Apex.AI について
About
Apex.AIとは
Apex.AI は 2017 年に Jan Becker と Dejan Pangercic が立ち上げたソフトウェア企業である。本社はカリフォルニア州パロアルトにあり、ミュンヘン、シュトゥットガルト、東京、板橋に開発拠点を置く。モビリティ向けの安全認証ソフトウェアを販売し、主力の Apex.OS は 2 つの部品でできている。アプリケーションを動かす Apex.Grace と、通信を担う Apex.Ida である。
この会社が解く課題は、ロボットを量産した経験のある技術者なら誰でも知っている。ROS 2 は試作には向くが、あのオープンソース群は ISO 26262 を満たすために設計されていない。研究車両で検証したアルゴリズムを量産向けに一から書き直す現場は多く、数年が飛び、テスト済みのコードも捨てることになる。Apex.AI は実績のあるオープンソース部品を取り込み、機能安全、決定性、ツール類を足して認証まで持っていく。Apex.Grace は車載で最上位の ISO 26262 ASIL D を取得した。Toyota Ventures、Volvo Group Venture Capital、ZF、Continental、LG Electronics などから 7500 万ドル以上を調達したと公表している。
実際の壁は入手経路にある。Apex.AI は完成車メーカー、一次サプライヤー、半導体企業、ロボティクス企業と直接契約を結ぶ。セルフ登録も価格表も無料枠もなく、個人開発者が SDK を試すには営業とのやり取りが要る。サポートは対応 OS とボードに縛られ、目標の ECU が認定済みプラットフォームに入っていなければスケジュールを固められない。
導入の流れ
- 公式サイトから Apex.AI の担当者に連絡し、使うプラットフォーム、必要な安全水準、希望時期を伝える。評価用ライセンス、秘密保持契約、見積もりはこの会話から始まる。
- 対応 OS に Apex.Grace SDK を入れる。開発は Linux、実機は QNX かリアルタイムパッチを当てた Linux が一般的だ。
- ROS 2 のノードを移植する。中核 API は ROS 2 の設計を踏襲しているため、多くのパッケージはビルド設定と QoS 設定の小さな修正でコンパイルできる。
- データ転送用に Apex.Ida を設定する。車内の通信は共有メモリを使い、車載ネットワークに応じて DDS、SOME/IP、CAN、MQTT の接続を足す。
- 記録と再生で検証し、安全分析を回し、証拠資料を評価機関へ渡す。
AIツール情報
Apex.AIの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 完成車メーカーと一次サプライヤーのソフトウェア部隊：認証の証拠と ASIL D の実行環境があれば、試作から量産までの書き直しを省ける。ただし商用ライセンスを負担できる案件に限る。
- 認証済み機械を作るロボティクス企業や農業機械メーカー：同じ基盤が少量生産の車両でも動く。自前で安全プラットフォームを抱える費用は見合わない。
- 防衛と無人地上車両のプログラム：Apex.Autonomy が実行環境の上にナビゲーション、隊列走行、検知を足す。遠隔操縦から監督下の自律走行までの距離が縮む。
タスク
- ROS 2 で組んだ自動運転ソフトウェアを量産へ移す：API 互換で既存ノードを残せ、決定論的なエグゼキュータが既定のスケジューラを置き換える。
- センサーデータを 1 つの ECU に集約する：Apex.Ida がカメラ画像や LiDAR のフレームをネットワークスタックではなく共有メモリで流す。メッセージが大きくなっても遅延は横ばいだ。
- ソフトウェア定義車両のアーキテクチャを組む：ミドルウェアが DDS、SOME/IP、CAN、MQTT を 1 つのインターフェースの背後にまとめる。アプリ側は信号がどのバスから来るかを気にしなくて済む。
シーン
- 研究車両プログラムを量産開始日に近づける：認証済み実行環境を使い、日程の終盤でソフトウェア設計をやり直す事態を避ける。
- 1 つのチップで異なる重要度の処理を混在させる：タスクごとにスレッド優先度とコア割り当てを決められるため、安全機能をインフォテインメントの負荷から切り離せる。
- 大容量のセンサーログを記録して再生する：検証ツールが数 GB のデータ列を時刻合わせして保存し、車両の外で不具合を再現できる。
主な機能
書き直しを要さない ROS 2 互換
Apex.Grace は ROS 2 のパブリッシュ・サブスクライブ、リクエスト・リプライ、ノードのライフサイクルをそのまま残す。多くのチームが既に知っている形だ。拡張部分はリアルタイム実行、システム状態の管理、フリート配備を覆う。試作コードが量産まで生き残る。AUTOSAR Adaptive ではなくこの構成を選ぶ理由はそこにある。
ISO 26262 ASIL D 認証
実行環境は車載機能安全の最上位である ASIL D の認証を受け、評価は TÜV NORD が担当したと会社は説明する。この証明があるからこそ、完成車メーカーはフレームワークを作り直さずにソフトウェアを安全上重要な経路へ載せられる。アプリ側の認証は別途必要だが、出発点は認定済みの基盤だ。
決定論的なエグゼキュータ
エグゼキュータは処理を単一項目、逐次チェーン、有向非巡回グラフにまとめ、スレッドプールで動かす。スレッド優先度、コア割り当て、スケジューリング方針はすべて設定できる。アプリの論理と実行方針を分ける設計なので、同じコードが一方の ECU では厳しいリアルタイム予算を満たし、別の ECU では緩い条件で回る。
Apex.Ida によるゼロコピー転送
Apex.Ida はメッセージを共有メモリ経由で流し、通常の DDS 構成で遅延を食うコピーとコンテキストスイッチを避ける。組み込み向けで毎秒数百ギガビット、負荷がかかってもジッタは小さいと Apex.AI は述べる。数 MB のカメラ画像を運ぶ知覚パイプラインでは、この差は遅延の山ではなく安定した時間として現れる。
実車向けのプロトコル接続
アプリ側の API は 1 つだけで、その背後に DDS、SOME/IP、MQTT、CAN、WebRTC が並ぶ。ミドルウェアが設定に応じて転送方式を選ぶため、CAN から届くレーダー信号も共有メモリから届くカメラ画像も、コードから見れば同じ扱いになる。新旧のネットワークが混在する車両で車載ミドルウェアが使えるのはこの層のおかげだ。
無人地上車両向け Apex.Autonomy
Apex.Autonomy は Apex.OS 上に組んだ UGV 向けの自律走行スタックである。自律ナビゲーション、追従モード、隊列走行、退避経路、物体とドローンの検知を備える。同じ基盤で動くため、車両プラットフォームを入れ替えずに自律機能だけを更新できる。
ビルド、テスト、検証のツール
Apex.Alan は統合、ビルド、テスト、配信の流れを担当し、検証向けの製品は巨大なデータ列を時刻合わせして記録し再生する。現場で起きた不具合を台上で再現する用途だ。安全の証拠は結局のところ文書の問題なので、ツールの重みは実行環境に劣らない。
メリットとデメリット
メリット
- ISO 26262 ASIL D を取得している。ROS 2 系の実行環境では珍しく、量産の最大の障害が消える。
- ROS 2 の API を保つため、試作コードと開発者の習慣を捨てずに済む。
- Apex.Ida のゼロコピー転送により、メッセージが大きくなっても遅延が横ばいになる。カメラと LiDAR の処理で効く。
- 1 つのミドルウェアが DDS、SOME/IP、CAN、MQTT、WebRTC を覆うため、混在したネットワーク構成でも接続用のコードを自作しなくていい。
デメリット
- 価格が公開されておらず、無料枠もない。予算承認も評価も営業手続きが前提で、趣味の開発者や小さなスタートアップには届かない。
- サポートは認定済みの OS とボードに限られる。珍しい ECU や新しいチップでは、プラットフォームが整うまで数か月かかることがある。
- 狙いは安全が最優先のモビリティである。Web サービスや消費者向けアプリを作るチームには使える部分がない。
よくある質問
Apex.AI が売るのは Apex.OS である。アプリ実行を担う Apex.Grace とデータ転送を担う Apex.Ida で構成する商用プラットフォームだ。追加製品として地上車両向けの自律走行、ビルドとテストのツール、検証支援がある。
関連コンテンツ
Apex.AIに関連するツール、スキル、記事を探す。
Apex.AIの代替ツール
Odyssey 3
Odyssey · その他Odyssey-3はOdysseyの基盤ワールドモデルだ。物理をリアルタイムにシミュレーションし、プロンプトからインタラクティブな環境を生成して、ロボットや車、ゲームに適応する。
JarvisCore
Prescott Data · コーディング · 生産性向上 · その他JarvisCore は、AI エージェントが対等なピアとしてメッシュを組み、共有台帳からタスクを引き受け、ゼロトラストのブローカー経由で外部サービスを呼ぶオープンソースの Python ランタイムである。
Clef
Cloudflare · ビジネス · その他Clef は Workers AI で動く Cloudflare のオープンソース意思決定モデルだ。生成テキストではなく、型付きの設問に確率を返す。エージェントは素早く分類し、振り分け、行動できる。