2024年12月18日、国立研究開発法人 新エネルギー・産業技術総合開発機構（NEDO）主催「NEDO Challenge, Motion Decoding Using Biosignals」コンペティションの表彰式が開催されました。当日は上位入賞者と審査員特別賞の受賞者が表彰され、各入賞者による解法プレゼンテーションが行われました。身体能力のサポートや暗黙知の転移など、人間の能力の解明・拡張に向けて大きな一歩となる、素晴らしい表彰式でした。

まずはコンペティション主催者である経済産業省 佐宗氏と、株式会社SIGNATE 齊藤により、開会挨拶が行われました。 ▼主催者あいさつ 経済産業省 商務情報政策局 情報産業課 情報処理基盤産業室 企画官 佐宗 晃氏

「皆様、本日はお集まりいただき誠にありがとうございます。今回のコンペティションは、AIを用いて生体信号を解析し、人の動作を予測するという多様な可能性を有した内容になっていました。結果として素晴らしいアイデアが数多く寄せられたことに、大変感激しております。創意工夫と情熱の詰まったアイデアの背景には、きっと多くの時間と努力を費やされたことだと思います。すべての参加者に対して、改めて深く感謝申し上げたいです。経済産業省としましても、今後はフィジカル空間でのリアルデータを活用した領域特化型AIの開発が重要だと考えておりまして、今回の結果は大いに役立つと期待しております。今後、脳科学の研究分野に取り組まれる方々が増えることを期待しつつ、開会の挨拶と代えさせていただきます。」

株式会社SIGNATE 代表取締役社長 齊藤 秀氏

「まず、このチャレンジにご参加いただいた皆様、そして今日お越しいただいた入賞者の皆様、おめでとうございます。また、この事業を支えてくださった関係者や審査員の皆様にも心より感謝申し上げます。さて、近年生成AIが注目を集める中で、身体を伴う領域においてもAI技術の活用が進んできています。特に、知覚をAIに置き換えていくという研究も進んできており、言語モデルの精度は急速に上がってきているのが事実です。こうした技術の発展をさらに加速させるためには、複数の専門領域を横断できる人材がより求められるようになるはずです。今回のコンペティションは、そうした人材を育成するための足がかりになったのではないかと考えています。今日はゲストスピーカーの先生方のお話や、入賞者の方々の解法プレゼンテーションなどさまざまなプログラムを用意していますので、ぜひ楽しんでいただければ幸いです。」

その後はゲストスピーチへ。大阪大学 石黒浩教授から「アバター研究」についてお話しいただきました。 ▼ゲストスピーチ 大阪大学教授（栄誉教授） ATR客員所長（ATRフェロー） 石黒浩特別研究所 MOONSHOTプロジェクトマネジャー EXPO2025テーマ事業プロデューサー AVITA株式会社 代表取締役 石黒 浩氏

「本日はアバター研究をテーマにお話しさせていただきます。私は色々な活動をしているのですが、最終的な目標としては、近い将来に人間とアバターが共生する社会を実現したいと考えています。人口減少や労働力不足といった社会問題が起こりつつある日本では、そうした課題の解決策の一つとして、アバター技術の活用が期待されています。遠隔操作型アバター、自律型アバター、CGを用いたアバターなどを活用し、人々が場所や身体の制約を超えて活動できる社会を目指しているのです。アバターは単なるツールではなく、人間の認知能力を拡張し、新たな可能性を切りひらく存在なのです。例えば、私が開発した遠隔操作型アバター『ジェミノイド』は、操作者がまるでアバターを自身の身体の一部として感じられるような没入感を実現しています。こうした技術がさらに発展すれば、一人ひとりがより自由な生き方を実現できることにつながるはずです。そして人間とアバターが共生する社会は、技術革新だけでなく人間の存在意義を深く問い直す契機ともなるでしょう。本日の講演が、皆さまにとって新たな視点やインスピレーションを提供できれば幸いです。」

続いて、NEDO山垣 悠氏より、コンペティション概要の説明が行われました。 ▼コンペティション概要 NEDO 山垣 悠氏

「今回のコンペティションは、広く技術の可能性を競い合っていただくことを目的とした懸賞金活用型事業の一環として実施いたしました。この取り組みは、技術の多様性の促進と、新たな才能の発掘を目指しています。その上で、今回取り上げたテーマは生体信号です。生体信号は、BMI（ブレイン・マシン・インターフェース）や人型ロボット開発など、大きな波及効果が期待できる一方で、ノイズ処理の難しさという技術的課題も含んでいます。このテーマを設定することでデータ処理能力の向上を図り、新たな応用可能性を広げることを試みました。 実施にあたり、株式会社国際電気通信基礎技術研究所様より生体信号に関するデータをご提供いただきました。このデータを基に2つの課題テーマを設定したところ、延べ800名近くの方々にご登録いただき、その中で200名以上の方が実際にデータを解析し、成果を投稿してくださいました。今回の参加者の中には、生体信号に関する専門知識がない方も多くいらっしゃいましたが、それにもかかわらず高い精度の予測を行われたことに驚いています。この結果から、脳科学領域をはじめとする他の課題に対しても、さらなる関心と挑戦が広がることを期待しています。以上が、今回のコンペティションの概要と結果の説明となります。」 ▼入賞者の発表 表彰式はいよいよ、メインイベントである入賞者の発表と、データ提供者による講評、そして解法プレゼンテーションへ。まずは、NEDO 西村 知泰氏より入賞者の発表と表彰が行われました。 テーマ1「スケートボードトリック分類チャレンジ」部門 第1位　Kot氏 第2位　kawagami3氏 第3位　kimpar氏 第4位　kyo99999氏 第5位　R-ter氏 テーマ2「スケートボーダー重心位置予測チャレンジ」部門 第1位　kimpar氏 第2位　satokato氏 第3位　DT-SN氏 第4位　rmizuta氏 第5位　kmn氏 審査員特別賞　kimpar様、satokato様、DT-SN様、kmn様

そして、データ提供者である国際電気通信基礎技術研究所 石井 信氏より、講評が行われました。 国際電気通信基礎技術研究所 脳情報通信総合研究所 脳情報解析研究所 所長 石井 信氏

「今回のコンペティションでは、スケートボード動作中に計測した生体信号データを基に、2つの課題が設定されました。データはプロスケートボーダーによる前向きキックターン、後ろ向きキックターン、ポンピングという3つの動作に対する生体信号を、高精度なワイヤレス計測システムで取得したものです。テーマ1のトリック分類チャレンジでは、脳波計で取得した72チャンネルのデータから動作を分類する問題が提示されました。課題の難しい点は、生体信号特有のノイズや個人差の影響がある点です。一部のデータにはノイズが意図的に残されており、これをどのように扱うかが成績に大きく影響しました。ノイズを活用することで精度が向上する場合もあり、適切なデータ処理が求められました。 テーマ2の「重心位置予測チャレンジ」では、筋電計で取得したデータからスケートボーダーの速度を予測する問題が設定されました。この課題では、学習データとテストデータの計測場所が異なり、座標系のズレを補正する必要があるという特有の難しさがありました。このズレをどのようにキャリブレーションするかが解決の鍵となり、参加者には高度な工夫が求められました。優秀な成果を示した手法には、ノイズ活用や個人差の克服、座標補正の創意工夫が見られました。」

▼入賞者の解法プレゼンテーション 続いて、各入賞者による解法プレゼンテーションが行われました。最初にプレゼンテーションを行ったのは、テーマ1にて第4位に選ばれたkyo99999氏です。 テーマ1 第4位 kyo99999氏

「前処理としては、2点間の電位差を測定できる双極導出法の考え方を応用し、72点それぞれの差分を取りました。また、時系列データを時間軸と周波数軸の両方で解析するためにウェーブレット変換を行いました。モデル構造については色々なものを試しましたが、最終的には最も有効だったdence blockを選びました。その後さまざまな改良をしながら進めていくと、最小限の処理しか行っていない生データの方が、クレンジングデータよりも性能が高いという結果になりました。さらに、脳波を画像に変換してConv2Dを用いるという従来のコンペティションの上位解法を用いたにもかかわらず、チュートリアルよりも精度が下がってしまいました。原因としては、データの性質が違ったことが考えられます。他のコンペティションでは安静時のデータを用いていたのですが、今回は激しい運動データを使ったため、このような結果になったのではないかと思います。」 続いて、テーマ1の第2位に入賞されたkawagami3氏による解法プレゼンテーションが行われました。 テーマ1 第2位 kawagami3氏

「趣味として興味を持ったことの研究などを行っており、その一環として今回も参加しました。最初にディープラーニングを行ったところ、生データの方がクレンジングデータよりも精度が高いという想定外の現象を確認したため、この原因分析を軸に、改善策を模索しながら精度向上を目指すという方針を立てました。そこで、それぞれのデータをそのまま使う場合と一部だけ使う場合、組み合わせる場合の3パターンについて比較したところ、組み合わせた際に最も良い結果となりました。また分析過程で、フィルターをかけすぎないほうが精度維持に効果的であり、クレンジング処理には適切な強度があることも発見しました。最終的には、両データともに機械学習モデルを採用し、使用するセンサーの組合せを遺伝的アルゴリズムで模索しながら最適解を求めていく方策をとりました。考察としては、脳波データに含まれる無意識の成分も意図推定の観点ではノイズとなり得るため、意識・無意識の識別に必要な特徴を損なわないよう、計測ノイズ除去の強度や部位別のデータ選択を考慮した全体最適化が課題であると感じました。今後は、こうした知見を生かし、社会実装を見据えて研究を深めていきたいです。」 続けて、テーマ1にて第1位に入賞されたKot氏による解法のプレゼンテーションが行われました。 テーマ1 第1位 Kot氏

「要点は3つあります。第一に、被験者ごとにデータを分割して学習・評価を行ったこと。第二に、シンプルな前処理を採用したこと。第三に、過学習を抑えるためにネットワークの構造とハイパーパラメータを最適化したことです。第一の点については、生データおよびクレンジングデータの両方で被験者の識別を実施し、信号に強い被験者依存性があることを確認しました。これにより、モデルの汎化性能を担保するため、被験者毎の交差検証を採用しました。第二の前処理では、信号の変動成分を残しつつノイズを抑えるため、オフセット除去・不要チャンネルの除去・バンドパスフィルタを組み合わせた最小限のパイプラインを設計しました。第三に、ネットワーク構造については、U-Netをベースとし、カーネルサイズや畳み込みタイプ、プーリング手法、活性化関数などを探索しました。また、浅いレイヤー構成ではSEブロックによるチャネル方向のアテンションは効果が薄く、導入を見送りました。」 次にプレゼンテーションを行ったのは、テーマ2の第5位に入賞されたkmn氏による解法のプレゼンテーションが行われました。 テーマ2 第5位 kmn氏

「本業でセンシングの研究開発を手がけていることもあり、このコンペティションに参加しました。まずデータを見て思ったのは、16チャンネルとデータ量が多い一方で計測時間が0.5秒と短く、さらに走行パターンが限定されているという点です。これらの特徴により前後のデータから一貫したパターンを捉えられると考え、時系列モデルを用いずに画像化モデルを使用するというアプローチを採用しました。具体的には、データを折り返して画像に変換し、さらに折り返し間隔を工夫することで、短時間の変化を捉えやすくしました。各チャンネルのデータ配置も工夫し、左右のチャンネルを交互に並べることで、力の入れ方の違いを表現しました。画像の重要度マップを可視化すると、計測開始時刻付近の筋電位データが特に重要であると判明し、学習時に注目しやすいよう画像の中央に配置されるように工夫しました。また、PCAを用いて擬似的な3クラス分類を行い、滑走者への走行指示(右カーブ、左カーブ、直進の3種)のメタ情報として活用しました。これを複数モデルに組み込み、アンサンブルすることで、最終的な精度を向上させることができました。重要度マップの結果から、計測開始前の筋電位データや他のセンサーデータも追加することで、さらなる精度向上も期待できると考察しています。」 次に、テーマ2の第3位に入賞されたDT-SN氏による解法のプレゼンテーションが行われました。 テーマ2 第3位 DT-SN氏

「参加したのが遅かったためあまり時間が足りなかったのですが、工夫を重ねることでなんとか精度を向上させることができました。そこで、主な工夫点についてご紹介していきます。まずデータの補正については、スケートボーダーごとの個人差を補正するために、値域補正や周期変更、重心速度の軸補正を行いました。また、筋電位データから速度を直接導き出すのは簡単にはいかないだろうと考え、加速度を予測するために加速度学習を行いました。モデルはLightGBMのみ使用しました。その後、コース形状からすると速度や加速度は単調な変化をするものだと考え、後処理としてフィルターで平滑化をしています。なお、最も時間がかかったのがデータ分割でした。過学習する状態がずっと続いていたため、trainデータを分割してCVを行いました。この結果、リーダーボードとCVがかなり一致するようになりました。今振り返ると、データをよく見て適切な補正をしたこと、予測しやすいところから順に攻めたこと、train/testデータの差異への対応の3つが、精度向上に特につながったと思います。」 最後にプレゼンテーションを行ったのは、テーマ2で見事第1位に輝いたkimpar氏。優勝を飾った解法について、丁寧にご説明いただきました。 テーマ2 第1位 kimpar氏

「なかなか面白そうなテーマだと思い、今回のコンペティションに参加しました。まず私が考えた今回の課題のポイントは大きく2つあります。一つは、筋電位データから筋肉の活動は読み取れるものの、各瞬間の筋力と速度には相関がないため、筋電位のパターンから速度のパターンを学習する必要があるという点です。もう一つは、学習データと予測データとで体の動作が左右反転する場合があるという点。スケートボーダーがポンピングという動作をする際は、学習時と予測時で体の向きが違うため、この反転をどう考えるかが鍵になると思いました。これらの課題を踏まえ、筋電位データのウェーブレット変換と、左右チャンネルの相乗平均という2つの前処理を行いました。その後、既存の画像分類モデルを回帰に転用するという方法を選びました。この点が精度向上に大きく寄与したのではないかと考えています。」 以上で、全ての解法プレゼンテーションが終了。その後、慶應義塾大学 牛場 潤一教授、株式会社アラヤ 笹井 俊太郎氏、国立研究開発法人 産業技術総合研究所 人工知能研究センター 叶賀 卓氏の3名による講評が行われました。 慶應義塾大学 理工学部 生命情報学科 牛場 潤一教授

「受賞された皆様、おめでとうございます。本日改めて皆様のプレゼンテーションを拝聴し、それぞれのこだわりや、情報工学に対する深い見識と技術の活用力の高さに感銘を受けました。今回のテーマである生体信号を用いたモーション解析は、学術的にも非常に注目されている分野です。しかしながら、生体信号の解析には物理的および運動学的な理解に加え、電磁気学的背景知識が必要であり、ノイズの多様性や暗黙知の壁が技術的な課題となっています。今回のコンペでは、SIGNATE様のご協力によりドメイン知識を共有するプラットフォームを構築し、それを基にデータサイエンスに精通した皆様が多くの優れた知見を生み出してくださいました。これにより、生体情報学の研究が一気に前進したと確信しています。この分野にはまだまだ大きな可能性があるので、本コンペティションをきっかけに、皆様が引き続き生体情報学の分野に関心を持ち、新たな取り組みやコミュニティの発展にご協力いただければ幸いです。改めて、皆様のご尽力に深く感謝申し上げます。」 株式会社アラヤ 取締役CRO 笹井 俊太朗氏

「受賞された皆様に心よりお祝い申し上げます。多種多様なバックグランドの方々が参加し、切磋琢磨され、素晴らしい成果を挙げられたことに、大変感銘を受けました。神経科学以外の分野で活躍されている方々が参加してくださったこと、これこそがこのコンペティションの成功を示しているのではないかと思います。一神経科学者としては、普段と違う視点から脳波データを見つめるとても良い機会になりました。また普段からNeural Networkを扱われている方も、定石的な訓練・学習をそのまま適用するのではなく、データをよく観察し、仮説を検証しながら進められていた点が大きな評価ポイントでした。総合格闘技のように皆様それぞれの専門領域を活かし、日本全体で知識を掛け合わせていけば、本領域において世界に伍する力を養っていけるのではないかと思っています。ぜひ一緒に日本を盛り上げていきましょう。」 国立研究開発法人 産業技術総合研究所 人工知能研究センター デジタルヒューマン研究チーム 主任研究員 叶賀 卓氏

「本コンペティションは、順位を争うことはもちろん大事なのですが、それと同じぐらい生体信号処理というドメイン知識をいかに活用していくのかという点に重点を置いていました。そういった意味では、こうして順位が発表されて終わりというわけではなく、この結果は引き続き色々な方に活用されていくものでもあります。今回の皆様の努力は、生体信号処理分野の発展のマイルストーンになったとも言えるのです。一方で、近年は深層学習を始めとした人工知能の技術が非常に強い波となってさまざまな界隈に流れ込んできており、特に自然言語処理やコンピュータービジョンの界隈では、たくさんのデータを集めて複雑かつ表現力の高いネットワークを構築し、強いマシンパワーで計算を回すというやり方が主流になってきています。その波が今回のコンペティションにどのぐらい影響を及ぼすのか気になっていたのですが、いざ蓋を開けてみると、皆様のドメイン知識やAI技術を融合させたものが上位に並んだということで驚きました。明日から結果が公開されるとのことですので、世界中の研究者や技術者、そして学生たちにとって学びを提供していくことでしょう。ぜひ、この成果を周囲の方々に広め、この分野のさらなる活性化に貢献していただきたいと思います。皆様の取り組みに敬意を表するとともに、今後のご活躍を心よりお祈り申し上げます。」 最後に、NEDO 西村 知泰氏より閉会の挨拶をいただきました。 NEDO 理事 西村 知泰氏

「NEDOの事業に日頃より多大なご理解とご協力を賜り、誠にありがとうございます。また今回の表彰式には、リアルとオンラインの両方で多くの方々にご参加いただきましたこと、心より感謝申し上げます。そして受賞された皆様、改めておめでとうございます。また惜しくも入賞には至らなかったものの、多大なご協力をいただいた参加者の皆様にも深く感謝申し上げます。発表内容からはさまざまなアプローチや知見が共有され、多くの方が刺激を受けたのではないかと思います。今回のコンペティションは、社会課題解決のために幅広いアイデアを集めることを目指して行われました。結果として200名以上の方々にご参加いただき、特に生体信号解析が難しいスケートボードというテーマに多くの関心を集めることができた点は、大きな成果であったと感じております。また、神経科学分野に不慣れな参加者の方も含め、多様なバックグラウンドの方々がデータ提供や支援を通じてこの分野に挑戦し、新たな知見を生み出せたことは大変意義深いものです。今後は、脳神経科学分野の研究者とデータ分析エキスパートの皆様とのコラボレーションをさらに深め、この分野を活性化させていきたいと考えております。今回の表彰式では、受賞者や関係者間での交流の場を設けました。皆様が互いに刺激を受け、アイデアを共有し合うことで新たな発展のきっかけとなれば幸いです。また、明日から始まるSOTA Challengeでも、さらなる創意工夫が生まれることを期待しております。最後に、審査員の先生方、データ提供と支援をいただいたSIGNATE様および株式会社国際電気通信基礎技術研究所の皆様に、心より感謝申し上げます。本日はお忙しい中、ご参加いただき誠にありがとうございました。引き続き、皆様のご活躍をお祈り申し上げます。」

▼まとめ 生体信号を用いたAI分析という、非常に難易度の高いコンペティションだった中、最後まで諦めずに向き合い続けた参加者の方々に、心からの大きな拍手を送りたいです。一人ひとりがより自由に生きられる世の中を目指して、生体科学とAI技術の融合が進むこと、そしてその研究の最先端を走る人材が育っていくことを願っています。

▼動画はコチラ▼