デンソーテン、独自の埋め込みモデル学習技術により車載エッジでRAGを省メモリ化

最終更新日:2026/06/22

デンソーテン車載RAGを軽量化

デンソーテンは、車載エッジデバイス上でRAGを省メモリで実行できる生成AI技術を開発しました。独自の埋め込みモデル学習技術により、ベクトルデータベースの省サイズ化を実現しています。

このニュースのポイント

デンソーテンが、車載エッジデバイスでRAGを省メモリ実行する生成AI技術を開発
独自の埋め込みモデル学習技術でベクトルデータベースを軽量化
メモリ容量を30～60％削減しつつ、高い検索精度を維持

株式会社デンソーテンは、車載エッジデバイス上でRAG（Retrieval-Augmented Generation：検索拡張生成）を省メモリで実行可能とする生成AI技術を開発しました。本技術はRAGにおいて、埋め込みモデルの再学習により検索用ベクトルデータベースを軽量化し、車載SoC環境でも検索精度を維持したまま実装できる点が特長です。

現在、車載HMIの領域では、LLM（大規模言語モデル）を活用したスマートコックピットやスマートキャビンへの活用が進展しています。主に、対話アシスタントによる目的地設定・ナビゲーション、ニュース/エンターテインメント内容などの情報検索・提案や、車両機能制御などの用途がその代表例です。

一方、LLM単体では学習していない最新情報や車両固有・ユーザー固有情報について正確に対応できない課題があります。これを補う技術として、RAGが注目されていますが、埋め込みモデルと大量の検索用ベクトルデータベースが必要となるため、メモリ容量や処理性能に制約のある車載SoCやエッジ環境への実装は困難とされてきました。

今回、同社が開発した技術は、この課題を解決するものです。独自の埋め込みモデル学習技術により、車載エッジでの実行を前提としたベクトルデータベースの省サイズ化を実現しました。

さらに、公開データセットを用いた評価において、既存モデルと比較し、メモリ容量を30～60%削減しつつ高い検索精度を維持しています。

また、本技術は人に寄り添うHMIとして、LLMによる対話アシスタントへの適用を想定しています。神戸大学大学院システム情報学研究科の滝口教授は「一人ひとりに寄り添う対話システムの実現には、各ユーザーの意図や好みを踏まえた応答が求められます。一方で、こうした情報はプライバシー性が高いため、インターネットに依存しないローカル環境での運用が望まれます」と述べました。

デンソーテングループは、企業ビジョン「VISION2030」のもと「人に寄り添うHMI」「環境にやさしい電動化」「クルマと社会をつなぐデータ連携」を軸に、クルマの価値向上に取り組んでいます。今後も自動車メーカーやパートナー企業と連携しながら、モビリティ社会の発展に貢献していく方針です。

出典：株式会社デンソーテン