研究内容
当研究室では、Edge AI（オンデバイス知能）を基盤として、通信ネットワークを核にしたスマートグリッド／分散システムの設計と、 AgeTech・IoTなどの実環境アプリケーションに展開する研究を行っています。低遅延・省電力・プライバシー・レジリエンスといった現場要件を満たすために、 コンピューティング／コミュニケーション／AIの統合を重視します。
Foundation：Edge AI（オンデバイス知能）
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。
キーワード
Edge AI, On-device inference/learning, Model compression, Edge–cloud collaboration, Federated learning, Privacy-aware AI
Infrastructure：Smart Grid Networks & Distributed Systems（通信ネットワーク寄り）
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。
キーワード
Smart grid networks, Distributed systems, Resilience, QoS/QoE, Distributed optimization, Traffic engineering, SFC placement
Applications：AgeTech / IoT（現場課題への社会実装）
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。
キーワード
AgeTech, Assistive technologies, IoT sensing, Activity recognition, Fall detection, Semantic representation, Privacy-preserving learning
