Adaptive Edge Intelligence（中核）

Objective：センサ／デバイス上での実行を前提に、制約（計算資源・通信・プライバシー）に適応して動作する知能を実現する。

Novelty：ネットワーク状態やリソース制約に応じて、モデル／表現／処理分担を動的に最適化する設計指針を確立する。

Methods：軽量化（蒸留・量子化など）、分散協調（エッジ—クラウド協調、フェデレーテッド学習等）、不確実性を考慮した推論・制御。

Results：実装可能性（リアルタイム性、計算量、エネルギー）を満たすプロトタイプと、シミュレーション／小規模デモによる評価。

Next：通信環境や応用要件と連携した「状況適応型」AIへ拡張し、多様な実環境へ横展開する。

キーワード

Edge AI, On-device inference/learning, Model compression, Edge–cloud collaboration, Federated learning, Privacy-aware AI

Objective：通信環境（帯域・遅延・変動）に応じて、AIの処理分担や表現を最適化する手法を設計する。

Novelty：通信（QoS/QoE）と推論・制御・最適化を同時に扱い、障害・輻輳・変動に強いレジリエントな運用を実現する。

Methods：分散最適化・強化学習・GNN等を用いた資源制御、ネットワークスライシング／サービス連鎖（SFC）配置など。

Results：ネットワーク条件下での性能（遅延・信頼性・コスト）の定量評価と、運用ポリシー設計の体系化。

Next：通信状況に応じてAIの処理分担・表現を動的に最適化する統合的な設計へ拡張する。

キーワード

Network-aware AI, Distributed systems, Resilience, QoS/QoE, Distributed optimization, Traffic engineering, SFC placement

Objective：高齢者支援（見守り・転倒検知・ADL推定等）や現場IoTにおいて、現実の制約下で確実に動くスマートシステムを構築する。

Novelty：異種センサを共通の意味表現へ写像し、欠損・非IID・プライバシー制約に強い学習を実現する。

Methods：セマンティック表現学習、プライバシー保護型学習、エッジ側でのリアルタイム推論、運用条件に応じた適応。

Results：公開データ／シミュレーションを中心に、現場導入を見据えた小規模実証（プロトタイピング）で妥当性を確認する。

Next：分散制御・レジリエンス設計の知見を応用し、災害時・混雑時にも破綻しない見守り基盤を目指す。

キーワード

AgeTech, Assistive technologies, IoT sensing, Activity recognition, Fall detection, Semantic representation, Privacy-preserving learning