審査員講評
坂村 健（審査員長）
東京大学名誉教授
IEEE Life Fellow / Golden Core Member, IEEE Computer Society
トロンフォーラム会長
今年のTRONプログラミングコンテストは、「TRON×AI AIの活用」というテーマのもと、リアルタイムOSとAIという、一見すると距離のある両者をどのように結びつけ、実装へと落とし込むかが試される、非常に挑戦的なコンテストとなりました。結果として、国内外から意欲的かつ創意工夫に満ちた作品が多数寄せられました。
まず、RTOSアプリケーション一般部門の「LGX-Shield ～加速度×AI で橋梁の異常をリアルタイム検出するエッジモニタ～」は、加速度センサとAIを組み合わせ、橋梁の異常をエッジ側で即座に検出するという、社会インフラに直結する明確な目的を持つ優れた作品でした。FFT解析から特徴抽出、推論処理までをリアルタイムに実装し、さらに独自のデバイスドライバやネットワーク処理まで踏み込んでいる点は、組込み技術として非常に高く評価できる内容です。またRTOSミドルウェア部門の「自己進化する LoRa 通信ライブラリ『LoRabbit』」は、LoRa通信とAIを融合し、自己最適化する通信ライブラリとして完成度が高く、µT-Kernelの特性を最大限に引き出している点が印象的でした。
一方、micro:bitを使った作品群にも大きな可能性を感じました。非力なハードウェアでありながらも、携帯性や低消費電力といった強みを活かし、天候予測や動作解析、TinyMLの移植といった工夫ある取り組みが多く見られました。特に「µT-Kernel×AI の学習環境 〜ライントレースロボットでリアルタイムOS・AIを学び、体験する〜」や「µT-Kernel搭載ウェアラブル動作解析ツール」は、教育的価値が高く、将来のエンジニア育成にもつながる好例といえます。
海外応募作品においても、YOLOによる人検出やSLAMといった先端技術への挑戦が見られ、TRON RTOSとAIの可能性が国境を越えて広がっていることを実感しました。
ただし、中にはアイデアが先行し、実装が間に合わなかったものや、AIの活用意図がやや曖昧な作品も見受けられました。AIとリアルタイム組込み制御の両方を扱うには、相応の設計力と計画性が求められます。ぜひ今回の経験を次につなげ、より完成度の高い作品として再挑戦していただきたいと思います。
AIはクラウドだけでなく、センサとOSがある現場―すなわちエッジでこそ、真価を発揮します。TRONが目指してきた「実世界とコンピューティングの融合」に、AIという新たな力が加わった今、本コンテストはその未来を指し示す重要な一歩となりました。
来年、さらに進化した皆さんの挑戦に出会えることを楽しみにしています。
後藤 貴志
インフィニオン テクノロジーズ ジャパン株式会社
バイスプレジデント
経営戦略室 室長 兼 社長補佐
今回は日本のみならず世界のいろいろな国からご応募いた だき、インフィニオン テクノロジーズ ジャパン株式会社を代表して、参加者の皆さまに心から敬意を表します。
今回のテーマ「TRON×AI」は、リアルタイムOSとAI の 融合という非常に挑戦的なテーマでした。応募者の皆さまは 多彩なアイデアを形にしようと努力されましたが、技術的な難しさから、思うようにプログラムできなかった場面もあったと 伺っています。
しかし、次回はより多様なプラットフォームや充実した開発ツールが登場し、皆さまのアイデアを具現化する環境がさらに整っていくことでしょう。インフィニオンは、PSOC™ EdgeやAIROC™コネクテッドMCU、そして産業・車載分野で 定評あるAURIX™ファミリーなど、AI/ML、モーター制御、 電力変換に対応した幅広いマイコン製品を提供しています。 これらのプラットフォームは、低消費電力で高性能なAI推論、 強固なセキュリティ、Wi-Fi 6やBluetooth LE対応の無線接続、豊富な開発ツール（ModusToolbox™）を備え、 TRON OSとの組み合わせで、より効率的で安全なシステムを構築できます。特にPSOC™ Edgeは、エッジAIを迅速に実装できるプラットフォームとして、スマートホームや産業機器など幅広いIoTアプリケーションに最適です。
このコンテストは未来への懸け橋です。インフィニオン製品を選択し挑戦された皆さまの意欲には深く感銘を受けました。 私たちは、皆さまが未来のイノベーションを牽引し、世界に新しい価値を届けることを期待しています。改めて、受賞者の皆さまの功績を祝福するとともに、将来皆さまが生み出す素晴らしいプロダクトを市場で目にする日を楽しみにしています。
パオロ・オテリ
ST マイクロエレクトロニクス株式会社
マイクロコントローラ・デジタルIC+RF 製品 グループ
アジア パシフィック地区バイスプレジデント
2025 TRONプログラミングコンテストにご参加いただいた皆さま、誠にありがとうございました。
今年も多数の応募プロジェクトに感銘を受けており、STマイクロエレクトロニクスのSTM32ファミリの今後の製品開発およびエコシステム拡充に役立つ作品がございました。
「RTOSアプリケーション 学生部門」で際立った作品は「RescueBot」プロジェクトでした。STのフラッグシップであるSTM32N6マイコンを搭載し、この組み込みAIモデルはカメラ画像からリアルタイムで人数を検出することが可能です。プロジェクトはGitHubでオープンソースとして公開されており、組み込みAI開発者にとって貴重なリソースになることが期待されています。
また、すべての応募作品において、マイコン、開発環境およびµT-Kernelが高次元で活用されており、非常に難しい審査となりました。このコンテストから、多くの革新的な作品が生み出され、今後のアプリケーション開発の優れた指針となることを確信しています。
受賞者の皆さまにお祝いを申し上げるとともに、すべての参加者の皆さまに心より感謝いたします。STは今後も製品ラインナップ、開発環境、サポートの拡充に努め、より多くのユーザーがSTM32ファミリをシステム開発にスムーズに統合できるよう支援してまいります。
黒田 昭宏
ルネサス エレクトロニクス株式会社
エンベデッドプロセッシングプロダクトグループ
エンベデッドプロセッシング事業部
ヴァイスプレジデント
TRONプログラミングコンテスト2025にご参加いただいた皆様、ありがとうございます。 また、今回、入賞された皆様、おめでとうございます。
今年度は、「TRON×AI AIの活用」というテーマで、AI技術の組込みに取り組まれた努力に敬意を表します。一部の作品には、AIまで手が回らなかったと言う作品もありましたが、最後まで完成できていたら面白いものになっていただろうと思われるものがあり、次回以降の革新的な作品の応募を期待しています。
ルネサスエレクトロニクスのEK-RA8D1ボードを使用していただいた、アプリケーション部門の「LGX-Shield ～加速度×AI で橋梁の異常をリアルタイム検出するエッジモニタ～」やRTOSミドルウエア部門の「自己進化する LoRa 通信ライブラリ『LoRabbit』」は、µT-KernelとAIを上手く組合せられるだけでなく、デバイスドライバの独自実装やAPIの準備などまで考慮されている点も含めて、高い評価としました。
ルネサスエレクトロニクスは、今後もハイエンドからローエンド＋低消費のマイコンを提供し、リアルタイム性とAIに活用しやすい製品を展開し、皆様のシステム開発をサポートしてまいります。
松為 彰
トロンフォーラム T3/IoT WG 座長代理
パーソナルメディア株式会社 代表取締役
TRONプログラミングコンテスト2025に多くの作品をご応募いただき、ありがとうございました。コンテストの入賞者の皆さま、おめでとうございます。また、参加者の皆様、お疲れさまでした。
今年のお題は「AIの活用」でした。µT-Kernelのような組込み向けリアルタイムOSと、ChatGPTやLLMに代表されるAIは、どちらも重要なコンピュータ技術なのですが、一見して両者は特に関係ありません。リアルタイムOSとAIの組み合わせで何ができるのでしょうか。こういった不安と期待の入り混じった気持ちで応募作品を待っておりました。
実際に蓋を開けてみると、海外からも含めて多くの応募作品があり、昨年以上のコンテストの盛り上がりを感じることができました。また、リアルタイムOSとAIとの組み合わせという意味では、OSのコンパクト性やボードの携帯性を活かした応用が多く、クラウドから離れた現場でローカルにAIを活用するという、いわゆる「エッジAI」を実践する方向が目立ちました。
パーソナルメディアでは、小学生のプログラミング教育などに使われているmicro:bitという超小型コンピュータにµT-Kernelを搭載し、コンテストの対象ボードとして提供しています(*1)。micro:bitはコンパクトで個性のある面白いコンピュータだと思いますが、半導体各社の提供しているAIアクセラレータ付きの最先端のマイコンと比較すると、いかにも非力であり、負荷の高いAI処理を行うことはできません。しかし、手のひらに載る携帯性や単三電池駆動といったメリットがあり、AIでこれをどう活用するかというアイデアの工夫がコンテスト応募のポイントかと思われました。結果的にも、micro:bitで上位に入賞した作品はいずれも電池駆動と携帯性を活かした作品になっており、micro:bitやリアルタイムOSにおけるAI活用のヒントを示していただくことができました。
一方、計画書の段階で面白いアイデアが出ていたにもかかわらず、開発作業のボリュームが多くなり過ぎて締切に間に合わなくなり、当初予定の一部の機能のみ実装したという作品も複数ありました。本コンテストでAIを活かすには、AIとリアルタイム組込み制御の両方のスキル、今風に言えば「二刀流」の技術を要するわけで、開発期間が長くかかるのも当然かと思われます。ぜひ、来年のコンテストに向けて開発を継続し、最後まで完成させた作品で再チャレンジしていただくことを期待しております。 来年のコンテストも楽しみにしております。
(*1) IoTエッジノード実践キット/micro:bit（http://www.t-engine4u.com/products/ioten_prackit.html）
RTOSアプリケーション 一般部門
須藤 義明
点検作業が「経験と勘」に依存しがちな現場において、数値で状態を可視化することで、誰でも判断できる仕組みを想定しました。
また、初体験のAIプログラミングにおいても生成AI(ChatGPT)を活 用し、AIの専門知識の壁を乗り越え、“人とAIが協働する新しい開発スタイル” を体験。小規模ながら社会課題へ挑む可能性を示しました。
森 龍二
このツールは腕に装着し、動きを読み取ってお手本との違いをその場でLED 表示する動作解析デバイスです。リハビリや運動練習など、身近な場面で自分の動きの改善点を直感的に確認できます。
小さな電池や限られた部品でも正確に動くよう設計しており、「軽くてシンプル、でも実用的」という点が着眼点です。さらに、体の別の動きも扱える機能追加や、離れた場所での記録・見守り、複数人の動きの把握などへ広がる柔軟さも備えています。将来はAI が動きのクセを学び、個別に最適なアドバイスを行う展開も想定しています。
左：腕に装着したmicro:bitによる動作計測の様子
右：手首の動きを検出し、結果を即時フィードバック
渋川 敬之
環境データ推論システム「AMAGOI（あまごい）」は、環境センサから取得した観測データをもとに一定期間後の気象状態を予測して出力するシステムです。
状態予測は気圧および湿度の観測実測値および拡張カルマンフィルタ（EKF）により算出された将来予測値を用いて行います。
ハードウェアはマイコンボード micro:bit および環境センサ enviro:bitを使用しました。
ソフトウェアについては観測値取得処理（環境センサ処理）、推定実行（推論エンジン）および表示（出力処理）をそれぞれ独立したタスクとしてC言語によるプログラムにて実装しています。
関谷 武一郎
本システムは、障害物との距離、気象条件（気温、湿度、気圧）、および地理座標から現在地を予測し、表示します。開発の着眼点は、高齢者や障がい者が歩行中に障害物との距離を把握して衝突を回避し、急な気象の変化による豪雨等を事前に察知して安全に行動できるようにすることです。さらに、現在地が把握できない場合には、現在の場所を表示することで、危険予知に役立てられると考えました。micro:bit上でµT-Kernelの複数のタスクを動作させ、超音波距離センサーや温湿度・気圧センサーから取得した情報をOLEDに表示します。また、サブ基板がGPS情報から生成AIによる地名の予測結果を取得し、micro:bitとUART通信して結果をOLEDに表示します。
湯澤 竜也
本作品は、エッジノードAIの一つTinyMLをmicro:bit＋µT-Kernel 3.0の環境で実行させるために必要なPorting Layerを提供するモノです。
TinyMLとしてSONY社のNeural Network Libraries（略称 nnabla）のオープンソース実行環境NNabla C Runtime（略称 nnablart）を採用。
µT-Kernel 3.0のソースを改変し、浮動小数点演算ライブラリの実装では生成AIのGemini by Googleに相談しました。
サンプルとして実装したmicro:bit内蔵加速度センサを利用した姿勢判定アプリは、nnablartの未使用関数組込状態でROM使用量310KB…µT-Kernel 3.0の小フットプリントと相まってアプリ開発・チューニングの余地を十分に残しています。
また、BTRONへの移植も視野に入ります。
micro:bitをスマホに直結しサンプルアプリを実行させログ表示中の様子，動作中のニューラルネットワークモデル，ROM使用状況
RTOSアプリケーション 学生部門
Supun Navoda Gamlath / Shamila Jeewantha / Chathura Gunasekara
University of Moratuwa
STM32N6570を用いた災害生存者識別向けリアルタイムオンデバイスAIフレームワーク
本プロジェクトは、自律型災害生存者検出の目的に設計したリアルタイム組込みAIフレームワーク「RescueBot」を提示します。STM32N6570ディスカバリーキット上でµT-Kernel 3.0 RTOSアプリケーションとして実装され、推論をする際にクラウド接続に依存せずマイクロコントローラ上でコンピュータビジョン用ニューラルネットワークが効率的に動作することを実証します。
本システムは、STM32のNeural-ARTアクセラレータNPU向けに最適化・量子化されたYOLO-X Nanoニューラルネットワークモデルを統合し、リアルタイムのカメラ入力から生存者を検出します。オンチップの画像信号プロセッサとMIPI-CSIカメラインターフェースを使用し、最速で25FPSの画像を使って推論を実行します。検出した人間はカルマンフィルタで追跡し、構造化された検出結果を機械可読なJSON形式でUART経由で送信し、自律型捜索救助ロボットなどの外部システムとの容易な統合を可能とします。
µT-Kernel 3.0を使用し、すべての処理はセマフォとメッセージキューを用いた決定論的リアルタイムタスクとして管理されます。STM32N6の強力なハードウェアにより、このコンピュータビジョンパイプライン全体をデバイス上で安定かつ低遅延に実行可能です。
本プロジェクトは、救命アプリケーション向け深層学習モデルを組込みプラットフォームに直接展開する実現可能性を示し、将来の知能型捜索救助ソリューションへの道を開くものです。
Adarsh A / Aayush S / Asrith S / Adithya A
Team V.I.S.I.O.N. (Visual Inertial System Integrating On-board Navigation）
µT-Kernel 3.0がもたらすリアルタイム処理とEdge AIを融合させた本プロジェクトでは、STM32N6570開発ボード上で動作するVisual Inertial SLAMの新規かつ低コストなアーキテクチャを提案します。従来の自律システムが大型で高価なLIDARを使い空間情報を取得するのに対し、本手法ではボード内蔵のNPUを活用し、「人工の合成LIDAR」データを生成します。具体的には、カメラの深度マップとBCAMs‐IMXモジュールのセンサデータを組み合わせることで高価なハードウェアを使わず安定して動作する環境認識レイヤを構築します。
STM32N6のニューラル・プロセッシング・ユニットにより深度推定を高速化し、視覚情報をリアルタイムで処理します。重要なポイントは、µT-Kernel 3.0がこれらの高負荷処理を一手に管理し、センサフュージョンに求められる厳密なタイミング要件をゼロレイテンシで満たしている点です。この高速センシング基盤の確立により、自律ナビゲーション技術が多くの環境で利用できるようなり、コンパクトな組込みデバイスでもLIDARに匹敵する精度で環境を知覚できるようになりました。
Kariuki Samuel Kiragu / Zuocheng Feng
GIFU UNIVERSITY（岐阜大学 工学部）
本プロジェクトでは、触覚センシングと組込み機械学習を統合した「スマートストレス管理ボール」を提案します。STM32N6570-DKとµT-Kernel 3.0 RTOSにより、リアルタイムで高信頼な処理を実現しています。
革新的な構造と回路設計により、触覚信号はSTM32が直接測定可能なパルス幅信号へ変換され、システムを大幅に簡素化し、コストも削減しました。STM32はパルス幅を計測し、触覚変換モデルにより入力触覚信号を推定します。
機械学習では、K-meansがデータを低・中・高ストレスにクラスタ分けし、これを擬似ラベルとしてランダムフォレストを学習させ、押し方の特徴からストレスレベルを推定します。
LCDは推定されたストレスレベルをリアルタイムに表示します。本プロトタイプは、タッチ触覚センサー・組込みシステム・エッジAIを統合することで、直感的かつリアルタイムなストレスモニタリングが可能であることを示しました。
PROTOTYPE STRESS BALL HARDWARE OVERVIEW
RTOSミドルウェア部門
久保寺 祐一
IoTで普及するLoRa通信には、複雑な設定や大容量データ転送が困難という課題がありました。本作品「LoRabbit(ローラビット)」は、この課題を「µT-Kernel」と「AI」の力で解決することに着目し、µT-Kernel 3.0搭載のルネサスRAマイコン向けに開発したLoRa通信ライブラリです。
µT-Kernel 3.0の同期機構を活かし、データ圧縮と信頼性の高い分割転送を効率的に実行。最大の特徴は、AIが通信履歴から学習して"自己進化"し、通信を自動で最適化する「適応型通信制御（AI-ADR）」機能です。これにより、開発者は複雑な通信制御から解放され、安定したアプリケーション開発に集中できます。
本谷 茂
よりどりは組込み機器でAIを動かす際に必要となるハード的な入力と出力結果の解釈を手助けするライブラリです。
組込み機器でAIを使うには画像や音声の処理、AIモデルの入出力形式の理解、高速に処理するためのプログラミング技術など多くの専門知識が必要になります。しかしながらこれらは一般的とは言い難くAIを組込み機器へ導入する際の障壁となりがちです。
組込み機器でのAI実用化を推進するためにはこの課題の克服が重要であると考え、よりどりでは著名なAIモデルに対応したより実践的な入出力処理機能を提供することでアプリケーション開発者がAIの本質へ集中できるようにサポートすることを目指しています。
開発環境・開発ツール部門
阿部 耕二
µT-Kernel×AIの学習環境はmicro:bitを用いたライントレースロボットを題材にµT-Kernel、エッジAIを学べます。
主要な機能は以下の3つです。
- ライントレース
ロボット制御の基本をバランスよく学べます。 - 強化学習
強化学習の過程と強化学習の結果がライントレースという形で実際に体感できます。 - ロボット転倒状態の推論
AIモデルの作成、転倒状態の推論と簡単なエッジAIを体験できます。AIモデルはSonyのNeural Network Consoleで作成し、Cソースコードを出力します。出力されたソースコードをmicro:bitに組み込むことで転倒状態の推論ができます。
