AI2026/11/03 10:43 UTC·2 分で読めます

NC AI、フィジカルAI向け軽量モデル「Vacky Vision 3B」開発

NC AIは約30億パラメータの軽量VLM「Vacky Vision 3B」が、ロボット・空間理解の3ベンチマークで海外公開モデル6種を上回ったと発表した。

An industrial welding robot arm with camera sensors working on a steel structure in a shipyard. — 画像: zdnet.co.kr

SUMO：数字パズル

Dialo：話して学ぶ語学アプリ

ediviewer：EDIファイルを文書のように読む

韓国のNC AIは3日、軽量な視覚・言語モデル(VLM)「Vacky Vision 3B」を開発したと発表した。パラメータ数は約30億で、ロボット・空間理解のベンチマーク3種で平均63.8点を記録し、同社が選んだ海外の公開モデル6種を上回った。

小型化と評価結果

ロボットや生産設備はサーバーと違って電力や演算資源が限られ、大規模モデルをそのまま載せにくい。同社はモデルを小さく保ちながら空間理解力を確保する点に注力した。評価にはBLINK、ERIQ、ERQAの3種を使用した。

複雑な推論を挟まず直接回答する通常モードでは、Alibaba QwenやMistral系の20億〜80億パラメータ級モデル6種をすべて上回った。段階的に推論するモードでも平均63.2点となり、「Ministral 3 8B Reasoning」の48.4点を14.8点上回った。ただし同社が示した特定の評価条件での結果であり、あらゆる視覚・言語タスクでの優位を意味しない。

ChartQAとTextVQAでは比較モデル中で最高点だった。計器や図面、作業指示書の解析に活用する計画だ。4秒の動画から8フレームを同時に処理し、物体の動きや位置の変化も把握できる。

溶接特化モデルと今後

溶接データを追加学習した「Vacky Vision 3B Weld」では、溶接分類の精度が41.1点から80.9点に、欠陥検出・状態推論が39.3点から69.8点に向上した。溶接部の位置・形状の把握は5.3点から72.5点になった。いずれもベンチマーク結果であり、実際の生産ラインでの精度や生産性を検証したものではない。

同社はハンファオーシャンと自律溶接ロボット用AI、POSCO DXと人型ロボットの実証、現代ロテムとワールドモデル構築で協業している。今後は強化学習で性能を高め、視覚・言語・行動(VLA)モデルへの拡張を目指す。