こんにちは、ABEJA Platform に搭載しているアプリケーション、「ABEJA Insight for Retail」の開発と運用を担当している森永です。 みなさんは普段 SSH を使っていますか？ 私は元々 Vimmer だったこともあり (最近は機能面で楽なので VSCode を使用しておりますが...笑) 、SSH には非常にお世話になっており、現在でも直接叩くことは減りましたが、 VSCode やその他の便利なツールの裏で動く縁の下の力持ちとしてお世話になっています。 とあるテックブログで公開されていた『 Why does SSH send 100 packets per ke…

こんにちは！ABEJAでデータサイエンティストをしている大田です。先日Hugging FaceでDifferential Transformer V2の発表があり、そこでは昨年発表されたDifferential Transformer (V1)と比べてもさらに実用的な改変があったとのことです。去年にV1の論文が出たときは日本語のまとめ記事をざっと読んだくらいでしたが、2つのアテンションの差分を取ってノイズを消すというシンプルなアイデアであるにもかかわらず、実験結果ではアテンションノイズの抑制、スケーリング効率、ハルシネーションの低減など、いろいろな面できれいに改善していて驚いた記憶があります。論文でも触れられていた検索など特定のタスクでの性能向上やロバスト性の改善、V2で実現されたKVキャッシュの効率化など、学習の安定性と高速な推論の両立に貢献したという内容は、特定ドメインの特化型ローカルLLMを手元で構築・運用していく際にも、計算リソースの節約と精度の向上という両面で重要な役割を果たしそうです。ローカルLLM開発や運用に携わっていく立場として、LLMアーキテクチャに標準的に採用される機構は追っていきたいという観点から、Differential Transformerは興味があります。V1成果及びV2での改善点をちゃんと把握しておきたく、今更ながら論文や最新の発表内容に目を通してみました。

はじめに ロボットの制作 ハードウェアの設計 モデルの作成 シミュレーション USDの作成とIsaacSimでの確認 プロジェクトの作成 学習条件の設定 環境の設定 Agentの設定 強化学習について 設定の詳細 タスクの設定 歩容改善の取り組みについて 対称性の学習 学習パラメータの改善 周期性の導入 ポテンシャルベースでの報酬 様々な報酬について 歩容・接地パターン系 足の軌道・ストライド・空中時間系 姿勢・位置・速度の追従／安定化系 ジョイント・動力学系（ペナルティ） 模倣学習（Imitation Learning） 蒸留 学習と推論 実験 学習結果 強化学習の報酬ログ 蒸留の報酬のログ…

こんにちは！ABEJA で ABEJA Platform 開発や AI 関連の研究開発業務を行っている坂井（@Yagami360）です。 こちらはABEJAアドベントカレンダー2025の25日目の記事です。 近年のディープラーニングの発展に伴い、マテリアル・創薬・医療分野においても AI の活用が進みつつあるかと思いますが、その市場規模はかなり大きく、どのようなモデルや技術が使用されているのか？とか将来性はどうなのか？とか個人的に興味がありました。 とはいえ自分は、マテリアル・創薬・医療系のドメイン知識に関して素人なので、できるだけさくっと動かせるモデルやフレームワークで試してみたかったのです…

こんにちは！ABEJA で ABEJA Platform 開発や AI 関連の研究開発業務を行っている坂井（@Yagami360）です。 こちらはABEJAアドベントカレンダー2025の24日目の記事です。 今年のはじめ頃、中国の DeepSeek 社から非常に軽量かつ品質の高い LLM が公開され、H100, A100 などの超高価な NVIDIA 製 GPU がなくとも動かせるということで、株価への影響等含めて話題になりました。 この記事書く前の話になりますが、自分としては蒸留使って軽量化した LLM というイメージしかもってなく、とはいえ蒸留って手法は昔から使われてきた手法であり、既存手…

gpt-oss-120bに論理クイズや数学を解かせて、推論ログをよく読んでみた。

こんにちは。 株式会社ABEJAのシステム開発部でエンジニアをしている吉田です。 こちらはABEJAアドベントカレンダー2025の24日目の記事です。 ABEJAで仕事をしていると、「エンジニアではないけれど、データベースにあるデータを分析したい」という相談を受けることがあります。 ABEJAでは、比較的SQLを書ける非エンジニアも多いのですが、それでも JOIN や集計を含むSQLを書くハードル 本番DBへの直接アクセスによるセキュリティ・誤操作リスク 分析専用基盤をシステムごとに用意する工数 といった問題があり、「誰でも・安全に・気軽に分析できる」環境を用意するのは簡単ではありません。 そ…

ABEJAアドベントカレンダー2025の24日目の記事です。 ABEJAでデータサイエンティストをしている大谷です。 最近VLAに触れ合うことが増えてきました。11/7にもMacStudioで動かすSO-ARM x π0.5 -解説から実機動作まで-というタイトルで登壇もしました。 ただ、この登壇の時にも感じたのですが、π0で採用されているaction expertが完全理解に至っていないです。 というわけで今回のブログではopenpiの実装からaction_expertの部分に絞ってコードレベルで見ていくことで理解を深めていきます。 πシリーズとは action expertとは サンプルデ…

こんにちは！ABEJA に新設されたエンボディドインテリジェンスグループ で PM をしている飯嶌です。 こちらはABEJAアドベントカレンダー2025の24日目の記事です。 昨今、Physical AI への注目が集まっています。しかし、実際に SO-101 などのアームロボットを用いて検証を行おうとすると、組み立ての工数や数万円単位の部材コストが発生し、ハードルが高いと感じられる方も多いのではないでしょうか。 今回は、toio を活用し、低コストかつ手軽に VLA の検証環境を構築できないか挑戦しましたので、その取り組みについてご紹介いたします。 Physical AI 検証における課題 …

こんにちは！ABEJA で ABEJA Platform 開発や AI 関連の研究開発業務を行っている坂井（@Yagami360）です。 こちらはABEJAアドベントカレンダー2025の23日目の記事です。 ここ５〜６年くらいのAI 技術の進歩は目覚ましですよね。数年前に ChatGPT 登場して以降、更に進歩が大きく加速してきています。 AI 技術の飛躍的な進歩は嬉しい反面、進歩が早すぎて最新の AI 技術動向を全然キャッチアップしきれていないというのが最近の自分の悩みになってました。 そんな研究開発業務における悩みも AI Agent 使えば簡単に解決できるのではないかと思い、研究開発用の…

この記事は ABEJAアドベントカレンダー2025 の 23 日目の記事です。 こんにちは！システム開発部の合屋（ごうや）です。 昨年は 今から始める NeoVim 生活 (序章) という記事を書き、Terminal に籠もる生活を送っています。 今年は Claude Code をはじめとする Agent によるコーディング作業も増え、より Terminal に居続けるようになりました。 しかし、実際の作業を行っていると Terminal から出なければならない作業もまだまだあります。 特に DB の中身を見たいときです。 DB を参照したいとき、私はメインとして DBeaver というツール…

POとの距離が少しずつ開き、気づけば停滞していたスクラムチーム。「象・死んだ魚・嘔吐」を使って言語化できない違和感を整理し、チームとPOが再び同じ方向を見るまでの実践を、スクラムマスターの視点でまとめました。

ABEJAでデータサイエンスしています、瀧田です。本記事はABEJAアドベントカレンダー2025の21日目の記事です。 はじめに テレオペレーションによるデータ収集環境 使用したロボットアーム カメラ構成（3台） 模倣学習のタスク LeRobotにおけるデータセット 前提条件（バージョン情報） ディレクトリのツリー図 それぞれのファイルの役割 データセットの可視化 可視化の実行方法 収集データの構造詳細分析（今回のメイン） meta/info.json observation.state と action の違い stateとactionのグラフ化 meta/tasks.parquet met…

はじめに VMの構築 インスタンスの起動（OS選択） ファイアウォール設定 自動シャットダウン OSのアップデートを受け取る 最新で使いたい系ツールのインストール apt管理のツール build-essential Docker direnv セルフアップデート機能ありツール gcloud Homebrew gcloud関連パッケージ cloud-sql-proxy Homebrew 関連パッケージ asdf pyenv nodenv awscli バージョン管理して使いたい系ツールのインストール Go kubectl poetry インストールにコツがいる系 psql おわりに We Are…

※ 本記事は一部 AI を用いて執筆しております。 内容に関しましては基本的に筆者が慎重にレビューや動作確認、ファクトチェックを行なっておりますが、万が一問題と思われる点ございましたら、コメント欄にてご指摘くださいませ。 1. イントロダクション：なぜ今更、自前で環境を構築するのか 1.1 プライベートクラウド回帰の潮流とセキュリティの課題 1.2 本記事の目的 2. アーキテクチャ設計論：防御と可用性の融合 2.1 全体像 環境 2.2 コンポーネント選定の技術的根拠 Proxmox VE：インフラの基盤 Keepalived：シンプルかつ堅牢なHA HAProxy：高性能ロードバランサ S…

こんにちは！システム開発部でエンジニアをやっている春名です。 この記事はABEJAアドベントカレンダー2025の19日目の記事です。 Pythonの開発環境については、過去に以下のような記事を書きました。 tech-blog.abeja.asia ユーモアあふれる記事が並ぶ中ではやや地味なテーマですが、この記事の初公開から早くも2年が経ちました。 その間に環境もいくつか変化しているため、改めて現在システム開発部で利用している開発環境をご紹介します！ 前回からの大きな変化点で言うと以下になります。 パッケージマネージャがpoetryに変わりuvが主流になった ruffにformatterが取り込…

こんにちは。CTO室の村主です。こちらはABEJAアドベントカレンダー2025の19日目の記事です。本日は「Super AI Agent と呼んでみる」というタイトルで記事を書いてみたのですが、別に何かSuper AI Agentというものを開発したわけではなく、Claude CodeやCodexなどのことをSuper AI Agent と定義してみましょう。というお話です。 5分で読めるのでお付き合いください。 なぜ定義するのか 昨今、AIエージェントがムーブメントだからか、なんでもかんでも「AIエージェント」と呼んだり、企業がマーケティング用語で「AIエージェント」と使っています。 チャッ…

アジャイルチームに潜む「ユーザー理解できてるつもり」問題 ユーザーインサイトを深掘りする 📌 KA法分析（例：分析根拠に自信がないユーザー） チームで観察することを仕組み化する POが正解を持たない前提に立つ 「つもり」ではないユーザー理解に近づいた まとめ：理解し続けるチームがユーザー中心を実現する 🗨️ポイントまとめ We Are Hiring! こんにちは！ABEJAでプロダクト企画に携わる中村です。 この記事はABEJAアドベントカレンダー2025の18日目の記事です。 アジャイル開発の現場では、「ユーザー中心」「仮説検証」「データドリブン」といった言葉をよく耳にしますよね。 ありがち…

ロングコンテキストLLMの評価タスクの検討の一環で、汚染された長文コンテキストへの耐性を評価するタスクの検証を行いました。

こんにちは。 株式会社ABEJAでソフトウェアエンジニアをしている近藤です。 この記事は、ABEJAアドベントカレンダー2025、16日目の記事になります。 📝 3 行まとめ 1. はじめに：NotebookLM を技術書の理解に使ってみようと思った背景 2. 初期理解フェーズ：NotebookLM が技術書の“読み始め”を支える インフォグラム：全体像を一瞬で把握できる スライド資料：章構造を整理する“地図”になる レポート（概要）：文章で骨格を掴む NotebookLM 機能 × フェーズ別評価マトリクス 補足：音声解説の位置づけについて 3. フェーズ別に見る NotebookLM の使…

ABEJAアドベントカレンダー2025の16日目の記事です。こちらではNotionのAIエージェントと同時期にリリースされたページレベルでのアクセスに関する設定方法や活用ケースに関して紹介しています。

はじめに Weavy AIとは Weavyが他のAIツールとどう違うのか Weavyがなかった時代の課題 Weavyがあることでできること 基本的なワークフローの作成方法 ステップ1：アカウント作成とワークスペースの起動 ステップ2：ノードの理解 ステップ3：基本ワークフローの構築 ステップ4：ワークフローの保存と共有 ユースケース別ワークフロー例 1. ブランドデザイン 2. 3Dモデルレンダリング 3. モデル生成（プロダクト試着） 終わりに We Are Hiring! はじめに こちらはABEJAアドベントカレンダー2025の15日目の記事です。 2025年10月、デザインプラットフォ…

1. はじめに 2. Kubernetes・Helm・Kustomize の基本 2.1 Kubernetesの役割 2.2 Container / Pod / Node / Cluster / Namespace の関係 2.3 Control Plane と Worker の役割分担 2.4 Helm 〜Kubernetes用パッケージマネージャ〜 2.5 Kustomizeで環境ごとの差分を管理する 2.6 この章のまとめ 3. Kubernetes でシステム構築をする場合のワークフロー 3.1 まず「どんなシステムを Kubernetes に載せたいのか」をざっくり言語化する 3.2…

LLMに「謎解き」はできるのか？ ABEJAでデータサイエンス部のグループマネージャをしている中西 @cfiken です。本記事はABEJAアドベントカレンダー2025の13日目の記事です。 はじめに 謎解きの難しさ 検証のセットアップ 1. データセット：自作謎解きベンチマーク (riddle-benchmark) 2. 対象モデル 3. 検証方法 検証結果 結果のハイライト 分析・考察 問題別で見る reason カラムの内容の分析 難しめの問題 おわりに We Are Hiring! はじめに 2025年も残すところあとわずかとなりました。ここ数年に続き、今年もLLM・生成AIは大きく進…

こんにちは、ABEJA Insight for RetailでプロダクトUI/UXデザインを担当している小林です。 この記事はABEJAアドベントカレンダー2025の12日目の記事です。 以前、こちらの記事にてデジタル庁のガイドブックを活用した「ダッシュボードのバリューアップ」について書きました。 今回は、プロダクト改善を迷いなく進めるための、土台として取り組んだ「MVV（Mission, Vision, Value）」と「インセプションデッキ」の策定についてです。 チームの「魂」を再定義する：MVV策定 まず最初に取り組んだのは、組織やチームの行動指針となるMVVの再定義です。 実は、ABE…

この記事は、ABEJAアドベントカレンダー2025の11日目の記事です。 こんにちは。 株式会社ABEJAのシステム開発部でエンジニアをしている鈴木です。 他のメンバーががっつり技術に触れている中、今回はひたすらにバイブコーディングする話になります。 今年のアドベントカレンダーもバラエティに富んだラインナップになっているので他の記事もぜひご一読いただければと思います！ 今回は以下の目次でお届けいたします！ 新居が決まった！ 熊が街にやってくる！ バイブコーディングについて ここでタイトル回収 ここから本編 企画 運営 各モデルの成果物 Composer 1 Opus 4.5 GPT-5.1 C…

やぁ〜ん こんにちは、データサイエンティストをしている服部です。 ABEJAアドベントカレンダー2025の10日目の記事です。 LLMといえばロングコンテキスト大事ですよね（唐突） そんなLLMのロングコンテキストを支える重要技術である「YaRN」を紹介したいと思います。 https://arxiv.org/abs/2309.00071 脳内再生されるあれ 実際になんと読むのが正解なのか知りませんが、私の頭の中ではこれしか流れません。 「やぁ〜ん」 www.youtube.com どないやねん ヤドン ということで、「やぁ〜ん」っとヤドンを題材にしながらヤドンでも分かるようにYaRNを紹介した…

はじめに 先にまとめ プラグイン拡張とは 実装について 事前準備 全体 パッケージ配置 ロボットの実装 Configクラスの作成 Robotクラスの初期化 & 型定義 __init__ observation_features action_features 接続処理 キャリブレーション & 設定 アクションの送信 観測情報の取得 Teleoperatorクラスの実装 Configクラスの作成 Teleoperatorクラスの初期化 & 型定義 接続処理 キャリブレーション & 設定 アクションの取得 get_action _render_display フィードバックの送信 動作確認 まとめ…

こちらはABEJA アドベントカレンダー 2025の8日目の記事です！ ABEJAでデータサイエンティストをしている岩城です。 最近はロボティクス関連のキャッチアップを行っています。 ロボットをやるにあたってROS2は避けては通れぬということで、最近ROS2初心者に入門しました。 今回は、ROS2を使ってロボットをVLAで動かす方法について、自身のキャッチアップも兼ねて書いていこうと思います。 シミュレーション環境で実施したのですが、筆者が手軽に動かせるPCはMacのみだったため、さまざまな制約と戦いながらの検証になりました。 この記事は、気軽にMacを使ってシミュレーション環境上でROS2 …

1. はじめに 2. データ分析パイプラインのよくある課題 3. Kedroの基本 基本的な情報ソース 3つの基本要素：Node / Pipeline / Data Catalog パイプライン作成のワークフロー 運用までの流れ 4. 実際にKedroを動かす！ 4.1 uvxでプロジェクトを作る 4.2 exampleパイプラインの作成 Node関数の作成 Pipeline定義 Data Catalog設定 4.3 パイプラインを実行してみる 5. Kedro-viz で可視化 5.1 インストールと起動 5.2 Kedro-Vizでできること 6. ユースケースを考えてみる MLエンジニア…