Share
Embed
ジオAI研究会中間報告資料 深堀り・議論会
本資料はSatAI.challengeのサーベイメンバーと共に作成したものです。
SatAI.challengeは、リモートセンシング技術にAIを適用した論文の調査や、
より俯瞰した技術トレンドの調査や国際学会のメタサーベイを行う研究グループです。
speakerdeckではSatAI.challenge内での勉強会で使用した資料をWeb上で共有しています。
https://x.com/sataichallenge
SatAI.challenge
July 08, 2026
Transcript
42 slides
-
ジオ研究会って? • 内閣官房地理空間情報活用推進室・国土交通省が地理空間情報とAI 取り組みを産学官で 戦略的に加 するために設置された がジオAI研究会 • 5/29 段階で4回
研究会 議論を踏まえて中間整理した内容が共有されている ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
ジオ研究会って?本文から 抜粋 • 地理空間情報×AI(ジオ AI)において、現状(As is)と目指す姿( o be)を明らかにし たう えで、そ
ギャップ(論点・課題)を、いかに埋めていくべきか (方向性)を検討すること を目的としてジオ AI 研究会を設置 • ジオAI研究会で 主に以下 5点について議論・検討を行なっている ◦ ①ジオ AI をめぐる最近 動向 ◦ ②ジオ AI 概念整理、目指す姿 ◦ ③ジオ AI 推進・実現に向けた「論点・課題」 整理 ◦ ④ジオ AI 推進に必要な産官学による「取組 方向性」 (協調領域、競争領域) ◦ ⑤ジオ AI 推進にあたって配慮・考慮すべき事項 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
ジオAI研究会 メンバー構成 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合~”.
より引用 大学 先生及び色んな所属 方を含めて 研究会を実施している -
ジオAI研究会 中間報告 アウトライン 7 • 研究会設置 背景・課題認識 ◦ 背景 ▪
G空間プロジェクト 経緯 ▪ 地理空間情報 広がり ▪ AI 進展と地理空間情報分野で AI活用 ◦ 課題認識〜現状 AI 地図や地理空間情報が苦手〜 ◦ ジオAI研究会 設置 • 地理空間情報×AI(ジオAI)へ 期待 ◦ ジオAIと ◦ ジオAIへ 期待(産学官ヒアリング結果) • 地理空間情報×AI(ジオAI)により目指す姿 ◦ ジオAIにより目指す姿 ▪ 目指す未来社会 ▪ ジオAI 価値〜空間・時間・物理制約を織り込んだ現場に効く知能〜 ◦ ジオAIが期待される分野例 • ジオAI 全体設計像(アーキテクチャ) ◦ ジオAI 全体アーキテクチャ ◦ 協調領域・競争領域 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 近年 話 課題とジオAI研究会 モチベーション 目指すべき方向性 話 実現するため -
ジオAI研究会 中間報告 アウトライン 8 • ジオAI 実現に向けた課題と方向性 ◦ ジオAI 推進に係るAIモデル
← 第一回 ▪ ジオAIにおける地理空間モデル 必要性 ▪ 論点 ▪ 現状とあるべき姿 ▪ あるべき姿 実現に向けた取り組み方針と留意すべきポイント ▪ 取り組み 方向性(本研究会から得られた示唆)←第2回 ◦ AI- eadyなデータ整備 ▪ 論点 ▪ 現状とあるべき姿 ▪ あるべき姿 実現に向けた取り組み方針と留意すべきポイント ▪ 取り組み 方向性(本研究会から得られた示唆) ◦ AI- eadyなデータ連携・流通基盤 ▪ 論点 ▪ 現状とあるべき姿 ▪ あるべき姿 実現に向けた取り組み方針と留意すべきポイント ▪ 取り組み 方向性(本研究会から得られた示唆) ◦ ガバナンス ▪ 論点 ▪ 現状とあるべき姿 ▪ あるべき姿 実現に向けた取り組み方針と留意すべきポイント ▪ 取り組み 方向性(本研究会から得られた示唆) ◦ 人材育成 ▪ 論点 ▪ 現状とあるべき姿 ▪ あるべき姿 実現に向けた取り組み方針と留意すべきポイント ▪ 取り組み 方向性(本研究会から得られた示唆) ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 主に議論 内容がここにまとまってい る -
地理空間情報 活用を促進したG空間プロジェクト • 地理空間情報活用推進基本法(2007) 制定以降、政府一体となってG空間支える基盤であ る準天頂衛星システム「みちびき」 整備や電子国土基本図等 地理情報システム(GI ) データ整備を進め、G空間情報
利活用を進めてきた ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
データが整備されることによる地理空間情報 AI促進が急 化 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI
融合 推進~ ”. より引用 geoai 共起単語 可視化 -
地理空間情報におけるAI 課題 → ジオAI研究会設置へ • 地理空間情報 課題 ◦ 地理空間情報 整備流通
促進されているがWebGI や A I による情報提供・可視化にとど まっている • 地理空間情報とAI 関係性 課題 ◦ 近年 AI技術発展を考えるとAI 予測・推論・提案を通じて社会課題解決に寄与するように情 報整理をすることがことが期待されている ◦ 生成 AI や で 主に自然言語やコード、記号列を対象に学習しているため言語的記述とひ も付かない地理空間情報 意味解釈やベクター処理 苦手 ▪ AI における空間的な意味解釈(空間オントロジー)を含め、地理空間情報×AI 在り方 検討が必要 AIが地理空間情報を使って社会課題を解決できるように 現状と未来について議論するためにジオAI研究会が設置 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
ジオAI(地理空間情報とAI 融合)について→ジオAIが持つ3つ 要素について ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI
融合 推進~ ”. より引用 ジオAI 要素 大きく 3つに分類 1,2が先行・部分実装され 3も含めた社会実装が相互保管的 に進化することが期待される -
どんな未来に向かっている?:ジオAIにより目指す姿 • 現状 課題:人口減少・少子高齢化に伴う労働不足 様々な分野で課題に • 労働不足 課題 現場で生じるため現場という場所に紐付けられた「地理空間情報」 重要
性 高いデータ • こ データにAI 技術を用いることで複雑化・輻輳化した現場 課題 解決を期待 ◦ 意思決定・合意形成 場面で、人間 時空間的能力を超える複雑な課題に対しても最 適・最善なソリューションを企画立案 ◦ 現場で 実行場面において 、AI・フィジカル AIと 連動により、ロボティクスやオート メーション技術を局所最適から全体最適 技術へと拡張 人間が考えられない案を立案してくれる ロボティクス分野へ 応用を想定 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
現在進行しているプロジェクトから見える未来 • 国土交通省が推進する「建築・都市 DX」を初めとしたデジタル空間とフィジカル空間を融合 する「デジタルツイン」が各分野で急 に発展 • これらとAIが融合・統合されることで「人と国土、ロボットがオーケストレーションする 」社会 実現が期待されている
ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
これらを踏まえたジオ AI が実現する未来社会 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI
融合 推進~ ”. より引用 This image was generated by ChatGPT -
ジオ AI 研究会が考えるジオAI 価値( 整理) • ジオ AI 価値(意思決定 統合性・先行・予防性、迅
性・拡張性 高度化) ◦ 意思決定 度や選択肢、再現性(属人性 排除)等、人間 地理空間的・時系列的な 認識 能力を拡張し、空間・時間・物理制約を織り込んだ現場に効く知能によって、「意思決定プロセス 質的転換」を図ること • 具体的に想像している価値(下記が自然言語を通して誰でも再現可能に) ◦ 事故・災害・社会課題が顕在化する前に兆候を捉え、事後対応で なく、先手を打った意思決 定を下せるようになる ◦ 絶え間なく変化する外部環境(人口動態、経済動向、自然環境、ライフスタイル等)へ 迅 な 対応 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
ジオAI 実現・推進 ため 羅針盤:全体アーキテクチャ図 ① ③ ② データ層と連携層 ジオ AI
実現に向けた中核層いか にAI- eady なデータを AI が 使える形で流通・提供するか、 これがジオ AI 成否を左右 する ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
ジオAI研究会が考える協調領域(国 仕事)と競争領域(民間 仕事) アプリ・サービス開発や 領域特化モデル等 民 間 競争領域 地理空間情報を適切に 処理できる
AI システム 開 発、公共 基幹的・中核的 データ 整備・ AI- eady 化 や流通基盤 提供等 新た な共通基盤 整備やガバナ ンス 協調領域として官が主 導 特定分野/業界ごと 教師データやエコシステム コミュニティ形成・ 人材育成など学術・業界団体を中心に主導 ジオ AI 研究会. (2026), “中間整理 ~地理空間情報 ×AI 融合 推進~ ”. より引用 -
AI eady データ整備 議論を深めるために AGについて深堀りをしてみる • 今回 勉強会で etrieval-Augmented Generation(
AG)について 歴史を一部付随するこ とで、データ 持ち方としてどうあるべきか 理解を深めてみる • 基本的に 4つ 論文を1ページサマリ形式でまとめどういう技術でどういう事が過大な か を述べていく • 論文 リスト 以下 通り ◦ AG 原著論文 → ドキュメントを調べるため 技術 原点 etrieval-Augmented Generation for nowledge-Intensive asks ◦ C AG → 参考ドキュメント 評価を追加 Corrective etrieval Augmented Generation ◦ Graph AG →ドキュメント群 構 的な調査 From ocal to Global: A Graph AG Approach to uery-Focused ummarization ◦ Agentic AG→ AGをツールとして扱う Agentic etrieval-Augmented Generation: A urvey on Agentic AG -
AG(2020)― 調べてから答える土台 Patrick Lewis. (2020), “Retrieval-Augmented Generation for Knowledge-Intensive NLP
Tasks”,arXiv:2005.11401. より引用 最大 内積探索 Documentと質問を入力 質問を生成して、解答を生成 • 事前にベクトル化したドキュメントとクエリ ベクトル 類似度を計算し、複数 ドキュメントと質 問をGeneratorに入力(学習時 これら アンサーが上手くいくように最適化される) • 課題:引いた資料が間違っていても気づけない。全体像を問う質問 苦手。 -
C AG:調べ間違いを自分で直す(引用するドキュメント 評価を追加) Shi-Qi Yan. (2024), “Corrective Retrieval Augmented Generation”,arXiv:2401.15884.
より引用 課題:採点モデルを別途ファイン チューニングする必要がある 閾値 データごとに手調整 採点モデルが資料と質問 合致 度を採点し、3つに振り分ける Correct:資料を小片に分解→不 要を捨てて再構成 Ambiguous:両方を混ぜる。既存 AGに後付けできる Incorrect:資料を捨てWeb検索で 取り直し -
Graph AG:断片でなく全体像を読む Darren Edge. (2025), “From Local to Global: A
GraphRAG Approach to Query-Focused Summarization”,arXiv:2404.16130. より引用 こ 色が AG インデックス作成 こ 色が解答作成 各チャンクから が重要 なエンティティと、それら 間 関係を抽出 さらに、それぞれに短い説 明文を付ける 必要なグラフ 選択 ドキュメント全体 解答が 難しいがグラフを 導入することで改善 課題:関係図 構築コストが要 る -
Graph AG:断片でなく全体像を読む Aditi Singh. (2025), “Agentic Retrieval-Augmented Generation: A Survey
on Agentic RAG”,arXiv:2501.09136. より引用 • Agentic AGで整理された verview ◦ ナレッジグラフとベクターデータベースで構成されている -
Agentic AG:AIに調べ方を決めさせる Aditi Singh. (2025), “Agentic Retrieval-Augmented Generation: A Survey
on Agentic RAG”,arXiv:2501.09136. より引用 • 弱点 ◦ ここまで 手法 手順が固定 ◦ 何段階も調べ直す複雑な質問に、そ 場で柔軟に対応できない • しくみ: ◦ 「自分で判断して動くAI(エージェント)」を組み込み、調べる→確かめる→足りなけれ 調べ直すを 自分で回す。 ◦ エージェント 動き方4つ=リフレクション(自己点検)/プランニング(手順分解)/ツール使用(検索 ・計算・A I)/マルチエージェント(複数AI 分担)。 AG ツール使用 1つ -
4本 論文に目を通して 気づき • Agent ツールとしてデータを取得する で、Agentが地理空間情報 課題を解くために データ 整備以外にもツール
整備も重要になる で ? ◦ 取得した地理空間情報を演算するツールがないと計算ができない • データ 持ち方として最適で ないかも知れないが、ベクターデータベース+ナレッジグラフを 用いられている ◦ どこかでデータベースを作る必要がある? • ドキュメント チャンク毎に区切って検索しやすいようにしている -
メンバーと 理解:目指したい方向性 1枚絵 34 位置情報が共通化されてAgentが自発的にデータにアクセスし、プ ロンプト 返答を返すため 基盤 整備 位置情報をどう共通化しど
ようなタスクが 解けるようになるかを知ること 重要 -
位置情報 充実化 複数 種類 データ 掛け合わせに発展し 1つ データだと解けない問題を解消する可能性がある atAI.challengeでも位置情報 充実化に対して
言及 35 中村 凌. (2025), “Remote sensing × Multi-modal meta survey”,Speaker deck より引用 -
本当に今 Agent 地理空間情報 問題が解けない か? 36 • GI clawという論文で 、GeoAnalystBenchというベンチマークデータセットで、最大100%
タスク成 功率、3回実行平均で97% 成功 • 論文 重要な知見 データパス、A I状態管理、メモリ制限、型変換など 環境レベル 問題を修 正することで、中間タスク成功率が大きく改善したという点 →つまり 、 改善で なく実行基盤を丁寧に作る方が効く場合がある 現状 問題を理解するため 仕組みを作り 適切にリソースを割り当てる事が重要 Jinzhen Han. (2026), “GISclaw: A Comprehensive Open-Source LLM Agent System for Realistic Multi-Step Geospatial Analysis”,arXiv:2603.26845 より引用 -
中村 凌 株式会社天地人 / SatAI.challenge 主宰 / cvpaper.challenge HQ •
株式会社天地人データサイエンティスト (2024/04 - 現在) • SatAI.challenge 主宰(2024/09 - 現在) • cvpaper.challenge HQ(2021/1 - 現在 ) • 福岡大学大学院 理学研究科 応用数学専攻 博士課程(2021/04 - 2024/03) • 産業技術総合研究所 コンピュータビジョンチーム RA(2021/05 - 2024/03) • 福岡大学大学院 理学研究科 応用数学専攻 修士課程(2019/04 - 2021/03) 自己紹介 Twitter LinkedIn 48 これまで 個人的な活動 • 研究効率化Tips (ViEW2021招待講演) • 国際会議へ 論文採択実績(IROS / ICCV 2023, ICASSP / ECCV2024) • CCCS,W2021/2022 GC PC(登録者800名超え) • SSII2023オーディエンス賞受賞 • SatAI.challenge運営(国際論文 日本語資料・動画 アーカイブ化) -
自己紹介 49 研究テーマ :3次元モデリング、サロゲートモデル、動的システム、土木インフラ 49 X(旧 Twitter) LinkedIn 産総研 -
サロゲートモデル: 制御x深層学習モデル - 土木インフラxAI: インフラ劣化予測 篠原 崇之 -
青木 亮祐(ぴっかりん) • 株式会社パスコ(パン屋で ありません) • 一般社団法人OSGeo日本支部( OSGeo.JP ) 運営委員
自己紹介 50 X(旧Twitter) GitHub 過去に個人で行った衛星データ関連 発表 個人開発した A EA A I C サーバー -
嶌田 将貴 (シマダ ショウキ) • 産総研 地質情報研究部門 リモートセンシング研究グループ • 専門 地球観測衛星データ 解析による環境変化 定量化や、農業 など食料分野における情報整備
自己紹介 51 衛星画像から検出した太陽光発電パネル 時系列画像から分析した作付けマップ -
柴田たけお フリーランサー 東北大学理学部、カリフォルニア大学バークレー大学院で地物専攻 そ 後IT業界で30年近くSYSTEM ENGINNERとしてシステム開発にかかわる 現在 AIや数理最適化とGISやリモートセンシングを組み合わせたソリューションに 興味あり 最近開発活動(
POCも含む) •衛星.GIS関連: 衛星画像LANDSATと統計データを利用した新潟県 収穫量予測, 物流 最適運搬システム •一般AI関連: 音声特徴量で 健康診断, 顔認証, 画像生成, 自動コード生成, END2ENDで AI医療応用提案 •そ 他: SNS コメントと写真情報から 災害対応システム 自己紹介 52 -
藤野 倫太郎 東京理科大学大学院 創域理工学専攻 社会基盤工学研究科 修士2年 - 東京理科大学 水理研究室所属 - AcademiX(AIを学びたい学生が集まるコミュニティ) 運営メンバー -
未踏アドバンス(2023) 野球 動作解析アプリ 開発 研究テーマ :河川橋梁洗掘(実験・混相流 数値計算) 53 興味 ある分野:数値計算 人工知能全般(距離学習、GNN、サロゲートモデル) リモートセンシング 自己紹介 -
最近 活動: • 航空機SAR 事業化に向けた実証・調査 • 観測衛星が創出する経済社会便益(経済的効果等) 算定 豊島 拓
日系シンクタンク所属 - 合成開口レーダ(SAR) - 衛星を用いたインフラモニタリング 54 自己紹介