提供するデジタル副操縦士のような役割を果たします。視覚エンジンを利用することで、OpenSpace OpenSpace Trackは時間や場所を問わず、特定のアイテムやシステムを分割、分類、追跡することが可能となります。

セマンティック・セグメンテーション

セマンティック・セグメンテーションとは、ピクセルをグループ分けし、論理ブロックを構成するプロセスのことをいいます。これらの論理ブロックは、単に特性に基づいて作成することができます。例えば、1枚の黄色のシャツのすべてのピクセルが1つのブロックを構成し、1枚の赤いスカーフのすべてのピクセルが別のブロックを構成します。あるいは、ブロックをあらかじめ設定されたカテゴリに関連付け、ラベル付けを行うこともできます。OpenSpaceはセマンティック・セグメンテーション技術を使用して建設専門の分類と分類子を開発しており、原画像を追跡・カウント可能な論理的セグメントに変換します。

アイテム検索

アイテム検索とは、画像の中で具体的なアイテムを抽出・識別するプロセスであり、通常、ノイズの多い背景の中から具体的なアイテムを検索するために用いられます。OpenSpaceは、現場で簡単にアイテムを見つけられるよう、アイテムの検索方法を調整しています。画像内で探したいアイテム(照明器具など)を選択するだけで、OpenSpaceがプロジェクト内にある類似アイテムを見つけ出します。その後、そのアイテムが画像に表示された回数とフロアを追跡することができます。

進捗状況追跡

画像を処理、配置、位置づけおよび分割した後、分析して進捗状況を追跡できます。アイテムの識別機能を使用してアイテムを位置づけ、セマンティック・セグメンテーションを使用してアイテムを分類、点群を使用して3D空間内での位置づけと追跡を行うことができます。最終的に、プロジェクト活動の定量化マップを作成し、作業の確認、作業調整の促進、効率性の評価に使用します。

ビッグデータの視覚化

ビッグデータ視覚化とは、大型で複雑なデータセットを視覚化して提示し、データをより解読・理解しやすくすることです。OpenSpaceは革新的な視覚化技術の開発において長い歴史を有します。一人のMIT所属研究者が彼の幼い息子がどのように新しい単語を覚えたのか、そしていつ覚えたのかを理解するために、90,000時間の家族の動画を記録した模様について、TEDトークで話したのが始まりでした。そこで取り上げられたのが、当時その研究者の学生だった当社創業者による研究でした。