Dead Reckoningによる自己位置推定
Turingは、車輪速とIMUから速度と姿勢を推定して時間積分するDead Reckoningによる自己位置推定手法を解説する。トンネルや地下駐車場などGNSSが受信できない環境でも、ローカルな自己位置を求められるとしている。GNSSが使える場所との比較では、単純計算でX方向0.65%、Y方向1.57%の誤差だった。この手法は自動運転システムにも組み込まれ、環境に依存せず走行実験ができるようになったという。
Turingは、車輪速とIMUから速度と姿勢を推定して時間積分するDead Reckoningによる自己位置推定手法を解説する。トンネルや地下駐車場などGNSSが受信できない環境でも、ローカルな自己位置を求められるとしている。GNSSが使える場所との比較では、単純計算でX方向0.65%、Y方向1.57%の誤差だった。この手法は自動運転システムにも組み込まれ、環境に依存せず走行実験ができるようになったという。
Mistral AIのエンジニアチームが、vLLMで発生したメモリリークの原因を追跡した過程を解説する。Mistral Medium 3.1を使い、グラフコンパイルを有効にした条件下で、システムメモリが毎分400MBずつ線形に増加していた。Prefill/Decode分離構成のdecode側でのみ再現し、Heaptrackではヒープメモリは安定していたが、ヒープ外のピークRSSに差が出ていた。
Mistral AIは、ドイツでSAPおよびHelsingと長期的な戦略的提携を結ぶと発表した。SAPとは複数年のパートナーシップのもと、ドイツと欧州向けに完全に主権的なAIスタックを提供するため、同社のモデルをSAPのAI Foundationに統合し、欧州の複雑な産業や行政向けのソリューションを共同開発する。Helsingとは、実世界の防衛・安全保障用途に向けたvision-language-actionモデルの開発を加速させる。また、ドイツでの人員を大幅に増やし、今後数か月以内にドイツにオフィスを開設する予定である。
ELYZAは自社LLMプロダクト「ELYZA Works」の開発で、WebサービスとLLM領域をMQ(メッセージキュー)で分離する構成を採用している。Web側はTypeScript、LLM側はPythonを用い、それぞれ得意な技術で開発する体制を取っている。開発では要件定義、UI/UXデザイン(Figma)、Design Docによる設計、AIコーディング(主にClaude Code)を経てリリースしており、1機能の開発期間は約2週間を目安としている。
無料モデルで足りる用途と有料モデルが必要な用途を分けて整理したガイド。Claude、Gemini、ChatGPT、Grokなどが先端モデルを担い、本格利用には月額20ドルのプランが多くの人に適するとしている。ChatGPTは既定でGPT-5の自動選択モードになるため、複雑な作業では手動でGPT-5 Thinkingを選ぶよう勧めている。
ELYZAの開発チームは、Lint/Formatによる規約の強制、API Schemaからのコード生成、PRごとの開発環境などの既存の自動化を、Claude Codeを使ったAIコーディングと組み合わせて活用している。2025年度はPRマージ数を前年同期比1.8倍とする目標を掲げ、7~9月期は約1.6倍で推移している。サービス層のテストカバレッジは70~95%とし、毎週金曜日を借金返済の日として開発工数の20%を充てている。
データ品質マネジメントガイドブックのVer.1.0が公開された。AIの信頼確保とデータ駆動型社会の実現に向け、データとAIの価値を最大化するために必要なデータ品質を持続的に確保する方策を整理したものである。2/7に公開したドラフト版を更新した版で、正式版は英語版、日本語版はサマリとなる。
ELYZAのMLEとして顧客との共同開発プロジェクトに関わる小栗怜さんが、技術を磨き続ける理由を語った。日系大手メーカーで社内システム開発に従事しながら独学で機械学習を学び、1,000時間の勉強を自ら決めた。ELYZAではプロンプトチューニング、評価用データセットの作成、ファインチューニングなどの顧客課題に取り組んでいる。