CPS（サイバーフィジカルシステム）×エッジAI入門
センシング→エッジAI推論→サイバー空間での分析→現実へのフィードバック。Society 5.0の中核「CPS」の仕組みと、エッジAIが担う「現場の頭脳」の役割を、建設・介護・防災の実例とともに解説します。
この記事の要点（30秒で理解）
- 🔁
CPS（Cyber-Physical System）は、現実世界（フィジカル）をセンサーでデータ化し、サイバー空間で分析・予測し、その結果を現実世界の制御・行動に戻す「閉ループ」のシステム。
- 🌐
IoTが「つないで集める」までを指すことが多いのに対し、CPSは「分析結果を現実に戻して動かす」ところまで含む。デジタルツインはCPSのサイバー側の中核。
- 🧠
このループの現場側で、遅延なく・帯域を節約し・プライバシーを守って判断を下す「現場の頭脳」がエッジAI。映像や音声を扱うCPSではエッジAIが事実上の必須要素になる。
この記事の内容を「本物のCPS」で体験する
運営者の自宅で稼働するJetson・Raspberry Piの温度・消費電力・推論速度を、 実機→VPS→ブラウザのpush型テレメトリでリアルタイム公開中。 「センシング→集約→可視化」というCPSの最小ループを、説明ではなく実物で確認できます。
CPSとは — 現実とサイバーが往復するシステム
CPS（Cyber-Physical System / サイバーフィジカルシステム）は、 現実世界（フィジカル空間）の状態をセンサーでデータ化し、サイバー空間で分析・予測し、 その結果を現実世界の制御や行動に戻すシステムの総称です。 計算・通信・制御を物理世界と統合する枠組みとして、米国NISTなどが体系化を進めてきました（NIST: Cyber-Physical Systems）。
日本では、サイバー空間とフィジカル空間を高度に融合させた「超スマート社会（Society 5.0）」の 中核概念として位置づけられています（総務省 情報通信白書）。自動運転（センサー→認識→操舵）、スマート工場（計測→分析→ライン制御）、 建設の自動施工はいずれもCPSの実例です。
ポイントは「ループが閉じているか」。 データを集めて可視化するだけ（一方通行）ならIoTやBIの範疇で、 分析結果が現実世界の動きを変えて初めてCPSと呼べます。
CPSの基本ループ — 4つのステップ
どの産業のCPSも、本質はこの4ステップの繰り返しです。STEP 2の「現場の頭脳」がエッジAIの担当領域です。
センシング
カメラ・マイク・LiDAR・GNSS・加速度センサーなどで物理世界の状態をデータ化します。現場の「いま」を捉える入力層です。
エッジAI推論
Jetson・Hailo・Raspberry Piやブラウザなど現場側のデバイスで、リアルタイムに認識・判断。生データを「意味のある情報」に変換する現場の頭脳です。
サイバー空間で集約・分析
推論結果や統計をサイバー空間に集約し、デジタルツインとして現場の状態を再現。複数現場の横断分析や、将来の予測・最適化を行います。
現実へのフィードバック
分析結果を現実世界に戻します。アラート通知、機械の制御、作業計画の更新など。ここまで実行して初めて「ループが閉じた」CPSになります。
IoT・デジタルツイン・CPSの関係
| 概念 | 範囲 | 一言で | CPSとの関係 |
|---|---|---|---|
| IoT | モノをネットワークにつなぎ、データを収集する | 「つなぐ・集める」 | CPSの入力部分を担う基盤技術 |
| デジタルツイン | 物理世界の状態をサイバー空間に写し取り、再現・予測する | 「写し取る・予測する」 | CPSのサイバー側の中核要素 |
| CPS | 収集→分析→現実へのフィードバックまでの閉ループ全体 | 「現実を動かす」 | IoT・デジタルツインを包含する全体概念 |
用語の定義は文脈や論者によって幅がありますが、「IoTは入力、デジタルツインはサイバー側の中核、CPSはループ全体」と 整理しておくと実務の会話で混乱しません。
なぜエッジAIがCPSの要なのか
「全部クラウドでやればいい」が通用しない理由が、現場には4つあります。
遅延 — 制御ループは往復を待てない
安全に関わる判断（転倒検知、重機の停止、警報）はミリ秒〜秒オーダーの応答が必要です。クラウド往復の数百ミリ秒や通信断のリスクは、制御系のループでは致命的になります。
帯域・コスト — 全データは送れない
全カメラの映像を常時クラウドに送り続けるのは帯域もコストも非現実的です。エッジで「映像」を「検出結果・統計」という軽い情報に変換してから送るのが定石です。
プライバシー・機密 — 生データを出さない
介護の見守り映像、建設現場の写真、工場内部の映像は、現場の外に出せないデータです。エッジAIなら生データを現場に留めたまま、必要な判断結果だけをループに乗せられます。
自律性 — ネットが切れても止まらない
山間部・地下・災害時など通信が不安定な環境でも、エッジ側のループ（検知→アラート）は動き続けられます。インフラ・防災系CPSでは特に重要な性質です。
産業別のCPS実装例
建設・介護・土木・測量・製造 —— 現場系産業でCPSのループがどう組まれるかを見ていきます。
建設 — i-Construction 2.0
国土交通省は2040年度までに建設現場の省人化3割（生産性1.5倍）を掲げ、施工・データ連携・施工管理の3本柱でオートメーション化を推進しています。ドローン測量→3D設計データ→ICT建機の自動制御→出来形管理という流れは、建設現場のCPSそのものです。
介護 — 見守りのCPS
見守りセンサー・カメラで居室の状態をセンシングし、エッジで転倒・離床を検知して職員に通知。映像を施設の外に出さないエッジ処理が、プライバシーという導入最大の壁を越える鍵になります。
土木・防災 — 水位監視と自動警報
河川カメラ・水位センサーの値をエッジで読み取り、危険水位の接近を検知して自動警報につなげる構成です。通信インフラが細い中小河川・山間部ほど、エッジ側で判断を完結できる価値が大きくなります。
測量 — 計測と地図がループする
ドローン・LiDARで点群を取得し、AIで自動分類してGISデータベースを更新、その差分から次の計測計画を立てる——「静的な成果物」だった地図が、現実と同期し続ける動的なデジタルツインへ変わりつつあります。
製造 — 予知保全
設備の振動・音・画像から異常の予兆をエッジで検知し、ライン制御やメンテナンス計画にフィードバックします。CPSの中では最も実装が進んでいる領域のひとつです。
市場動向 — CPSとエッジAIは成長領域
世界のCPS市場
2024年の1,241億米ドルから2029年には2,553億米ドルへ成長するとの予測があります。 センサー・AI・エッジコンピューティングの進化がリアルタイム制御を後押ししています。
国内エッジAI市場（2026年度予測）
国内のエッジAI製品・サービス市場は年率40%超で拡大し、2026年度に431億円規模に達するとの予測があります。 CPSの「現場の頭脳」需要が成長の中心です。
※市場規模の数値は調査会社・定義により幅があります。傾向（高成長）の参考としてご覧ください。
CPSを支える技術スタック
センシング
カメラ・マイク
映像・音声は最も情報量の多いセンサー。エッジAIとの組み合わせが前提。
LiDAR・深度センサー
3D空間の形状をデータ化。点群として測量・建設CPSの基盤に。
GNSS（みちびき）
位置のセンシング。QZSS CLAS対応でcm級測位も可能に。
エッジ推論
NVIDIA Jetson Orin
リアルタイム映像解析の定番。ロボット・車載・現場ゲートウェイに。
Hailo-8 / Hailo-10H
低消費電力NPU。カメラ常時解析を電源制約のある現場で。
Raspberry Pi + AI HAT
最小コストのエッジAIノード。PoC・小規模CPSの入口に最適。
通信・サイバー側
MQTT / WebSocket
エッジ→サーバーの軽量メッセージング。推論結果の収集に定番。
LTE / 5G / LPWA
現場の通信環境に応じて選択。帯域設計がCPSの成否を分ける。
時系列DB・ダッシュボード
推論結果を蓄積・可視化。デジタルツインと意思決定の土台。
💡 小さく始めるなら: Raspberry Pi + AI HAT + MQTT + ブラウザダッシュボードで、 数万円から最小構成のCPSループを検証できます。構築手順はエッジAIカメラ自作ガイド、 機材選定はハードウェア比較をご覧ください。
CPSの「学習」をどう回すか — 2つの道
CPSは作って終わりではなく、現場で集めた経験でAIを改善し続けて価値が出ます。その学習層には2つの方式があります。
① データフライホイール型
エッジで見つけた不確実な事例・新しいデータをクラウドに送り、再学習して改善モデルをエッジに配り直す方式。データを送れる現場の王道です。
→ エッジ-クラウド連携の解説を読む② 連合学習（FL）型
プライバシー・機密の制約でデータを現場から出せない場合、学習も現場側で行い、モデルの重みだけを統合する方式。介護・医療・建設など「出せない現場」の選択肢です。
→ 連合学習の完全ガイドを読むアーキテクチャ選定の分かれ道は「現場のデータがどこまで外に出せるか」。 技術の優劣ではなく、データの制約が方式を決めます。
よくある質問
Q. IoTとCPSの違いは何ですか？
IoTは「モノをネットワークにつなぎ、データを収集する」ことを指すのが一般的です。CPSはその先、収集したデータをサイバー空間で分析し、結果を現実世界の制御・行動に戻すところまでを含む閉ループの概念です。IoTはCPSの入力部分を担う基盤技術と整理すると分かりやすいです。
Q. デジタルツインとCPSの関係は？
デジタルツインは「物理世界の状態をサイバー空間に写し取った双子」であり、CPSのサイバー側の中核要素です。CPSはデジタルツインでの分析・予測結果を現実世界にフィードバックするループ全体を指します。ツインは状態の再現、CPSは現実を動かすことに焦点があります。
Q. 小規模・低予算でもCPSは作れますか？
作れます。Raspberry Pi + AI HATのようなエッジデバイスとMQTT、ブラウザのダッシュボードを組み合わせれば、数万円規模でも「センシング→エッジ推論→可視化→アラート」の最小ループを構築できます。重要なのはシステムの規模ではなく、フィードバックのループが閉じているかどうかです。
Q. エッジAIなしでCPSは作れますか？
温度・水位のような軽量なセンサー値だけならクラウド処理でも成立します。しかし映像・音声・点群を扱う場合や、ミリ秒オーダーの制御・安全系の判断が必要な場合は、帯域・遅延・プライバシーの制約からエッジAIが事実上必須になります。扱うデータの重さと応答要件で判断します。
関連デモ — CPSの「目」と「耳」をブラウザで体験
CPSのSTEP 1〜2（センシング→エッジ推論）にあたる処理を、インストール不要のブラウザデモで体験できます。
あわせて読みたい
現場のCPS化・エッジAI導入をお考えですか？
CPSの設計は「センシング→推論→フィードバック」のループ設計から始まります。 まずはブラウザデモで、CPSの頭脳となるエッジAIの実力を体験してみてください。