デンソーテン、メモリ最大60%削減の車載エッジ向け省メモリRAG技術を開発

デンソーテンは2026年6月16日、車載エッジデバイス上で動作する生成AI（LLM）の活用を見据え、メモリ容量を大幅に抑えて動作するRAG（検索拡張生成）技術を開発したと発表しました。独自の埋め込みモデル学習技術により、検索精度を維持したままベクトルデータベースのサイズを縮小し、メモリや処理性能に制限がある車載SoCなどでのエッジ実行を可能にします。

1. メモリ容量を30〜60%削減する「埋め込みモデル学習技術」

デンソーテンが開発した技術では、独自の埋め込みモデル学習技術により、データモデルの軽量化と高い検索精度を両立させました。公開データセットを用いた評価において、従来のモデルと比較してメモリ容量を30%から60%削減できることを実証し、エッジ側のストレージやメモリの負荷を劇的に軽減させています。

2. 車載エッジSoCにおけるRAGの搭載課題

RAG技術は、LLMが事前学習していないリアルタイムの情報や、車両・ユーザーごとの固有情報へアクセスするための有効な手段です。しかし従来のRAGは、大量の検索用ベクトルデータベースと大きな埋め込みモデルを必要とし、スマートフォンよりもハードウェア資源が限られる車載SoC（System on Chip）上への単独搭載が困難でした。今回の技術は、この物理的制約を克服するアプローチとなります。

3. スマートコックピットや車載HMI対話アシスタントへの統合

本技術は、車内のスマートコックピットやスマートキャビンにおける次世代HMI（ヒューマンマシンインターフェース）の対話アシスタントへの搭載が期待されています。車両のリアルタイム情報と連携しながら、ドライバーに適切なサポートを遅延なく提供できるエッジ環境の構築を目指しています。

デンソーテンによる今回のRAG軽量化技術の開発は、車載エッジAIの実用化を大きく前進させます。通信が不安定な環境下でもローカルで正確かつパーソナライズされた音声対話が可能となるため、今後の自動運転やコネクテッドカーにおけるユーザー体験（UX）の向上に寄与するものと期待されます。

引用元：MONOist