Ultralytics YOLO Vision 2026の主な見どころをご紹介します。

9月13日、Ultralytics YOLO Vision 2026 (YV26)が開幕し、世界中のコンピュータービジョンコミュニティが、今年も対面とオンラインで集まりました。今年のテーマ「オープンなビジョン、実世界のために」は、製造、物流、ロボティクス、セキュリティの各分野で稼働する本番システムにおいて、オープンソースのルーツが果たす役割に光を当てる一日の幕開けを飾りました。

企業のリーダー、創業者、エンジニア、研究者、学生、オープンソースの貢献者が会場に集まり、多くの人がYouTubeで視聴しました。この記事では、Ultralytics YOLO27の発表、Ultralytics Platformの大規模なアップデート、講演セッション、そしてYV26を印象深いものにしたコミュニティの交流など、当日の主な発表や出来事を振り返ります。

開幕：オープンで実世界に根ざしたAIを目指すUltralyticsのビジョン#

イベントは、Ultralyticsの創業者兼CEOであるGlenn Jocherと、グロース担当VPのPaula Derrenger、シニア機械学習エンジニアのJing Qiuによる基調講演で幕を開けました。3人は、この日のテーマを提示しました。ビジョンAIが最も大きな価値を生むのは、ラボでベンチマーク評価されるだけでなく、現場で実際に導入する人々によって形作られる、オープンで利用しやすい技術であるときです。

図1. Ultralytics YOLO Vision 2026の展示エリア。

このテーマは、その後のプログラム全体の方向性を示しました。YV26では、モデルアーキテクチャだけでなく、モデルのトレーニング後に何が起きるか、つまり本番環境でどのようにデプロイ、監視、反復改善するかにも同じだけの時間が割かれました。このテーマは、当日の2つの主要な発表にも一貫して反映されていました。

Ultralytics YOLO27：次世代の主力モデルをライブ発表#

Ultralytics YOLO Vision 2026の目玉となった発表は、YOLOファミリーの次世代主力モデルであるUltralytics YOLO27でした。YOLO27は単なる段階的なアップデートではなく、タスク、モデルアーキテクチャ、専門的な用途にわたってファミリーを拡張します。

発表の中心となったのは、次の3つの柱です。

• Ultralytics YOLO27: 4種類のサイズ（n、s、m、l）と7つのタスク（オブジェクト検出、インスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、分類、姿勢推定、方向付きオブジェクト検出）を網羅する28モデルのラインアップです。コンパクトなモデルはエッジへの高速なデプロイメントを想定し、大規模なモデルは本番環境のGPUワークロードや高精度が求められる用途を重視しています。YOLO27lは、COCOで60 mAPを超えた初のUltralyticsモデルであり、すべてのサイズでおなじみのUltralyticsインターフェースを使用できます。
• Ultralytics YOLO27 Enterpriseモデル: 小売、倉庫、セキュリティ、空撮ビジョンAIなど、需要の高いエンタープライズ用途向けに開発された、ドメイン特化型の事前トレーニング済みモデルです。これらのモデルは、各分野でよく見られるオブジェクト、環境、エッジケースを使ってトレーニングされており、チームが専門用途に適した本番環境対応の検出システムを構築するための、より強固な出発点となります。
• Ultralytics YOLOE-27: Ultralyticsのリアルタイム対応オープン語彙検出・セグメンテーションモデルの次世代版です。YOLOE-27は、テキスト、視覚情報、またはプロンプトなしの推論によるオブジェクト認識に対応しており、あらかじめ定義されたクラスの固定セットを超えてビジョンシステムの機能を拡張します。

この3つの柱によって、YOLO27は単一のモデルリリースを超え、汎用のベースモデル、ドメインに合わせて調整された複数のEnterpriseモデル、そしてUltralytics Pythonパッケージで利用できるLLMインターフェースにそのまま接続できるよう設計されたオープン語彙モデルから成る、より幅広いファミリーへと進化します。

YOLO27はYV26のステージで発表され、今年後半に利用可能になる予定です。提供開始の通知を受け取るには、ウェイトリストに登録してください。

Ultralytics Platform：AutoTrain、Agents、Monitoring#

モデルの発表に続いて、チームはUltralytics Platformを紹介し、コンピュータービジョンシステムの構築における日々の作業をどのように簡素化しているかを実演しました。3つの重点分野を通じて、データの準備から本番環境でのモデル運用に至るまでの手作業をPlatformがどう削減するかを示しました。

• AutoTrain: モデルのトレーニング、比較、改善を会話形式で行える機能です。ユーザーは実現したいことを自然な言葉で説明し、データセットの検索、トレーニングの実行、結果の比較、デプロイ用モデルの準備などに取り組めます。
• Agents: 画像、YOLOモデル、視覚言語モデル、条件、アクションを接続し、完全なワークフローを構築するためのビジュアルキャンバスです。たとえば、YOLOが人物を検出した場合に限って視覚言語モデルを呼び出したり、信頼度の低い予測をレビュー用データセットに送信したりするパイプラインを構築できます。テンプレートを使えば、一般的なパターンから始めて、独自の用途に合わせて調整できます。
• Monitoring: リクエスト数、レイテンシ、エラー、ヘルス状態、ログなど、デプロイ済みエンドポイントの状況を組み込み機能で確認できます。有料の専用エンドポイントでは、リアルタイムの予測統計や、ユーザーが確認してデータセットに保存できる一時的なサンプルも利用できます。

これらの機能を組み合わせることで、データの準備、モデルのトレーニングと比較、最良の結果のデプロイ、予測を活用したワークフローの構築、本番環境での動作の監視、有用な例の次のトレーニングサイクルへの反映まで、モデルのライフサイクル全体をより密接につなげられます。

講演セッション：エッジシリコンから身体性を備えたAIまで#

製品発表に加えて、プログラムではAIエコシステムのさまざまな分野を代表するリーダーが集まり、実世界でのビジョンAIの導入が現在どのように進んでいるかを探りました。

• 建設と産業検査: Keith Povichは、建設現場の状況把握にUltralytics YOLO26を活用する方法を紹介しました。単純なオブジェクト検出にとどまらず、現場全体の状況を理解し、分野間の干渉を指摘して、専門家のレビューに向けた根拠付きの修正案を準備します。
• ビジョンAI向けオープンコンピューティング: Alex Zhangは、PyTorchとROCmを通じてAMD GPU上でUltralytics YOLOを実行し、実験やトレーニングから実世界の推論まで行う方法を紹介しました。
• エッジアクセラレーション: NVIDIA、Intel、Qualcommによるセッションでは、IntelのOpenVINO™によるCore Ultraプロセッサ向け最適化など、次世代エッジハードウェアでトレーニングからデプロイメントまでYOLOモデルを高速化する方法が取り上げられました。
• 現場で活躍するロボティクス: Lisa Liは、D-Robotics RDKを通じて実世界のロボットにUltralytics YOLOを導入する、世界各地の開発者の事例とベンチマークを紹介しました。
• 身体性を備えたビジョンAI: Paul Liは、ロボティクス研究を信頼性の高い実世界のロボットシステムへと変換する取り組みについて語りました。知覚技術をラボから実際に動作するロボットへ移すことは、実践上の課題です。
• 人類のためのAI: Dr. James Ongの講演では、個別の製品を超え、ビジョンAIを大規模に導入することに伴う、より広範な責任について考察しました。
• 次に価値が生まれる場所: Steve Nouriは、モデルの性能向上とコモディティ化に伴うAIの経済構造の変化を取り上げ、持続的な優位性をもたらすのはモデル自体ではなく、データ、コンテキスト、ワークフロー、信頼であると論じました。

一日の締めくくりには、モデル開発者、ハードウェアイノベーター、実製品を開発するチームによるパネルディスカッションが行われました。各技術がどのように融合しつつあるか、そしてより高性能なビジョンAIを実世界に広げるために次に何が必要かを探りました。

イベント会場のブース、ワークショップ、ライブデモ#

ステージではビジョンAIの今後が語られましたが、会場では、その多くがすでに稼働している様子を見ることができました。YV26では、一日を通じて3回のデモ専用時間と、昼食時間を使ったセッションが設けられ、参加者は座席から見学するだけでなく、十分に実際の操作を体験できました。

今年のデモでは、会場の多くのスペースが次の展示で彩られました。

• LimX Dynamicsは、身体性を備えたAIハードウェアを会場で実演し、YOLOのような知覚モデルが実際のロボットプラットフォームにどのように組み込まれるかを間近で紹介しました。
• D-Roboticsは、エッジSoC開発キットを展示しました。これは、YOLO Visionの過去のイベントから続く、センシング、モーション制御、意思決定を単一の統合スタックで実行するという議論をさらに深めるものでした。
• Axeraは、効率的で低消費電力の推論を実現するチップとコンピューティングプラットフォームを紹介し、参加者は異なるエッジシリコン上で同じYOLOモデルがどのように動作するかを比較できました。

スポンサーのブースに加え、AMDは参加者がグループに分かれてUltralytics YOLOをAMD ROCmとAMDハードウェアに直接デプロイする、専用のハンズオンワークショップを開催しました。これは、その日の早い時間にメインステージで行われたAMDの講演を補完する、より技術的な内容でした。

図2. Ultralytics YOLO Vision 2026で開催されたワークショップ

デモの時間には、UltralyticsチームがAuto-trainingとAgentsをUltralytics Platform上でライブ実演し、その日の発表内容を参加者が直接体験する機会も設けられました。参加者はステージ上のデモを見るだけでなく、Ask AIを試したり、自分でワークフローを構築したりできました。

これまでの開催回と同様、特に印象深い出来事のいくつかは、こうした合間の時間に生まれました。Ultralyticsのキャリア支援活動やグッズショップもある会場で、参加者はブースでデプロイメントの課題について情報交換し、パートナー企業のエンジニアへの質問に並び、前年のYV25のロンドン開催や深圳開催で始まった会話を続けました。企業のリーダー、オープンソースの貢献者、学生、ホビイストが同じブースで肩を並べる光景は、ステージ上の技術が年ごとにどれほど変化しても、あらゆるYOLO Visionイベントに一貫して見られるものです。

重要なポイント#

YOLO Vision 2026では、Ultralyticsが連動する2つの領域で前進していることが示されました。YOLO27、Enterpriseモデル、オープン語彙機能によってUltralytics YOLOファミリーを拡張すると同時に、Ultralytics Platformを通じてモデルのライフサイクル全体をより利用しやすくしています。

こうした進展は、より高速で高精度なだけでなく、実環境でのトレーニング、接続、デプロイ、監視、改善がより容易なビジョンAIの実現につながります。

Ultralytics Platformをぜひご覧ください。また、YOLO27のリリースが近づくにつれて最新情報を受け取れるよう、ウェイトリストに登録してください。今後の展開に参加するには、コミュニティとGitHubリポジトリにご参加ください。