すべてのマーカーレスモーションキャプチャが、プロフェッショナルなワークフローに入れるわけではない

人物がひとつの動作を行うと、画面上のデジタルキャラクターが同期して動き、骨格線が身体に安定して重なる。これは、マーカーレスモーションキャプチャの最も直感的で、最も伝わりやすい映像です。

しかしプロフェッショナルユーザーにとって、この映像が答えられるのはひとつの問いだけです。つまり、システムがこのデモで動作結果を生成した、ということです。より重要な問いにはまだ答えられません。同じタスクを10回繰り返しても安定するのか。複数人が交差するとき、道具で遮られるとき、あるいは素早く振り返るときに何が起きるのか。データはどのように定義されるのか。既存ソフトウェアへリアルタイムに入力できるのか。モデル更新後も過去データを比較できるのか。一般のオペレーターが継続的に使用し、保守できるのか。

そのため私たちは、「骨格を生成できること」と「プロフェッショナルなワークフローに入れること」の間には、なお一連のエビデンスチェーンが存在すると考えています。

これは、軽量なマーカーレスツールに価値がないという意味ではありません。単一動画からの動作生成、迅速なプレビズ、素材レベルのアニメーションには、それぞれ明確で妥当な利用シーンがあります。私たちが解決しようとしているのは別の種類の課題です。すなわち、研究室、ロボットデータ収集環境、トレーニングセンター、バーチャルプロダクション、インタラクティブ空間において、長期にわたり安定的かつ検証可能な形で動作データを生産するにはどうすべきか、という課題です。

Semcam Liveは、まさにこの目標を中心に構築されています。私たちが提供したいのは、一度きりの美しいデモではありません。繰り返し使用でき、下流システムが理解でき、実際のプロジェクトで検収可能な動作データ能力です。

一、プロフェッショナルワークフローの第一の入口：指標はタスクと一致していなければならない

「高精度」は、それだけでは完全な技術的結論ではありません。

人体キーポイントの位置誤差、関節角度誤差、歩行の時空間パラメータ、軌跡の一貫性、足底接触、複数人のID保持率、剛体姿勢誤差、エンドツーエンド遅延は、それぞれ異なる問いに答えるものです。あるシステムが歩行速度や歩幅で良好な結果を示しても、股関節の横断面回旋が同じように正確であるとは限りません。アニメーションが滑らかに見えても、それが臨床研究、ロボットトレーニング、定量的な動作評価に適していることを直接証明するものでもありません。

近年のシステマティックレビューでは、三次元動画ベースのマーカーレスモーションキャプチャに関する複数の研究が整理されています。その結果、この種のシステムは一部の歩行時空間パラメータや関節運動学指標において良好な応用可能性を備えつつある一方で、異なる動作、身体平面、モデル定義、参照方法が結論に大きく影響し得ることも示されています。[1]

痙直型脳性まひ児30名と定型発達児15名を対象とした研究では、より具体的な境界も示されています。マーカーレスシステムは、一部の前額面角度、および膝・足関節の一部の矢状面角度を比較的良好に追跡できる一方で、個人ごとの骨盤傾斜や股関節横断面回旋の偏差を捉えるにはなお不十分でした。[2]

これらの研究が私たちに示しているのは、「マーカーレスは使える」または「使えない」と単純に判断することではありません。結論を、明確な動作、対象者、指標、モデル、試験条件の中に限定することです。

現在公開しているSemcam Liveの能力には、マルチカメラ三次元再構成、最大120fpsのリアルタイム出力、100ms未満のエンドツーエンド遅延、250個の人体キーポイント、収録後の精密処理に用いるHPE能力が含まれます。[5][6] これらのパラメータはそれぞれ、リアルタイム性、人体記述の密度、収録後の納品品質に対応するものであり、条件から切り離された「絶対精度」という一語に圧縮すべきではありません。実際のプロジェクトでは、カメラ台数、キャプチャ距離、動作タイプ、遮蔽、服装、誤差定義、参照システム、データ処理方法を明確にしたうえで、対応する検収指標を設計する必要があります。

プロフェッショナルな選定の出発点は、最大の数値を探すことではなく、まず最も重要なタスクを定義することです。

二、第二の入口：一度の成功では不十分で、結果は再現可能でなければならない

プロフェッショナルな動作データは、比較に使われることが少なくありません。トレーニング前後、治療前後、異なる実演者、異なるバッチ、異なるアルゴリズムバージョン、あるいは同一タスクにおける日次・週次の変化などです。システムがキャリブレーション、身体モデル、ソフトウェア更新のたびに説明不能なドリフトを生むなら、単発の結果がどれほど見栄えよくても、蓄積可能な証拠にはなりにくくなります。

再現性には少なくとも複数の階層があります。

- 同じデータを繰り返し処理したとき、結果は一致するか。

- 同じ参加者を同じ日に繰り返し収録したとき、差はどの程度か。

- 日をまたぐ、オペレーターが変わる、服装条件が変わる場合でも、結果は比較可能か。

- カメラ配置、骨格バージョン、アルゴリズムバージョンが変わった後、過去データをどのように追跡できるか。

- リアルタイム結果と収録後HPE結果の差をどのように説明するか。

タイトな衣服とゆったりした衣服の条件に関する信頼性研究では、特定の健康成人の歩行タスクと実験条件において、動画ベースのマーカーレスシステムが良好な再現性を得られることが示されました。同時に研究では、その結論を他の集団や臨床状況へ拡張する必要があることも明記されています。[3] このような記述は、「ゆったりした服でもキャプチャできる」という一言より価値があります。適用条件とエビデンスの境界を同時に示しているからです。

私たちも、バージョン化された検証をSemcam Liveが長期プロジェクトに入るための必須作業と考えています。理想的な再現性レポートでは、カメラとActive Centerの構成、ソフトウェアとモデルのバージョン、キャリブレーション状態、動作、人物、服装、照明、処理モード、統計方法を記録する必要があります。モデル更新後には、過去データを再計算できるのか、新旧バージョンを直接比較できるのか、どの変化がアルゴリズム由来で、どの変化が現場条件由来なのかにも答えなければなりません。

真のプロフェッショナル能力とは、「更新のたびに見た目が良くなること」ではなく、すべての変化に記録、測定、説明があることです。

三、第三の入口：現場でのロバスト性には「失敗が見えること」が含まれていなければならない

実際のタスクは、常にデモ状態を保ってくれるわけではありません。

参加者は振り返り、しゃがみ、座り、横になり、走り、跳び、素早く腕を振ります。複数人は交差します。手、脚、道具は互いを遮ります。動作はキャプチャ領域の端で発生することもあります。服装、照明、背景も変化します。視覚アルゴリズムは時系列情報と身体の事前知識によって連続した骨格を生成できますが、「連続している」ことは必ずしも「正しい」ことを意味しません。

したがって、プロフェッショナルシステムは結果を出力するだけでなく、その結果の状態も可能な限り出力する必要があります。信頼度、ID状態、視野カバレッジ、低品質フレーム、画角外、遮蔽、異常通知は、現場スタッフがカメラ位置の調整、照明の変更、再キャリブレーション、追加収録の必要性を判断する助けになります。エラーが平滑化アルゴリズムで覆い隠されると、オペレーターの見る映像はより滑らかに見えるかもしれませんが、無効なデータに気づくことはかえって難しくなります。

臨床研究者向けの実践的な論文では、マーカーレスモーションキャプチャは被験者準備時間を短縮できる一方、動画保存、処理時間、プライバシー管理、収録後修正能力の制限といった問題も実験設計に含める必要があると指摘されています。著者はさらに、データ不完全性のリスクを下げるために追加試行を行うことも推奨しています。[4]

私たちは、このように問題を避けずに扱う姿勢に同意します。Semcam Liveのブランドコンテンツでは、成功シーンだけを見せるのではなく、再利用可能な「境界ケースライブラリ」を段階的に構築していきます。入力映像、二次元キーポイント、三次元骨格、信頼度、最終出力、処理方法を残し、問題が視点の追加、照明調整、立ち位置変更、再キャリブレーション、収録後処理、再収録のいずれによって解決されたのかを説明します。

境界を公開することは、プロフェッショナルブランドを弱めるものではありません。むしろ、プリセールス検証、現場トレーニング、技術サポート、製品改善が同じ知識基盤を共有できるようになります。

四、第四の入口：データには明確な定義が必要である

人体骨格は、自然界に唯一正しく存在する座標表現ではありません。

システムによって、キーポイント、身体セグメント、関節中心、骨格比率、軸方向、逆運動学制約、フィルタリング方法が異なる場合があります。2つのシステムがどちらも「膝関節角度」を出力していても、その身体モデル、座標系、計算過程は同じとは限りません。アニメーションでは、これはリターゲティングに影響します。ロボットでは、座標変換と制約に影響します。生命科学では、研究指標を解釈し、再現できるかどうかに影響します。

したがって、プロフェッショナルなワークフローに必要なのは単なるファイルではなく、実行可能なデータ契約です。少なくとも次の内容を説明する必要があります。

- 座標系、単位、右手系または左手系。

- タイムスタンプ、フレーム番号、サンプリング周波数、同期方法。

- キーポイント名称、骨格階層、参照姿勢、バージョン。

- 信頼度、欠損値、ID切り替え、補間ルール。

- IK、フィルタリング、平滑化、リターゲティングのパラメータ。

- リアルタイム結果、HPE結果、最終納品データの関係。

Semcam Liveでは250個の人体キーポイントを提供し、複数の骨格、パラメトリック人体モデル / 高精度人体モデル、FBX、BVH、C3Dなどの形式に向けた出力を用意しています。[5][6] 250点は、システムが人体をより高密度に記述する潜在力を持つことを意味しますが、250個の臨床解剖学的マーカーと同義ではなく、すべての動作において各点が同じ不確実性を持つことを意味するものでもありません。

プロジェクト開始前には、対象インターフェースに合ったサンプルデータと解析説明を先に入手し、実際のフローで骨格方向、単位、ID連続性、点欠損ルール、座標変換を確認することを推奨します。C3D、高精度人体モデル、業界標準の骨格を使う場合は、フィールドの意味と対象ソフトウェアのモデル定義も確認し、「ファイルは開けるが正しく使えない」という事態を避けるべきです。

五、第五の入口：インターフェースは互換リストではなく、実際に通るタスクチェーンである

製品ページにROS、Python、MuJoCo、NVIDIA Isaac、OpenSim、Unreal Engine、Unityを列挙するだけでは、接続の方向性を示すにすぎません。プロフェッショナルな顧客が本当に必要としているのは、Semcam Liveの出力から対象システムまでをつなぐ、実行可能な一連の経路です。

ROS 2を例にすると、TopicはPublish-Subscribe方式で連続データを伝達しますが、エンジニアリング上の接続には、メッセージ構造、QoS、配信頻度、タイムスタンプ、座標フレーム、異常状態の定義も必要です。[7] MuJoCoは物理シミュレーションに用いられますが、人体骨格はなお具体的なモデルの自由度、関節制限、制御ロジックへマッピングされなければなりません。[8] 同様に、OpenSim、Visual3D、Unreal Engine、Unityにも、それぞれモデル、単位、骨格、バージョンの要件があります。

そのため私たちが「インターフェースが使えるか」を判断するとき、Logoだけを見ることはありません。見るのは次の4点です。

1. バージョン、フィールド、座標定義が明確か。

2. サンプルプロジェクト、サンプルデータ、期待される出力があるか。

3. 単に接続を確立するだけでなく、完全なタスクを再現できるか。

4. 切断、遅延、フレーム落ち、バージョン非互換が発生したとき、診断方法があるか。

私たちはロボット、生命科学、アニメーション、リアルタイムインタラクション向けソフトウェアへの接続能力を提供していますが、具体的なバージョン、フィールド、適用範囲は、対応する技術文書とプロジェクト検証に基づいて確認すべきです。今後も、ROS 2リアルタイム骨格、人体とGoku剛体の同期メッセージ、PythonによるHPEの一括読み込み、C3Dの解析ソフトウェアへの入力、FBXのリアルタイムエンジンへの入力、モデルマッピングとよくあるエラー処理など、タスク型チュートリアルを継続的に追加していきます。

インターフェースの価値は、互換リストを長くすることではなく、顧客が「データを受け取る」状態から「タスクを完了する」状態へ到達するまでの距離を短くすることにあります。

六、第六の入口：リアルタイム、収録後処理、最終納品は明確に分ける必要がある

プロフェッショナルな現場では、多くの場合、同時に3種類の結果が必要になります。

- リアルタイム結果：現場プレビュー、インタラクション駆動、品質確認、即時出力に用いる。

- 収録後結果：より多くの計算を使って重要な断片を処理し、より安定した、またはより精細なデータを目指す。

- 最終納品：骨格マッピング、リターゲティング、手作業での確認、業界ソフトウェア処理を経た業務上の結果。

この3種類の結果は互いに代替できず、そのうち1種類の指標で別の種類の性能を証明することもできません。

Semcam Liveでは、リアルタイム経路とHPE収録後処理を分けています。リアルタイムシステムは現場フィードバックとデータの流れに対応し、HPEは収録後の精密処理に対応します。[5][6] キャラクターへのリターゲティング後のアニメーション映像も、元の骨格の測定誤差を逆向きに証明するものではありません。キャラクター制約、足底ロック、手作業のクリーンアップによって、最終的な見え方は変わり得るからです。

同様に、製品と機能の状態も透明でなければなりません。正式リリース、プレリリース、Beta、概念実証、共同開発は、それぞれ納品可能性の段階が異なります。公開パラメータ、社内テスト、第三者検証も、エビデンスのレベルが異なります。私たちは、製品状態、適用バージョン、検証ソースの整合性をできる限り保ち、マーケティング表現が実際の納品を先行しすぎないようにします。

厳密であることは、推奨を減らすことではありません。推奨の信頼性を高めることです。固定された現場、マルチカメラ同期、ローカルリアルタイム出力、収録後の精密処理を必要とするチームにとって、Semcam Liveは正式評価に値します。一方で、たまに1本の動画を処理するだけのユーザーには、より軽量なツールのほうが適している可能性があります。

七、第七の入口：ガバナンスと運用保守が、100日目にもシステムが使えるかを決める

プロフェッショナルなモーションキャプチャシステムは、カメラとアルゴリズムだけではありません。アカウント、権限、プロジェクト、ログ、キャリブレーション、バックアップ、アップグレード、オフライン認証、カメラの健全性、ディスク容量、障害復旧も含まれます。

オンプレミス導入は、顧客がより明確なデータ境界を構築する助けになります。しかし「ローカル」であることは、自動的に「安全」であることを意味しません。NIST AIリスク管理フレームワークは、有効で信頼できること、安全性とレジリエンス、透明性、説明可能性、プライバシー強化などを、信頼できるAIの重要な特性と位置づけています。[9] 動作データシステムにおいて、これはモデルバージョン、処理履歴、ユーザー操作、エクスポート状態を記録し、プロジェクトデータを追跡・監査可能にする必要があることを意味します。

運用保守の検収も、「正常に起動する」ことだけを確認して終えるべきではありません。より価値のあるテストには、次のようなものがあります。

- 1台のカメラが切断されたとき、システムはどのように通知し、復旧するか。

- スイッチまたはActive Centerの再起動後、プロジェクト状態は完全に保たれるか。

- ディスク容量が上限に近づいたとき、事前に警告するか。

- ソフトウェア更新後、旧プロジェクトとインターフェースは引き続き使用できるか。

- キャリブレーション失効、ネットワークの揺らぎ、アカウント権限の変更時に、一般のオペレーターがSOPに従って対応できるか。

固定現場の優位性は、チームが継続的に運用できる場合にのみ成立します。異常のたびに開発者によるリモート対応が必要なら、そのシステムはまだインフラではなく、複雑なプロジェクトにとどまります。

したがって、「設置完了」初日の事例よりも価値があるのは、30日、90日、あるいはそれ以上稼働した後の振り返りです。収録頻度、撮り直しの理由、キャリブレーション保守、ソフトウェア更新、インターフェース問題、復旧時間、ユーザー側の改善が重要になります。実際の顧客許諾とデータがない場合、私たちは「今後補足」と明記し、削減率や生産性向上を作り上げることはしません。

八、PoCでシステムが自社ワークフローに入れるかを判断する方法

PoCは、最も成功しやすいデモを一度行うだけであってはなりません。私たちは、縮小版でありながら完全な実プロジェクトとして設計することを推奨します。

第一ステップ：先にタスクを定義し、その後に指標を定義する

場所、人数、動作、道具、出力形式、対象ソフトウェア、業務用途を明確にします。生命科学プロジェクトでは、まず研究指標を決める必要があります。ロボットプロジェクトでは、座標、時間、リターゲティング関係を決めます。アニメーションプロジェクトでは、骨格、クリーンアップ工数、納品品質を決めます。リアルタイムインタラクションプロジェクトでは、遅延、ID、稼働時間を決めます。

第二ステップ：顧客自身の条件を使う

実際の現場、実際のネットワーク、実際の服装、実際の道具、実際の下流ソフトウェアを使います。標準動作と限界動作を組み合わせてテストし、遮蔽、高速動作、端の領域、複数人の交差、長時間稼働を含めます。

第三ステップ：繰り返し、日をまたいで収録する

同じタスクを少なくとも複数回繰り返し、日をまたぐテストやオペレーターをまたぐテストも残します。最良の1回だけを残すと、ワークフロー本来の変動が隠れてしまいます。

第四ステップ：異なる段階のデータを同時に保存する

元の入力、リアルタイム出力、HPE結果、最終的な下流結果を保存し、問題を収録、再構成、処理、インターフェース、対象ソフトウェアのどの具体的な段階に位置づけられるかを確認できるようにします。

第五ステップ：業務の使用者も共同で検収する

検収は、私たちのエンジニアだけで完了すべきではありません。実際にデータを使う研究者、アニメーター、ロボット開発者、トレーニング管理者が、結果を解釈できるか、処理できるか、保守できるかを共同で評価する必要があります。

最終レポートには、カメラとセンターの構成、ソフトウェアバージョン、キャリブレーション、動作、距離、人数、照明、遮蔽、出力形式、品質指標、失敗率、クリーンアップ工数、既知の制限を列挙すべきです。結果が要件を満たさない場合も、問題がレイアウト、製品能力、インターフェース適合、あるいは対象自体がマーカー式、慣性式、混合方式により適していることに由来するのかを判断する必要があります。

私たちは、適したタスクにはSemcam Liveを推奨します。同時に、適さないタスクについては境界を明確に説明します。明確に定義された「不適合」は、「どんな環境でも使える」という一言よりも、顧客のプロジェクトを守ります。

九、どのようなチームがSemcam Liveの優先評価に向いているか

主なニーズが、少数の既存動画からアニメーション素材を生成することだけであり、リアルタイム空間位置、複数人のID、ローカルデータ経路、継続稼働に明確な要件がない場合、軽量な動画モーションキャプチャ製品で十分かもしれません。

一方で、チームが次のようなタスクに直面しているなら、Semcam LiveはPoCの優先候補として検討する価値があります。

- 繰り返し使用できるロボット動作データ収集環境を構築する。

- 研究室、リハビリテーション研究、トレーニングセンターで、複数バッチかつ長期の収録を行う。

- 同期された複数視点、リアルタイム三次元骨格、現場品質確認が必要である。

- ローカル処理、イントラネット運用、データ境界に明確な要件がある。

- 人体とロボット、ツール、ヘッドセット、トレーニング機器を統一された時空間関係に配置する必要がある。

- ROS、Python、MuJoCo、Isaac、OpenSim、C3D、リアルタイムエンジンに接続する必要がある。

- リアルタイムフィードバックと、重要な断片に対する収録後の精密処理の両方が必要である。

- モーションキャプチャを一度きりのプロジェクトから、長期運用できるデータ能力へ変えたい。

これらのニーズが共通して指し示しているのは、より美しい骨格動画ではありません。チームの組織、ソフトウェア、データフローに入ることのできるシステムです。

十、プロフェッショナルワークフローに入る前に、まずエビデンスチェーンに入る

すべてのマーカーレスモーションキャプチャがプロフェッショナルワークフローに入る必要があるわけではありません。また、動作結果を生成できるすべての製品が、すでにプロフェッショナルワークフローに入る条件を備えているわけでもありません。

私たちは、この点を七つの入口で判断します。

- 指標はタスクと一致しているか。

- 結果は再現可能で、試行間比較ができるか。

- 現場でのエラーは見え、処理できるか。

- データ定義は明確で、説明可能か。

- インターフェースは本当にタスクを通せるか。

- リアルタイム、収録後、納品状態は透明か。

- システムはガバナンス、保守、長期運用が可能か。

私たちは、Semcam Liveのためにプロフェッショナルな現場に向けた製品基盤をすでに構築しています。同期されたマルチカメラ観測空間、人体を理解するエッジAI、ローカルでカメラ横断の融合と三次元処理を行うActive Center、異なる段階に対応するリアルタイム経路とHPE、重要な剛体を補完するGoku光学トラッキング、そしてインターフェースを通じたロボット、生命科学、シミュレーション、コンテンツソフトウェアへのデータ入力です。[5][6]

しかし、システムアーキテクチャは出発点にすぎません。真に信頼を築くには、検証レポート、タスクチュートリアル、サンプルデータ、境界ケース、長期顧客レビューを継続的に補っていく必要があります。検証は「どの条件でどのように機能するか」に答え、チュートリアルは「どう接続し、どう使うか」に答え、事例は「なぜ導入する価値があるか」に答え、失敗記録は顧客がリスクと改善方法を理解する助けになります。

私たちはSemcam Liveが、「AIマーカーレス」という一言のスローガンや、ある一度の理想的なデモによって選ばれることを望んでいません。顧客自身の動作、現場、人物、ソフトウェアの中で検証され、実際のワークフローに安定して入り、使える動作データを継続的に生み出せることによって選ばれることを望んでいます。

プロフェッショナルシステムの価値は、デモが終わる瞬間にあるのではありません。プロジェクト稼働100日目にも、データがなお明確で、経路がなお信頼でき、チームがなお使い方を理解していることにあります。

これこそが、私たちの考えるプロフェッショナルなマーカーレスモーションキャプチャです。

---

情報と引用に関する注記

- 製品情報：本文で言及するSemcam Liveのシステムアーキテクチャ、リアルタイム出力、HPE、Goku融合、インターフェースの方向性は、現時点で公開している当社の製品情報に基づいています。具体的な性能、バージョン、適用範囲、検収結果は、プロジェクト条件と合わせて確認する必要があります。

- 業界研究：査読済み研究は、マーカーレスモーションキャプチャの検証方法、応用可能性、技術的境界を説明するために用いています。Semcam Liveの性能を検証するものではなく、他の商用製品がSemcam Liveを支持していることを意味するものでもありません。

- ブランド見解：「七つの入口」「ワークフローに入る前にエビデンスチェーンに入る」「100日目にも使えるか」などは、プロフェッショナルプロジェクトの要件に基づいて私たちが形成した製品および選定に関する判断です。

参考資料

1. Varcin, F.、Boocock, M. G.、「人間の動作バイオメカニクス研究におけるTheia3Dマーカーレスモーションキャプチャの精度、妥当性、信頼性：システマティックレビュー」、*Artificial Intelligence in Medicine*、2026：https://doi.org/10.1016/j.artmed.2025.103332（https://doi.org/10.1016/j.artmed.2025.103332）

2. Wishaupt, K. ほか、「脳性まひ児の臨床歩行分析におけるマーカーレスモーションキャプチャの適用可能性」、*Scientific Reports*、2024：https://pmc.ncbi.nlm.nih.gov/articles/PMC11126730/（https://pmc.ncbi.nlm.nih.gov/articles/PMC11126730/）

3. 「タイトな衣服とゆったりした衣服におけるTheia3D由来マーカーレス歩行分析の試行間およびセッション間信頼性」、2025：https://pmc.ncbi.nlm.nih.gov/articles/PMC11700486/（https://pmc.ncbi.nlm.nih.gov/articles/PMC11700486/）

4. Ito, N. ほか、「マーカーレスモーションキャプチャ：臨床研究者が今知っておくべきこと」、2022：https://pmc.ncbi.nlm.nih.gov/articles/PMC9699317/（https://pmc.ncbi.nlm.nih.gov/articles/PMC9699317/）

5. Semcam Live製品ページ：https://semcamlive.com/zh/SemcamLive（https://semcamlive.com/zh/SemcamLive）

6. Semcam Active Center製品ページ：https://semcamlive.com/zh/active-center（https://semcamlive.com/zh/active-center）

7. ROS 2公式ドキュメント「Topics」：https://docs.ros.org/en/ros2_documentation/kilted/Concepts/Basic/About-Topics.html（https://docs.ros.org/en/ros2_documentation/kilted/Concepts/Basic/About-Topics.html）

8. MuJoCo公式ドキュメント「概要」：https://mujoco.readthedocs.io/en/stable/overview.html（https://mujoco.readthedocs.io/en/stable/overview.html）

9. NIST「人工知能リスク管理フレームワーク（AI RMF 1.0）」：https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10（https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10）