Objective：センサ／デバイス上での推論・学習を中核に、低遅延・省電力・プライバシーを両立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：ネットワークと連携した「状況適応型」Edge AI（network-aware AI）へ拡張し、応用領域へ横展開する。

Objective：電力・都市インフラを支えるネットワーク化システムに対し、低遅延・高信頼・スケーラブルな通信・制御基盤を設計する。

Novelty：通信（QoS/QoE）と制御・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、トラフィック工学、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：Edge AI基盤と統合し、ネットワーク状況に応じて処理分担・表現を最適化する統合アーキテクチャへ。

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（2D LiDAR、マイクロ波、人感、圧力など）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（通信品質・省電力）。

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：Smart Grid Networksで培った分散制御・レジリエンス設計を応用し、災害時・混雑時にも破綻しない見守り基盤を目指す。