月別アーカイブ: 2026年2月

イラン情勢や日本での国民会議開催

核保有、ミサイル開発阻止をトランプ大統領はイラン国内の反政府デモを機にディールで解決しようとしていたが、交渉が纏まらず最後通告の脅しとも思えるアメリカ軍のイラン海域での集結はここ一週間ほどで、その結果が明らかになりそうな情勢です。

日本では選挙で圧勝した自民党が選挙での各野党の公約を盾に野党に共に責任と賛同をを求める形で消費税減税をテーマに国民会議を開催しました。野党はこれに反発し、出席を拒んでいます。欠席の理由は、駆け引きを恐れる中道や国民民主、出席案内のない共産党や参政党、消費税減税反対のみらい党など、おかしな会議の様相を呈しています。自民党が本丸とする給付付き税額控除に向けての準備作業と位置づけされており、高支持率の高市内閣は全当選議員への1000万円近いカタログギフト券付配布問題や減税の財源となる国債発行にからむ出と入りから対GDP評価への移行と併せ、アメリカ訪問など過密スケジュールの中、威勢のいい掛け声に終わらない結果をもたらすでしょうか。国内外とも目が離せない状況が続きます。

スポーツでは日本中を感動させたミラノコルティナオリンピックでの、りくりゅうペアの金メダルの話題が盛り上がる中、wbcの開幕も近く大谷フィーバーが始まりました。

中国からのレアアースを含む日本の軍需企業、民間団体への規制圧力、昨年を上回る出生率低下、AI犯罪低年齢化、h3ロケット、民間ロケット、アメリカの有人月周回ロケットなど延期が続いています。少雨で水不足問題も気になるところです。

明日から3月、梅も散り始め三寒四温を繰り返しもうすぐ桜の咲き誇る春です。ミモザやボケも負けじと咲いてます。

歯車回転の描画からの思い出

javascriptでインボリュート曲線や歯車回転の描画作成プログラムを作ってみましたが、この機会に久しぶり歯車やリンク機構の設計を振り返ってみることにしました。久しぶりと言っても約50年前の話ですが学校や企業で学んだ基礎知識で歯車を設計する機会がありました。曲げ強度、耐摩耗、寿命がなど留意し色々な計算式や計算線図などを用いて設計していました。以下のようなのルールがあったようですが最近の設計ではどのような設計ポイントを目指しているのでしょうか。

圧力角は14,5か20度
大型の減速機ではモジュールは小さく選定
小歯車歯数は奇数とし大歯車のそれぞれの歯と接触する機会をばらけさせる

もともと歯形にはインボリュート曲線などを用い、互いの歯車接触点で滑りなく押して動く動作としている

使用金属と互いの熱処理硬度による耐摩耗性の向上 小歯車の方が接触回数が多い

歯切ホブ 転移歯車などなどです。

各企業ノウハウがすべての歯車設計者に浸透していることはなく、歯車を組み込んだ開発を目指す設計者のノウハウもAIによってどのような進化が期待されるのでしょうか。

リンク機構では、軌跡を描けば最適なリンク機構は、どのようなリンクを組み合わせるのかを、逆解析で求めるのが目的となっているようです。

ドラえもんのように、思えば、すぐに手に入る未来に向けて技術の進化は止まりません。

歯車

イタリア冬季オリンピックは後半に入りました

ボードやフィギュアなどでの日本人選手の活躍に一喜一憂し、夜間の放送で寝不足気味の応援です。
雪上での体力勝負は北欧が強く、小柄な日本は回転競技でのメダル獲得となっています。テレビのインタビューではオリンピックに出場できるまでの周りの応援、本人の努力など成績の良しあしに関係なく勇気をもらう話題が続いています。素人にはとても無理な競技に感心させられる活躍に驚かされています。今年は豪雪、水不足と裏日本と太平洋側とで苦労させられる日々が続いていますが、梅など春の知らせも感じられるこの頃です。

衆議院選挙で自民党大勝

余りの高市総理人気で自民党単独過半数、維新を合わせ2/3以上の議席を占めることになりました。わかりやすい力強い言葉やSNSを駆使した作戦が功を奏し、多党化に向かっていた政治が単独政党支配に戻りました。今後は政策の実行結果で選挙結果の良しあしを判断することになりますが、大胆な政策を期待する国民もより慎重な熟慮、話し合いも同時に配慮されるべきとの意見もあり、経済復興、物価対策、社会保障改革、平和安全保障などで良い結果をもたらすよう期待しています。

フィジカルAI歩行ロボットはどのようなしかけ

AIが回答した基本は以下のようです

  • カメラ、LiDAR(レーザーセンサー)、IMU(慣性計測装置)、足裏の圧力センサーなどを使い、地面の凹凸、障害物、ロボット自身の姿勢や傾きをリアルタイムに検知します。
  1. 状況判断・計算(AIモデル)
    • 収集したデータをもとに、AIが「今、どのようにバランスを取るべきか」「どこに足を置くべきか」を瞬時に計算します。
    • 特に「深層強化学習(Reinforcement Learning)」が使われ、膨大な試行錯誤(シミュレーション)を通じて最適な歩行ポリシーを学習します。

以上のような回答で複雑そうですがバランス最適化問題でとらえるとわかりやすくなりますね。高齢者の省エネ歩行、筋力増強負荷歩行、ふらつき防止などにも参考になりそうです。