Investor thesis / 投資家向け仮説
デバッグ時間を、顧客価値の検証時間へ変える。
RFR shortens the time from a physical AI failure to the next valuable experiment.
Initial wedgeは、Connectivity Failure Reconstruction Sprintです。
機器接続、障害検知、原因再構成で得たAdapter、Failure Pattern、Capture要件を再利用可能な製品知識へ変えます。
Compounding loop / 価値が増える仕組み
失敗を解くたびに、次の障害を早く解く接続知識が増える
最初は、解決済みの通信障害1件を3〜5データソースから再構成します。
確認済みのモデム通知、正常接続シーケンス、再接続パターン、Failure PatternをRegistryへ登録します。
繰り返し不足する観測はIngest Agent、BLE Node、Edge Gateway、リングバッファ制御へ製品化します。
Connectivity Sprint解決済み障害1件をDevice-to-Cloud Timelineへ
Normalize固有ログをCommon Connectivity Modelへ正規化
Evidence Chain逸脱、根拠、不確かさ、不足情報を分離
Adapter Registryモデム通知、Firmware差分、正常・異常パターンを登録
Distributed Capture必要な観測点へBLE-only NodeとGatewayを展開
Team WorkflowFailure Clipレビュー、比較、回帰試験へ再利用
Why now / なぜ今か
ロボットはすでに実運用フェーズに入り、AIシステムへ変わりつつあります
ロボットが実運用へ進むほど、顧客価値を検証したい時間が、機器接続と障害調査に奪われます。
AI、制御、実機、通信、クラウドが連携するため、局所的に正常でも全体のタスクは失敗します。
失敗ログを再利用可能なEvidenceへ変えられれば、同じ障害を次は短く解けます。
RFRは、Time to Next Valuable Experimentを短縮するPhysical AI開発基盤です。
Pain / 何が痛いのか
ログはあるが、機体からクラウドまでの連携が見えない
モータやセンサーが正常でも、タスクはLTE通信の途中で失敗します。
アプリ、Linux、モデム、通信品質、Transport、クラウドのログは別時計・別形式・別チームに分散します。
自動再接続やリトライが成功すると、最初の障害が復旧ログへ埋もれます。
RFRは、どこまで届き、最初にどこから届かなかったかをEvidence Chainとして返します。
Wedge / 最初の入口
Connectivity Failure Reconstruction Sprint
原因と修正結果が分かっているモバイル通信障害1件を、3〜5データソースから再構成します。
提供物はDevice-to-Cloud Failure Timeline、First Observed Deviation、Evidence Chain、原因範囲、不確かさ、Missing Evidence、次回ログ、再発検知ルール候補です。
既存機器の接続・無線化はParallel EntryとしてWireless Readiness Sprintで扱います。
Initial customers / 最初の顧客
機体とクラウドをモバイル通信でつなぐロボット開発チーム
- 5〜30人程度でハードウェアとソフトウェアを自社開発
- ROS 2・アプリ、Linux、モデム、クラウドにログが分散
- LTE Timeout、再接続、タスク復帰不全の原因分析に時間がかかる
- 通信事業者内部のログは取得できず、原因範囲を絞りたい
- 専任Observabilityチームがおらず、複数ツールを往復している
Expansion / 拡張
解析サービスから、Device-to-Cloud Evidence Layerへ
RFR Ingest AgentはROS 2、Linux、モデム、ネットワーク、クラウド通信、リングバッファを取得します。
Common Connectivity ModelとAdapter Registryが、モデム・Firmware差分を再利用可能な知識へ変えます。
BLE-only Node、Edge Gateway、Failure Pattern、Regression testing、Team Workflowへ拡張します。
Defensibility / 参入障壁
横断Evidence、Connectivity Adapter、失敗パターンが一体になる
- アプリ、Linux、Modem、LTE、Transport、Cloudを結ぶDevice-to-Cloud Timeline
- モデム別AT通知、Firmware差分、接続状態を扱うConnectivity Adapters
- First Observed Deviation、uncertainty、Missing Evidenceを分けるEvidence Model
- 正常接続シーケンス、再接続、Failure Pattern、回帰条件を蓄積するRegistry
- BLE Mesh control planeとDirect BLE data planeを分けるDistributed Capture
- Rawを一次情報とし、AI候補を検証後に決定論的Adapterへ固定する運用
初期Connectivity Reconstruction + Manual alignment
中期Connectivity Adapters + Ingest Agent + Pattern Registry
長期Distributed Capture + Team Workflow + Regression
Business model / 事業モデル
範囲固定の障害再構成から、継続的なFailure Evidence製品へ
Initial ServiceConnectivity Failure Reconstruction Sprint。障害1件、3〜5データソースを再構成
Parallel EntryWireless Readiness Sprint。既存機器1台の観測、翻訳、接続耐性を検証
DeliverableDevice-to-Cloud Evidence Bundleと再発検知ルール候補
Recurring ProductAdapter Registry、Failure Pattern、Team Workflow、Regression testing
Capture ExpansionIngest Agent、BLE-only Node、Direct BLE回収、Edge Gateway
What we prove first / 最初に証明すること
1件のLTE障害で、原因範囲へ早く到達できるか
- 3〜5ログからDevice-to-Cloud Timelineを再構成できるか
- 最初の逸脱と後続の復旧処理を分けられるか
- 通信事業者内部のMissing Evidenceを明示できるか
- 別の解析者が同じ根拠と原因範囲へ到達できるか
- 解析結果を再発検知ルールへ変換できるか
Measurement / 測定方法
Foxgloveを含む既存手順と比較します
対象は、解決済みの過去障害です
参加者は、当時その障害に関与していないエンジニアです
- A: 顧客の従来手順
- B: Foxglove + terminal + 既存スクリプト
- C: RFR Timeline
- D: RFR Timeline + AI要約
- 障害レイヤー仮説、根拠イベント、誤った仮説数、ツール移動回数、整列時間を測る
2人の解析者が同じアンカーと同じ結論を作れるかを重視します
Validation metrics / 検証KPI
Time to Next Valuable Experimentを中心に測る
- Time to First Evidence: 最初の有力な根拠へ到達するまで
- Time to Failure Scope: 障害レイヤーを絞るまで
- Time to Next Experiment: 次の実機試験を開始するまで
- Tool Handoffs: 調査中に往復したツール数
- Engineer Hours per Incident: 障害1件に消費した総工数
- Adapter Reuse Rate: 既存通信知識を再利用できた割合
- Value Validation Ratio: 総開発時間に占める価値検証時間
Competitive position / 競合との差分
既存ツールを置き換えるのではなく、失敗の因果関係を扱う
既存ツールは、信号やMCU内部を見るには強い
しかし、フィジカルAIの失敗では、信号そのものではなく、AI判断から物理応答までの因果関係を見たい
Robot Flight Recorderは、既存ツールを置き換えるのではなく、失敗トリガーと低レイヤイベントを取り込み、必要ならJSONL / MCAPへexportします
ロジックアナライザ
信号を見るには強い。ただし、AI判断やロボット状態とはつながりにくい。
シリアルターミナル
UARTログを見るには便利。ただし、複数ノード、Failure Clip、AI要約には弱い。
RTT / JTAGデバッグ
MCU内部には強い。ただし、稼働中ロボット全体の物理失敗タイムラインには向かない
Foxglove
ROS / MCAPの可視化・再生・分析に強い。RFRはMCAP exportで接続する。
Robot Flight Recorder
固有通信を意味へ翻訳し、OBSERVEからBRIDGEへ段階移行し、Raw証拠付きのEvidence Timelineを残す。