SeleniumConf & AppiumConfとは ブラウザ自動化・モバイル自動化のコミュニティを世界中から集める国際カンファレンスです。 Software Freedom Conservancyが運営しており、SeleniumおよびAppiumのコアコントリビューターも登壇します。 Selenium 5に関する今後の展望、WebDriver BiDi、Appium、Playwright、Cypress、AIテスト、セキュリティテスト、アクセシビリティテストなど、幅広いテーマを扱っています。 基調講演・ハンズオンワークショップ・ネットワーキングの3つの形式で構成されています。 全セッションに英語字幕とスペイン語通訳が提供されるなど、グローバルな参加者を意識した運営が特徴です。 今年は 2026年5月6日〜5月8日 にスペインのバレンシア・Veles e Ventsにて開催され、20カ国以上から約350名が参加しました。 1日目はハンズオンワークショップ、2〜3日目がカンファレンス本番という構成でした。 https://seleniumconf.com/ 今回、KINTOテクノロジーズから 呂文佳 と パンヌウェイ の2名が登壇しました。世界の舞台でKINTOテクノロジーズの取り組みを発信できた、非常に貴重な機会となりました。 登壇者 発表タイトル（英語） 発表タイトル（日本語） 呂文佳 From 50% Cost Reduction to 90% Coverage: Playwright × AI for Non-Technical QA Teams コスト50%削減からカバレッジ90%へ〜Playwright × AI：コーディング経験が浅いQAチームの実践 パンヌウェイ Scaling Mobile Test Automation with Appium and AI: Real Lessons from KINTO Technologies モバイルテスト自動化のスケーリング　Appium と AI の活用 バレンシアまでの道のり CfPの告知から登壇当日まで、約8ヶ月の期間がありました。最初のきっかけは2025年9月、会社の同僚が社内SlackチャンネルでCfP（Call for Proposals）開始を告知してくれたことです。「ぜひ挑戦してみてください！」というその一言が、すべての始まりでした。 時期 マイルストーン 内容 2025年9月 CfP告知 会社の同僚がSlackチャンネルでCfP開始を告知。「ぜひ挑戦してみてください！」の一言がきっかけ 2025年10〜11月 CfP作成・社内レビュー チーム内でレビューを依頼し、発表内容と構成を確認し、ブラッシュアップ 2025年12月〜2026年2月 CfP提出・当選通知 最終タイトルを確定。SeleniumConfより提出確認メールを受信後、CfP当選の通知を受ける 2026年2〜4月 採択・スライド作成・発表練習 社内のAIファースト勉強会で日本語版の発表練習を実施。KTC室町オフィスのJCT（会議スペース）で英語版の発表練習と発音練習を2回実施 2026年5月 本番登壇 🎉 バレンシア Veles e Vents にて45分登壇 :::details 承認・ビザ手続きについて CfP当選後は社内手続きも必要でした。社長に登壇内容を説明して承認をもらい、その後カンファレンスチームとメールでやり取りしながらビザ申請の手続きを並行して進めました。国際カンファレンスへの参加には、こうした社内外の調整も大切な準備の一部です。 ::: 参加セッション一覧 日時 セッション名 登壇者 05/06 09:00〜 Making Sense of Mobile Automation with Appium and WebdriverIO to turn frustration into understanding Wim Selles, Christian Bromann 05/07 11:20〜 Quantum Automation: Rethinking Selenium & Appium in the Age of AI Baris Sarialioglu 05/07 11:20〜 From 50% Cost Reduction to 90% Coverage: Playwright × AI for Non-Technical QA Teams 呂文佳 05/07 13:20〜 Test Automation Workflows with Cursor Filip Hric 05/08 Scaling Mobile Test Automation with Appium and AI パンヌウェイ 2026/05/06（1日目）：ワークショップ 1日目はカンファレンス本番前のワークショップデーです。終日1つのセッションに集中して参加しました。 Making Sense of Mobile Automation with Appium and WebdriverIO 登壇者 Wim Selles — 2025 Tokyo Test Festにも参加した方 Christian Bromann 内容と学び このワークショップでは、Appiumを ゼロからインストールして2分以内にセットアップが完了する ことを実際に確認しました。セットアップの簡単さを体感できたことで、導入ハードルへの認識が変わりました。 ワークショップ後、登壇者のWim Sellesさんと直接Appiumについて相談する機会も得ました。特に「 要素特定にIDを使うかXPathを使うか 」という実務的なテーマについて深く議論し、それぞれのメリット・デメリットを理解することができました。 ID： 高速・安定だが、開発側でIDが付与されていない場合は使えない XPath： 柔軟性が高いが、UI変更に弱くFlaky Testの原因になりやすい :::details ディナーでの交流（1日目夜） 1日目の夜はカンファレンス関係者とのディナーがあり、非常に充実した交流の場となりました。 Kazuaki Matsuo さんと同席し、Appiumの導入経験や現場の課題について情報交換をしました。 Oscar Barrios さん（昨年も登壇された方）とは今年のイベントの印象やコミュニティの動向についてお話ししました。 Ivan del Viso さん（昨年も登壇された方）は、ご自身が開発したアプリを使った自動化テストのデモを見せてくれました。英語で1行のテストシナリオを書くだけで、実行・分析・ダッシュボードレポートの生成まですべてが完結するシステムで、非常に印象的でした。 ::: 2026/05/07（2日目）：カンファレンス本番 2日目からいよいよカンファレンス本番です。複数のトラックが並行して開催され、関心のあるセッションを選びながら参加しました。 セッション①：Quantum Automation — AI時代のSelenium & Appium Quantum Automation: Rethinking Selenium & Appium in the Age of AI （登壇者：Baris Sarialioglu） AI時代における自動化テストの在り方を問い直す内容でした。セッション中に聴衆から質問が上がった場面では、登壇者が次のように答えたのが印象に残っています。 セッション②：呂さんの発表（11:20〜40分） From 50% Cost Reduction to 90% Coverage: Playwright × AI for Non-Technical QA Teams KINTOテクノロジーズの同僚・呂文佳さんによる発表です。コーディング経験が浅いQAメンバーでもPlaywright × AIを活用することでテストカバレッジを大幅に向上させた実践事例を紹介しました。同じチームのメンバーが国際カンファレンスで発表する姿は、大きな刺激になりました。 セッション③：Test Automation Workflows with Cursor（13:20〜90分） Test Automation Workflows with Cursor 登壇者： Filip Hric Cursor（AI統合コードエディタ）を活用したテスト自動化ワークフローについて90分間フルで講演されました。ClaudeとGitHub Copilotの基本的な設定・活用方法がメインテーマで、Mobile QAで一緒に作業している岡さんに教えていただいた内容とほぼ同じでした。世界のカンファレンスでも同様のアプローチが注目されていると確認できたことは収穫でした。 この日のセッション終了後、翌日に控えた自分の発表準備のためホテルへ戻り、最終調整を行いました。 2026/05/08（3日目）：自分の発表 いよいよ自分の登壇日です。朝から会場でスライドの確認と発音練習を行いました。 発表概要 項目 内容 タイトル（英語） Scaling Mobile Test Automation with Appium and AI タイトル（日本語） モバイルテスト自動化のスケーリング　Appium と AI の活用 発表時間 40分 ＋ 質疑応答 会場 Veles e Vents（バレンシア） 参加状況 満席 なぜCfPが採択されたのか :::message 国際カンファレンスで登壇できることは非常に光栄なこと。世界中のテストエンジニアが集まる場でKINTOテクノロジーズの取り組みを発信できる貴重な機会です。 ::: 今回、採択につながったポイントは、単なる成功事例の紹介ではなく 現場で直面した課題と改善の過程を正直に共有した 点にあると考えています。 実際に直面した課題と、改善によって得られた成果を正直に共有 したこと（理想論ではなく現場の実態） 具体的な数値 で課題を提示：128件のテスト実行に12時間かかっていたという課題を可視化 Claude・Copilot・DevinAI の実践的な活用方法と3ツールの比較 聴衆が 持ち帰ってすぐに実践できるチェックリスト を提供したこと 発表構成（45分） # セクション名 内容 1 The Breaking Point 128テスト・実行12時間という限界点と、その背景にある課題 2 Framework Evolution 課題解決のためのフレームワーク再設計と進化の過程 3 AI Integration Claude・Copilot・DevinAIの統合で得られた成果と課題 4 Tools to Culture ツール導入にとどまらない「チーム文化」への変革 5 Visual Regression Test AIを活用したビジュアルリグレッションテストの実践 6 Real Impact & Takeaways 実際の改善数値と、明日から使える実践チェックリスト 当日の会場の様子と反響 20カ国以上から参加者が集まる満席の会場での登壇でした。発表後の質疑応答では予想以上に多くの質問が集まりました。 ドイツ在住のパキスタン出身のエンジニア から、Appiumの社内導入に関する具体的な質問を多数いただきました。自分たちのチームでも同様の課題を抱えており、ぜひ参考にしたいとのことでした。 複数の参加者から「 自分たちの導入方法の参考になった 」と直接声をかけていただきました。 発表がただの情報共有にとどまらず、世界中のエンジニアの実務に役立ったと感じることができ、大変嬉しかったです。 スポンサー企業との交流と自動化テストツールの調査 カンファレンスにはテスト自動化ツールのスポンサー企業がブースを設けており、担当者から直接、各ツールの詳細を聞く貴重な機会がありました。ここでは、カンファレンスの場で実際に収集した情報をもとに、4つのツールを比較・整理します。 各ツールの概要 ツール 特徴 CloudBeat テスト自動化、実行、分析、モニタリングを統合したクラウド型の品質管理プラットフォーム Sauce Labs エンタープライズ向けクラウドテストの先駆的存在。Salesforce、Twitter、Bank of America などの大手企業で採用実績がある BrowserStack 3,500以上のブラウザ/OS組み合わせ・30,000台以上の実機デバイスを持つ業界でも有数の大手 LambdaTest 2026年1月に「TestMu AI」へリブランドしAIネイティブ化。KaneAIによる自然言語からのテスト自動生成が特徴 機能比較マトリクス 評価項目 CloudBeat Sauce Labs BrowserStack LambdaTest Webテスト ◎ ◎ ◎ ◎ モバイルアプリテスト △ ◎ ◎ ◎ コードレステスト ◎ △ △ ○ 並列実行 ◎ ◎ ◎ ◎ CI/CD連携 ◎ ○ ◎ ◎ AI機能 ○ ○ ○ ◎ 実機デバイス数 少 多 最多 多 価格 中 高 高〜中 低〜中 日本語サポート △ △ ○ △ 初心者にとっての導入しやすさ ○ △ △ ○ 凡例：◎ 優秀　○ 良好　△ 要改善 各ツールの詳細印象 :::details CloudBeat 強み コードレステストが充実しており、プログラミング経験がなくてもテスト作成・実行が可能 Selenium・Appium・Cypress・Playwright等の主要フレームワークと幅広く統合 AIドリブンなテストレポートで根本原因分析（Root Cause Analysis）が容易 テスト実行・管理・モニタリングをすべて1プラットフォームで完結できる 弱み モバイルアプリテスト（ネイティブアプリ）の対応デバイス数がBrowserStackなどに比べて少ない 英語のみの対応で、日本語UIや日本語サポートが提供されていない 他ツールと比べると国内での導入事例や公開情報が少なく、長期利用を前提とする場合は追加調査が必要 ::: :::details Sauce Labs 強み 長年の実績を持つエンタープライズ向けプラットフォーム。信頼性・安定性が高い SOC2 Type II・GDPR・ISO 27001等のセキュリティ・コンプライアンス認証を取得 Webテストもモバイルアプリテストもどちらもカバーできるオールラウンダー 弱み 今回確認した条件では4ツールの中でも価格面の負担が大きく、中小チームや予算が限られた組織には慎重な検討が必要 コードレステスト機能が弱く、プログラミングスキルがないメンバーには難易度が高い 一部CI/CDツール（AWS CodePipeline・GitLab CI等）に非対応 ::: :::details BrowserStack 強み 実機デバイス数・ブラウザ組み合わせ数が 業界最多水準 （30,000台以上）で、網羅的なテストが可能 Accessibility Testing・Percy Visual Testingなど高度な付加機能が充実 カスタマーサポートの評判が良く、ドキュメントが整備されている 弱み 料金が高額で、コスト面での負担が大きい 基本的にSelenium/Appium等の自動化スクリプト記述が必要で、非エンジニアには敷居が高い ネットワーク遅延や実機テストでの偽陽性（誤検知）が報告されることがある ::: :::details LambdaTest（現 TestMu AI） 強み KaneAI により、自然言語でテストケースを記述するだけでスクリプトが自動生成される 今回比較した条件では、4ツールの中でもコストパフォーマンスが高いと感じた Jenkins・GitLab CI・Azure Pipelines・AWS CodePipelineを含む幅広いCI/CDツールに対応 HyperExecuteによる超高速な並列テスト実行が可能 弱み 実機デバイスの実際の可用性がBrowserStackに比べると劣る場合がある テスト分析レポートの詳細度が競合より低く、根本原因分析に限界がある UIのナビゲーションが複雑で、習熟に学習コストがかかる ::: 総合評価と推奨 現状のチーム状況（非エンジニアメンバーでも扱いやすいこと、Web・モバイルアプリの両方に対応できること）を踏まえた評価です。 ツール 評価 推奨優先度 コメント LambdaTest ★★★★☆ 第1候補 AI機能、コスト、幅広いCI/CD連携の観点から、現状のチームに最も適している CloudBeat ★★★★☆ 第2候補 コードレス機能が充実。ただし、モバイル対応やサポート面は追加確認が必要 BrowserStack ★★★☆☆ 将来候補 エンジニア体制が拡充した場合の有力な候補 Sauce Labs ★★☆☆☆ 保留 現状のチーム構成では導入ハードルが高く、コスト面でも慎重な検討が必要 感想・学び 海外カンファレンスならではの気づき :::message 現地ではコミュニケーション手段としてLinkedInが主流で、名刺交換の機会はあまり多くありませんでした。 現地で知り合った方とは、LinkedInで連絡先を交換しました。海外エンジニアとのつながりを作る際は、事前にLinkedInのプロフィールを整えておくことをおすすめします。 ::: 現地での交流から得た、世界のQA事情についての気づきも多くありました。 開発とQAを兼務しているエンジニアが多い — 日本のように専任QAチームが分離している体制は珍しく、開発者自身がテストも担う形が世界的には一般的なようです ノーコードの自動化ツールを利用している人は少数派 — コードを書いてテストを自動化するスタイルが主流で、ノーコードツール利用者は少数派という印象でした 自動化テストの現状と課題 :::message alert 世界のAppiumユーザーの声：「自動化テストをやめるべきか考えている」という方もいました。 理由は Flaky Test （不安定なテスト）の問題です。今回成功しても次回失敗する、という繰り返しによって、テスト自動化そのものへの信頼が揺らぐケースが世界的にも多いようです。 ::: Flaky Testは自動化テストにおけるグローバルな課題であり、その解消こそが現代のテストエンジニアに求められていることを、改めて実感しました。AIツールを活用した根本原因分析や、要素特定用のIDを活用した安定したテスト設計が、この問題への有効なアプローチとなるでしょう。 まとめ 約8ヶ月の準備を経てバレンシアの国際舞台に立ち、世界中のエンジニアとKINTOテクノロジーズの取り組みを共有できたことは、自分にとって大きな経験となりました。セッションで得た知識・現地での人脈・ツール各社との情報交換、そして自分の発表への反響——すべてが今後の業務に活きる財産です。来年のSeleniumConfにも引き続き注目していきたいと思います。

みなさんこんにちは。ソリューションアーキテクトの山田です。2026 年 6 月 25 日(木)、26 日(金)の 2 日間に渡って開催される AWS Summit Japan 2026 では今年も製造業に関する展示を数多く行なわれています。製造業に関連する全体的な展示やセッションに関しては こちらのブログ に全体がまとめられておりますので参照ください。 本ブログではその中でも製品設計開発に関するデモ展示について紹介します。 コンセプト : 生成 AI 時代の製品設計開発 CAE 解析や CAD 操作、過去ナレッジの活用など、製品設計開発の現場にはエンジニアの専門性に強く依存する業務が数多く存在します。本展示では、フィジカル AI 時代の到来を見据え、エンジニアの設計開発を加速する 2 つの切り口で実機デモをご覧いただきます。 1. Engineering Development Hub（ EDH ）による PC / Workstation / HPC 環境の俊敏な立ち上げ 2. 設計開発の現場ですぐに実践できる生成 AI ユースケース 「フィジカル AI 時代の研究開発をどう加速するか」を、現場のエンジニア目線で体感いただける展示です。 1. Engineering Development Hub（ EDH ) EDH は 専用 Web ポータルによって設計開発に従事する方が使用する PC / Workstation / HPC 環境をクラウド上にセルフサービスで立ち上げることができるシステムです。3D モデリング、大規模シミュレーション、 CAE 解析、 GPU を用いたモデル作成に至るまで、フィジカル AI 時代の研究開発においてはこれまで以上に多彩なツールチェーンと、それを効率よく実行する多種多様なコンピューティング環境が必要となります。EDH はクラウドの柔軟性を活かした多様な要件に対応できる仮想ワークステーション環境とスケーラブルな HPC 基盤を 1 つのシステムとして提供。専用の Web ポータルによりエンジニアは直感的に必要なデスクトップ環境を取り出し、大規模に CPU/GPU を使用した分散学習やシミュレーションを実行することができます。 EDH は以前 Scale-Out Computing on AWS（SOCA）として知られていたソリューションの後継で、2026 年 4 月にリブランドされ、新たにリリースされました。SOCAの派生としては RES (Research and Engineering Studio on AWS) もリリースされておりますが、RESはVDIに特化したソリューションです。VDIに加えてHPCの機能も統合して利用したい場合は今回ご紹介するEDHの利用をご検討ください。 Engineering and Development Hub (EDH) アーキテクチャ図 EDH の主な特徴 仮想デスクトップによるインタラクティブ処理 Amazon DCV を用いた高性能なリモートデスクトップ環境で、CAD ソフトウェアの 3D 描画もスムーズに操作できます。Windows と Linux の両方に対応し、GPU インスタンスを選択することで、>オフィスにいなくてもワークステーション級の作業環境にアクセスできます。 HPC を使った大規模バッチ処理 Slurm、OpenPBS、IBM LSF といった主要なジョブスケジューラに対応し、ジョブ投入に応じて計算ノードが自動的にスケールアウトします。EFA（Elastic Fabric Adapter）による低遅延ネットワークで、大規模並列処理のスケーリングも問題ありません。処理が完了すればノードは自動的に終了し、課金が停止します。  専用 Web インタフェースによる直感的な利用 EDH には専用の Web ポータルが付属しており、以下のような操作をブラウザから直感的に行えます。コマンドラインに不慣れなエンジニアでも、すぐに使い始められるのが特徴です。 仮想デスクトップの起動・停止 HPC ジョブの投入・状態監視 ファイルの管理とアップロード 利用状況の可視化とコスト確認 Amazon EC2 の高い汎用性 EDH の計算リソースは Amazon EC2 上に展開されるため、実行するアプリケーションや処理の規模に合わせて最適なスペックのインスタンスを選択できます。 CPU：x86（Intel / AMD）、Arm（Graviton） GPU：NVIDIA L4、A10G、A100、H100 etc. メモリ：数 GB から数 TB まで OS：Amazon Linux、RHEL、Ubuntu、Windows Server etc. EDH の仮想デスクトップ管理画面と HPC ジョブ投入画面 EDH のユースケース EDH は以下のような設計開発ワークロードで活用することができます。もちろんこれら以外にも仮想デスクトップや HPC 環境を必要とするワークロード全般に適用可能であり、汎用性の高いソリューションです。 CAD：3D モデリング、設計・製図 CAE：構造解析、流体解析、熱解析 材料シミュレーション：分子動力学、第一原理計算 EDA：半導体設計、論理合成、検証 フィジカル AI：ロボティクス開発、強化学習 EDH のリソース他 Engineering Development Hub（EDH）はオープンソースで公開されているため、すぐに試すことができます。 ソースコード: github.com/awslabs/engineering-development-hub ドキュメント: awslabs.github.io/engineering-development-hub-documentation AWS Summit Japan 2026 会場内の AWS for Industries Zone ブース (ブース ID：A021) で、EDH の実環境をご覧いただけます。ぜひ実際のデモをご覧ください。 2. 設計開発の現場ですぐに実践できる生成 AI ユースケース 自然言語による CAD/CAE 操作のアシストや、時間のかかるシミュレーションを AI で高速化するサロゲートモデルなど、明日からでも取り入れられる「使える AI」の活用例をご紹介します。 その場でご覧いただける動作デモに加え、後日体験できるワークショップもご用意しているので、AI が設計業務をどう変えるのかをじっくり実感いただけます。 生成 AI × CAD + CAE + NVIDIA Isaac による フィジカル AI シミュレーション 本デモでは、AWS の AI コーディングアシスタント Kiro に 自然言語で指示するだけ で、1 台の産業用 6 軸ロボットアームを題材に、 設計 → CAD 編集 → 強度解析（CAE） → ロボットの動作学習 までを一気通貫で実行する様子をご覧いただけます。 フィジカル AI 時代に求められる「設計してから、実際に動かして学習させるまで」の流れを、コードを 1 行も書かずに体感できる展示です。 設計開発の現場に多く存在する、専用ソフトの習熟や、複雑な製図・シミュレーションといった時間を要する業務を効率化する効果が期待できます。 注記：Kiro CLI の基盤モデルは検証を進めた期間中にアップデートが重なったため、工程ごとに Claude Opus 4.6 / 4.7 / 4.8 を使用しています（どの工程でどのバージョンを使ったかは、後述の詳細記事シリーズにそれぞれ明記しています）。 本デモ動画の撮影時点では Claude Opus 4.8 を使用しました。モデルのバージョンによって、生成されるコードの品質や挙動は変わる場合があります。 デモの流れ — 1 台のロボットアームを 4 ステップで設計 同じ 1 つの形状データを引き継ぎながら、すべての工程を Kiro への日本語の指示だけで進めます。 AWS Summit Japan 2026 展示動画（YouTube : 3分58秒） 1. 3D 形状をつくる 寸法を言葉で伝えるだけで、ロボットアームの 3D モデルを生成します。CAD ソフトを使わず Python だけで STL ファイル（※3D 形状のデータを見るのに向いた形式）を作り、関節角度から先端位置を求める順運動学（※各関節を何度曲げると腕の先端がどこに来るかを求めるロボット設計の基本計算）の検算まで Kiro が自動で実施。このモデリングを実時間 4 分 28 秒で完了しました。 技術詳細解説ブログ Kiro で AI 支援の設計開発 -自然言語指示だけで 3D モデリングや流体シミュレーション実行- プロンプト例： 産業用6軸多関節ロボットアームの3Dモデルを生成する generate_robot_arm.py という Pythonスクリプトを構築してください。 numpy-stl、numpy、matplotlib のみを使用してください。 ■ ロボットアーム構成（ベースから先端へ）： 1. ベース（J1軸: 旋回） — 固定台座: 円筒 直径300mm 高さ50mm、旋回部: 円筒 直径250mm 高さ100mm 2. ショルダー（J2軸: 前後傾動） — 関節ハウジング: 直径200mm 高さ150mm 3. 上腕（リンク1） — 長さ500mm、断面: 150mm x 120mm 4. エルボー（J3軸: 上下傾動） — 関節ハウジング: 直径160mm 高さ120mm 5. 前腕（リンク2） — 長さ450mm、断面: 120mm x 100mm 6. 手首（J4/J5/J6軸） — 3段の円筒 7. エンドエフェクタ（ツールフランジ） — 直径63mm（ISO 9409-1準拠）、ボルト穴6個 ■ 姿勢パラメータ： - J1〜J6の関節角度を変数化し、順運動学（FK）で各リンクの位置・姿勢を計算 Kiro が 3D モデリング用のコードを作成し実行している様子 完成したロボットアーム 3D モデル STL ファイル 2. 形を編集する CAD で編集できる STEP ファイル（※3D 形状の CAD ソフトで編集するのに向いた形式）に作り直し、オープンソースの 3D CAD ソフト FreeCAD で、角の丸め（フィレット）や穴あけといった加工を追加します。GUI 操作だけでなく、Kiro が FreeCAD Python API を用いてヘッドレス（GUI なし、コマンドラインとスクリプトだけ）でも編集を実行できることを示します。 技術詳細解説ブログ CADソフトの操作を自然言語指示でAIに任せる — Kiro で STEP 生成から FreeCAD 編集まで Kiro が作成したロボットアーム図面をベースに、FreeCAD で人間が編集操作を行っている様子 Kiro が自然言語指示によりヘッドレスでロボットアーム図面編集操作を行った結果（編集前後比較） 3. 強度を確かめる 完成した形に荷重をかけ、応力やたわみを計算する構造解析（CAE）を実行します。今回は材料をアルミ合金 6061-T6、ベース底面を固定し、先端のフランジに 100 N（約 10 kg 相当）の下向き荷重をかける条件で解析しました。部品の結合からメッシュ分割、材料・拘束・荷重の設定、ソルバー実行、結果の可視化までを Kiro が担当し、最大応力（フォン・ミーゼス応力）約 0.13 MPa・最大変位は 5.76 μm という結果を得ています。途中でエラーが出れば自ら原因を切り分け、手法を見直しながら解析を完走させます。 技術詳細解説ブログ AI が設計して、AI が強度検証する — Kiro × FreeCAD FEM でロボットアームCAE構造解析 Kiro が FreeCAD で CAE 実行した結果を人間が GUI で確認している様子 4. 動かして学ばせる 設計したアームに吸盤を付け、NVIDIA Isaac Sim / Isaac Lab 上で「キューブを持ち上げて運ぶ」動作を強化学習（※ロボットに動きを試行錯誤させ、うまくいくほど報酬を与えて自分で上達させる AI の学習方法）させます。4096 体のロボットを 1 枚の GPU で同時に動かし、学習開始直後はほぼ 0% だった成功率を、学習後にはピックアップ（持ち上げ）成功率 91.5%、目標位置への運搬・保持も 77.9% まで引き上げました。 技術詳細解説ブログ AI で設計した自作ロボット、NVIDIA Isaac で 4096 並列強化学習させた結果 4096 体のロボットを NVIDIA Isaac Sim / Isaac Lab 上でキューブピックアップ強化学習している様子 AIを活用した設計開発のポイント つくりたいものを、言葉にするだけ 専用ソフトの習熟や環境構築も AI が肩代わり。設計の参入障壁が下がる。 時間がかかる作業が、速く・再現性高く 日々の製図も解析も手間を大幅削減。初期検討を素早く回せる。 未知の領域にも、踏み込める 強化学習のような未経験分野も AI が調べて試す。学びながら新スキルが身につく。 仕上げと判断は、人 本番品質には専門家の判断と検証が要る。AI は作業役、決めるのは人。 著者について 山田 航司 (Koji Yamada) AWS のソリューションアーキテクトとして、製造業のお客様を中心にクラウド活用の支援を行っています。製造業における業務課題解決や新規ビジネスにおけるクラウド活用の可能性をお客様と一緒に探求しています。

はじめに こんにちは！アジアクエスト情報システム部 ITサービスグループの石川です。