2026/03/03 1:39
**Launch HN:** *OctaPulse* (YC W26) – 魚養殖用ロボット工学・コンピュータビジョン ---
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
OctaPulseは、RohanとPaulが創業したロボティクススタートアップで、水産養殖の魚検査を自動化します。深度＋RGBのLuxonis OAKカメラと軽量推論用のオンボードMyriad X VPUを組み合わせ、より重い処理はNvidia Jetson Orinデバイスで実行します。モデルはCNN/トランスフォーマーベース（YOLO系変種、カスタムセグメンテーションヘッド、キーポイントモデル）で構成され、ローカルで実行されます―クラウドストリーミングはありません；データはStarlinkが利用可能な場合にのみ同期されます。
同社は既に北米最大のトラウト生産者にソリューションを導入し、育苗場の表型解析、仕分け、および品質検査を行っています。ロボティクスハードウェアは、カスタムエンクロージャーに収められたオフ・ザ・シェルフのデルタロボット（例：Delta X S）と、湿潤で高温多湿環境で魚を安全に扱うための柔軟なソフトロボティックグリッパーを使用しています。
OctaPulseは、塩水腐食、水中視覚障害（濁度・遮蔽）や食品安全素材要件などの課題に対処します。内部ではラベリング、タスク割り当て、モデル管理、およびエンドツーエンドのエッジデプロイメント用ツールを構築しており、INT8 TensorRT量子化とファーム固有の照明、水質、魚密度を捉えた広範なキャリブレーションデータセットを備えています。
チームは、過酷環境でのコンピュータビジョン、エッジデプロイメント、生き物への優しいロボット操作、および養殖遺伝学に関する専門家からのフィードバックを求めており、技術をより広く採用できるよう精練しています。Paulが参加するサステナブルアクアカルチャー連合（Coalition for Sustainable Aquaculture）と世界養殖協会（World Aquaculture Society）のカンファレンスでのネットワークを活かし、農場との信頼構築に努めています。成功すれば、OctaPulseは魚の品質評価を改善し、労働コストを削減し、養殖業界全体の持続可能性実践を推進することが期待されます。
本文
こんにちは、HNの皆さん！
私はロハンと申します。パウルと共にOctaPulse（https://www.tryoctapulse.com/）を共同創業しています。当社は魚介類生産向けのロボティクス層を構築しており、まず自動化された魚検査から始めています。現在、北米最大のトラウト生産者と協力し、最初の実際の製造現場で稼働しています。
なぜ私たちはアクアカルチャーのバックグラウンドがなくてもこの分野に参入できたのでしょうか？
私たち二人とも沿岸コミュニティ出身です。私はインド・ゴア、パウルはマルタとプエルトリコから来ました。魚介類は両国の文化に深く根ざしており、海洋汚染や野生魚種の絶滅寸前状態を目の当たりにしています。世界人口のおよそ55％が主食として魚を摂取していますが、米国はシーフードの90％を輸入しているという事実が、私たちがこの会社を設立するきっかけとなりました。
CMUで開催された起業家向けハッピーアワーで出会い、3時間にわたり海洋技術について議論しました。パウルは数か月間水産養殖を研究し、データ可視性が倉庫と同程度の世界規模で3,500億ドル相当の業界であることを発見しました。この会話が私たちに協力して問題解決に取り組む意志を固めました。
課題
- 養殖場は人手がかかります。飼育者は餌、繁殖、収穫の意思決定のために魚群を測定しなければならず、水中での取り扱い時にはストレスを受けます。
- 現在の方法では数十匹をサンプリングし、麻酔して手作業で一匹ずつ測定し、そのデータから数十万匹に推定します。魚1匹あたり約5分かかり、データは散発的です。
- ロボットは湿潤・水環境を得意とせず、塩水が部品を腐食させます。水中のコンピュータビジョンは濁度や魚の動き、隠蔽、予測不可能な変形に対処しなければなりません。
- 生魚は滑りやすく、壊れやすくストレスを受けやすいです。使用する全ての素材は食品安全である必要があります。
私たちのアプローチ
ビジョン
Luxonis OAKカメラ（深度＋RGB）と搭載VPU（Myriad X）を用いて軽量推論（検出、追跡）を行います。重い処理（セグメンテーション、キーポイント）はNvidia Jetson（Orin NanoまたはOrin NX）を使用し、電力と熱制御に応じて選択します。
モデル
CNNとTransformerベースのアーキテクチャ。検出にはYOLO系、体輪郭にはカスタムセグメンテーションヘッド、解剖学的ランドマークはキーポイントモデルを使用しています。
エッジ最適化
TensorRT、OpenVINO、ONNX Runtime を組み合わせます。TensorRTのINT8量子化で必要な速度を確保しますが、特にセグメンテーション境界では精度保持のため慎重なキャリブレーションが不可欠です。養殖場ごとの照明・水質・魚密度を反映したキャリブレーションデータセットを作成しました。
接続性
ほとんどの養殖場ではWi‑Fiが不安定です。遠隔／オフショア環境ではStarlinkを利用し、全ての推論はローカルで実行、データ同期は通信可能時に行います。
社内ツール
既存プラットフォームではワークフローに合わないため、独自のラベリング・タスク割り当て・モデル管理システムを開発しました。これにより：
- アノテータへのラベル作業指示
- 進捗トラッキング
- データセットバージョニング
- エッジデバイスへの一括モデルプッシュ
が可能です。このエンドツーエンド制御は反復を高速化し、データ収集・ラベリング・訓練・量子化・デプロイのループをタイトに保ちます。
ロボティクス
オフザショールコンポーネントをカスタムエンクロージャで囲み、デルタロボットをソフトロボティクスグリッパーで改造して取り扱いします。真空または通常のグリッパーは湿環境では機能しませんが、コンプライアントグリッパーは魚を安全に取り扱えます。Delta X S をテストプラットフォームとして使用し、産業用デルタロボットへスケールアップするか、自社開発するかの判断基準を確立しています。
現在のフォーカス
- 水面外での作業：養殖場における表現型評価・仕分け・品質検査
- 遺伝子データ、環境データ、表現型画像を統合し、養殖場が繁殖させる魚と淘汰すべき魚を特定できるよう支援。これが選択的育種への入り口です。
養殖魚種のほんの一部しか遺伝子改良プログラムを受けていません。鶏は1950年代に比べ4倍速く成長しますが、ほとんどの養殖魚は野生遺伝子を保有しています。アクアカルチャーの遺伝学改善は大きな可能性がありますが、測定手段が不足しているためボトルネックとなっています。
信頼構築
私たちは養殖業界に外部人間であるため、信頼を得る必要がありました。パウルは既にサステナブルアクアカルチャー連合のFuture Leaderに選ばれていました。転機となったのはWorld Aquaculture Society会議でした。そこで彼は将来の遺伝子学リーダーと出会い、最初のお客様である北米最大トラウト生産者との有料パイロットへつながりました。
背景
- 私（ロハン）はASML、Nvidia、Tesla、Toyotaで働いていました。
- パウルはBloombergで勤務していました。
- CMUで出会い、すぐにこの課題を共に解決したいと感じました。
ご意見募集
以下の経験をお持ちの方からフィードバックをいただければ幸いです：
- 厳しい環境や予測不可能な状況でのコンピュータビジョン
- Jetson、OAKカメラなど制約あるハードウェア上でのエッジデプロイメント
- 生物を優しく適切に扱うロボット設計
- アクアカルチャー自体
JetsonやOAKカメラで推論を行い、量子化ワークフローに関する知見があればぜひ共有ください。アクアカルチャーに精通している方は、まだ直面していない課題についてもご意見いただけると嬉しいです。
デモ動画はNDAのため共有できませんが、表現型・形態計測用初期データセットを構築中の写真はこちらから確認できます：
https://drive.google.com/file/d/1z3oSlB8ed9hanrybzP24XTfjDJE
この業界は珍しいものです。毎週新たな学びがあります。エッジデプロイメント、湿潤環境でのロボティクス、あるいはアクアカルチャーに関する経験をお持ちの方はぜひご意見ください。また魚や技術について質問があれば遠慮なくコメントしてください。
皆さんのご意見を楽しみにしています！