受注 → 学習 → 調整 → 出荷
「注文が来たら即販売、理想は無調整出荷」——その理想と現実の差を、各工程をテンプレ化・自動化して人手を最小に集約する観点で整理します。
第1部新規タスクで必要な全工程
| 工程 | 内容 | 所要 | 人手/自動 |
|---|---|---|---|
| 1 受注 | IPC＋FR5セットを発注（ハード出荷は即可、方策は空） | 即日 | 人手 |
| 2 ヒアリング | 何を掴む/仕分けるか、寸法・素材・公差・レイアウト・サイクル。最大の人手律速 | 0.5–2日 | 人手 |
| 3 CAD取得 | 部品・治具のCAD（顧客支給が理想／採寸・スキャン） | 0.5–3日 | 半自動 |
| 4 sim構築 | CAD＋レイアウトからIsaacシーン生成、到達性・衝突・サイクルを事前検証 | 0.5–2日 | 半自動 |
| 5 RL学習 | 専門家データ→reverse-KL＋DRでPPO。視覚はYOLOを合成＋DRで学習 | 数時間–1日 | ほぼ自動 |
| 6 実写・微調整 | 実写でYOLO微調整・実環境mAP測定、ハンドアイ校正、reality-gap測定。simから得られない | 0.5–2日 | 人手＋自動 |
| 7 出荷 | 検証済みONNXをIPCに焼いて出荷、現地で受け入れ確認 | 0.5–1日 | 半自動 |
合計目安（新規部品・テンプレ整備後）
人手中心のヒアリング/CAD/現地が律速で、おおむね3〜7営業日。GPU学習自体は誤差レベル（数時間）。
第2部「無調整で出荷」は可能か？
| 受注の性質 | 無調整出荷 | 必要なこと | 目安 |
|---|---|---|---|
| 既存テンプレ完全一致 | 可能（即） | 学習済みONNX＋YOLOをそのまま焼いて出荷、受け入れ確認のみ | 即日〜1日 |
| パラメトリック変種 | 準・無調整 | パラメータ差し替え→sim再生成→短時間再学習、実写は少量で検証 | 1–2日 |
| 新規部品・新規タスク | 不可（ループ必須） | 第1部のフル工程。テンプレ化で数日に圧縮 | 3–7日 |
“無調整”を増やす戦略
部品ファミリ別のテンプレ資産（標準セル・標準カメラ位置・パラメトリックscene.json・学習レシピ・DR設定）を貯める。新規は「最も近いテンプレ＋差分」で立ち上げ、受注を重ねるほど無調整率が上がる。
完全ゼロ調整が危険な理由
RL方策は数値ロバストでも、YOLOの実環境mAPとハンドアイ精度は現地でしか確定しない。最終mmは知覚精度が握る（④ 実環境への適応）。「少量の実写検証」だけは省略しないのが安全側。