本論文は、センサーデータの分析に特化した軽量な神経アーキテクチャサーチ（NAS）をデプロイメント先のデバイス上で直接実行する新しいニアセンサーコンピューティングのアプローチを提案しています。従来のクラウドベースの処理とは異なり、このオンデバイスNASは、デバイス自体でリアルタイムデータの最適な小規模ニューラルネットワークアーキテクチャを検索できるため、特にヒューマンマシンインターフェースアプリケーションに有用です。ユーザーが変更されるたびにガイド付きのデータ収集手順を経て神経ネットワークを再設計できることで、個人差による典型的なデータのばらつきに対応できます。 研究チームはこのアプローチを実装するために新しいNASアルゴリズムを設計し、イタリア手話データセット（ISL）で検証しました。このデータセットは、イタリアアルファベットの手話に対応する表面筋電図（sEMG）信号から構成されています。さらに、機械学習ベースの故障診断のベンチマークとなるケースウェスタン・リザーブ大学データセット（CWRU）での検証も行われ、提案手法の応用可能性を示唆しています。 Raspberry Pi 4上で実行された場合、提案されたNASは従来技術を上回る性能を発揮しており、ISLデータセットではRAM使用量を63%削減しながら精度を5.96ポイント向上させ、CWRUデータセットではRAM使用量を56%削減しながら精度を0.2ポイント向上させています。このように、限られたリソースを持つエッジデバイス上で効率的かつ適応的なAI処理が実現されたことは、IoTとスマートセンシング技術の今後の発展において重要な意義を持つものです。