← プロジェクト一覧
製品 / 2024年~現在航海の寄港地 02 / 08

Releaf

小さな行動。設置面積が軽くなります。

役割

共同創設者兼ソフトウェアエンジニア

コンテキスト

Rematter Cooperation

ツールと方法

SwiftUI · Core ML · Django · グラフニューラルネットワーク · 較正済み分類器

Releaf を表す手作りの島の模型
島の解説

スマートフォンと一本の木、そして五つの行き先。

このサイトのために Blender で制作したイラストです。考え方を説明するためのもので、プロジェクトのデータではありません。

プロジェクトの画像・図・動画は原文のまま掲載しています。

出発点となる問い

次の一歩が具体的になると、持続可能性はもっと身近になります。私は、人々がすでに持っているもの、変えたいと思っている習慣、そしてその試みを共有するコミュニティを軸に、Releaf の開発に携わりました。親しみやすい見た目の裏で、このアプリは機械学習を役立つ場所に置き、自分が何を知っているかについて正直であり続けるための試みでもあります。

5,000+アプリのダウンロード
30スマートフォン上で認識できる品目の種類
11「My Tree」の成長段階
上位2位2025年ソーシャルイノベーションコンペティション
01

情報から毎日の習慣へ

Releaf は、日用品を再利用する方法、その日の行動から生じた炭素排出量の推定、そしてうまくいったことを共有するコミュニティをまとめたアプリです。目指すのは、環境に関する情報を日々の習慣の中で役立つものにすることです。試してみたいアイデア、記録する行動、誰かに見せたいもの。進捗は 11 段階で成長する木として描かれ、報酬は水滴の数で数えられます。

02

スマートフォンの中で動く分類器

アプリの現在のコードは、Core ML に変換した EVA-02 Large 視覚モデルでごみを認識します。1 枚の画像が三つの出力ヘッドを同時に通り、30 の品目クラス、15 の素材、4 種類のごみ箱を判定します。端末上で動くため、写真をスマートフォンの外に出さなくても役立てられます。また、設定した信頼度を下回る予測は、確実なものとして示すのではなく、その旨を明示します。端末上のモデルが使えない場合は、サーバー上の同じ分類器に切り替えることもできます。

03

大きなモデルの代わりに、小さなグラフを

名前がわかっただけでは、まだ助言にはなりません。Releaf は、43 個のノード(品目 30、素材 8、行き先 5)を 118 本のエッジで結んだナレッジグラフを搭載しており、その埋め込みはグラフ注意ネットワークで学習しています。廃棄方法の案内はグラフのエッジをたどる参照で、「似ている品目」は埋め込み間のコサイン類似度です。この機能の検索をグラフ上に移したことで、アプリは外部の言語モデルサービスに依存しなくなりました。

04

推測と計算を切り分けるカーボントラッキング

カーボントラッカーはオプトイン方式です。位置と動きのデータはスマートフォン上で 15 秒ごとの区間に要約され、アップロードされるのはその要約だけです。較正済みの分類器が移動手段を推定し、信頼度が低いときは「不明」と報告します。その後、監査可能な別の処理で、距離に公表されている排出係数を掛けます。分類器は物理ベースの移動シミュレーターで学習したため、シミュレーション上のほぼ完璧な精度は、実際のスマートフォンでの性能を主張するものではありません。

05

チームで構築する

Rematter Cooperation の共同創設者として、SwiftUI アプリ、アカウント・報酬・実績・通知を扱う Django バックエンド、そしてそれを支える AI サービスに携わりました。2,000 ドルの資金を調達し、2025 年の中国高等学校ソーシャルイノベーションコンテストおよびインキュベーションキャンプでチーム上位 2 位に入りました。Releaf のダウンロード数は 5,000 を超えました。

技術のしくみ

写真から有用な次のステップへ。

  1. 01

    一枚の画像に、三つの問い

    EVA-02 Large 分類器は 448 × 448 の画像を受け取り、共有された表現から三つの問いに答えます。その物は何か、何でできているか、どのごみ箱に入れるべきか。ホールドアウト画像での精度は、評価セットによって約 90% から 94% で、最も弱いクラスは食品廃棄物とガラス瓶でした。モデルはスマートフォン向けに 16 ビット精度で Core ML に変換しています。

  2. 02

    グラフ参照による案内

    グラフ注意ネットワーク(GATv2)が、43 個のノードそれぞれについて 64 次元の埋め込みを学習します。アプリはグラフを単純なデータとして同梱しているため、予測を具体的な案内に変える処理は、オフラインで動く近傍の参照と類似度検索だけで済みます。類似度スコアは候補の順位付けに使うもので、再利用のアイデアがうまくいく確率として較正されたものではありません。

  3. 03

    部分的な障害時に有用

    支援サービスは、ゲートウェイ、視覚、検索、ナレッジグラフ、応答の各段階に処理を分担しています。オーケストレーターはサービスが欠けているときに応答を部分的なものとして示し、代替経路によってより簡単な答えを返せるようにしています。使えない機能は、取り繕わずにそのまま報告されます。

ここでの説明は、アプリの現在のコードと、ステージング環境での準備完了を報告している支援 AI リポジトリに基づいています。リリース済みアプリのダウンロード数とは別のものであり、ここで説明しているすべての機能がリリース済みと確認されているわけではありません。

支援 AI のリポジトリを見る
ここから言えないこと

正直な限界。

  • ダウンロード数、資金、コンテストの数値は私の履歴書によるものです。利用状況や継続率を示す数値ではありません。
  • 炭素排出量の数値は、移動距離と公表されている排出係数から算出した推定値です。個人の実際のフットプリントを測定したものではありません。
  • 移動手段の分類器は、シミュレーション上の移動でしか評価されていません。実際の端末での精度は、まだわかっていません。
共有再利用のアイデアを表示する Releaf のコミュニティ画面
アプリから

小さくても実際の行動が並ぶフィード。

以前のリリースのコミュニティ画面です。アプリの利用者が共有した再利用のアイデアが並んでいます。上の島に立っているスマートフォンにも、同じスクリーンショットが表示されています。

実際のアプリのスクリーンショットです。後のビルドでは、タブが「Create」「Impact」「Community」を軸に再編されています。

近くの島

ほかの島とのつながり。

コンテキストと詳細情報

ダウンロードおよび資金調達の数字は私の履歴書に報告されている。炭素推定値は情報提供です。これらは環境への影響を直接測定するものではありません。