なぜかhttps://www.kaggle.com/mcpにはGemini CLIのやり方しか書いてない，というかGoogleの後ろ盾なので分かるっちゃ分かるが．．．
Gemini CLIと大体同じ．gemini -> claudeに変えるだけ
claude mcp add --transport http kaggle https://www.kaggle.com/mcp
これが少し曲者だが，
~/.codex/config.tomlに
[mcp_servers.kaggle] url = "https://www.kaggle.com/mcp" bearer_token_env_var = "KAGGLE_API_TOKEN"
を書いて，環境変数を設定するだけ
export KAGGLE_API_TOKEN="Kaggleのトークン"
やった！ほぼ初挑戦でこれはいい方な気がする． 反省点としては，テストデータがsentence level segmentation, trainがdocument level segmentationされてて，そのままFinetuningすると無茶苦茶LBスコアが落ちるというのがあって．train.csvのラベルを捨てるという第一位の解答が示す通りFTの前の前処理をどうするかが肝だったようです． 僕はGPTでpseudoラベル作るとか試してみたんですが，あんま上手くいかず（でも上位開放の人たちは上手くやってる，，，僕の持ってたデータが数kセンテンスだったのに対し彼らが10倍ほど多いデータを収集してたみたいでデータ量の差だったみたい？）． 上位陣はアッカド語がトルコあたりの言語なので，フランス語やスペイン語等の論文も収集して，GPTでpseudoラベルを作ってたみたいです．後は前処理だな．．．segmentationをGPTで雑にするよりその辺を丁寧にやってた人が金に乗ってる感じがしました．要はFTで性能を落とさない．
僕はFTがダメなら事前学習をやりまくろうという方針で，継続事前学習しまくる→FTで文字出力はさせれるようにするくらいに3epochほど訓練→提出，をやってました．また，モデルをメモリギリギリになるまで大きくした（ByT5 Largeがギリのるみたいだった）．
12月15日〜12月19日にかけてTIER IVのAutoware workshopに参加しました！
AutowareとはTIER IVが開発を主導しているオープンソースソフトウェアで、本イベントはそれを実践形式で学ぶワークショップです。
プロダクト開発コースとMLOpsコースがあったのですが、今回僕はMLOpsコースで参加しました。
参加前はコースの内容は把握していなかったのですが、プロダクト開発コースはAutowareのアルゴリズム改良(題材としては道路上で停車してる車を避けるタスク)、MLOpsコースは 次年度のAIChallenge のプロトを体験して、大会の改善に向けた提案をするコースだったようです。
今回僕たちは以下のリポジトリとページを参考に、TinyLiDARNetというEnd-to-End機械学習モデルを使ってシティサーキット東京ベイをガウシアンスプラッティングしてできたシミュレーション上のサーキットをレーシングさせる事を目指しました。
GitHub - AutomotiveAIChallenge/aichallenge-2025: Japan Autonomous AI Challenge 2025
Getting started: TinyLiDARNet - 自動運転 AI チャレンジ 2025
手法としては短期間ということもあり、模倣学習で行なっていくことになりました。
ハードウェアとしては貸付されたubuntuサーバ(RTX 3070が載っていました、30万円ほどのものらしい)を使いました。
1日目
初登校です。環境構築を行いました。2日目までまたがるかと思いきや、帰る頃にちょうど完成しました。Pure Pursuitアルゴリズムでシミュレータ内で車を動かす事にも成功しました。
2日目
Pure Pursuitアルゴリズムのパラメータを変更する事でサーキットを一周させる事に成功しました。速度を落としてしまえば結構簡単に周回が可能でした。これでアルゴリズムからのデータ収集が可能になりました。
また、なぜか僕の運転が上手いということも判明しました。手作業によるデータ収集でtrain 7rep, val 3rep分取得して、+2repほどvalにPure Pursuit産のデータを入れて学習させました。学習時間としては10分もなかった気がします。結果、1個のカーブも曲がらずにクラッシュしました。右向きカーブなのに左に行こうとしてました。
不可解すぎて気になったため、帰宅後、自分のサーバー上でも環境構築を行って訓練データを+30rep, valデータを+10repほど入れたのですが1,2カーブ目でクラッシュ。困ったぞというところで、横の席の人が10repほどの僕の手動取得データを使っただけなのに3カーブ目くらいまで行っていたことを思い出しました。彼女はtrainとvalに同じデータを入れていたと言っていたのと、本課題の範疇内ではコースが一つしかない(=色々なコースに対する汎化性能を高める必要がない)なと思って、僕もリークさせる事にしました。小さなエポックでテストしてみたところ、リークさせた方が明らかに超えられるカーブが増えていました。
この時点で、リークさせた方がいい以上の情報がなく、良質なデータを増やすかモデルを改良するか学習手法の工夫か、どう手をつけていいかという状態だったので結構ピンチだなと思っていた記憶があります。
3日目中には1周させていないと木曜日に何も発表できない可能性が高まってしまうので、2日目夜の就寝時間でなるべく多くの以下のような対策をしました:
3日目
朝に学習済みのモデルを試したところ、すんなりと未改造のモデルが1周してしまいました。リークが効いているようです。
S字カーブの切り込みや、アウトコースからカーブに入る謎テクニックといった僕のテクニックを模倣してるのが見えて流石に嬉しかったです (後々調べたら、アウトインアウト、みたいにテクニック名が正式にあるみたいです: https://toyotagazooracing.com/jp/blogcolumn/column/349/)
また、未改造モデルでデータ拡張の効果も確認しました。データ拡張していないデータで学習したモデルに比べると拡張済みは大体+1,2repは安定しているようでした。
他のモデルはというと、複雑化させたものはあまり動かず、簡略化のものは普通に動きました。時系列と自己状態モデルは試していません(喜びに浸っていたのと、元々レーシング目的で、あまり推論に時間がかかるモデルに対しては懐疑的だったので、TinyLiDARNetくらいの簡単なモデルが動くならそれが一番だと思います)
クレンジングの効果については、後々分かった事ですがあまり意味はなさそうでした。というのも、他の人達も充分にデータを増やし(10〜15repをそれぞれ訓練と評価に)、周回に成功していたのですが、僕の手動操作のクラッシュ部分も含んだデータだったためです。
3日目にみんな基本課題を終えたため、みんなそれぞれ発展課題に取り組む事にしました。僕は事前マップ情報を使って、周回に必要なデータを減らすことができないか調べる事にしました。
事前マップ情報のエンコーダーをいくつか作成し、学習させて眠りにつきました、、、、、
4日目
学習が朝起きても終わっていません。まじか！
最初のTinyLiDARNetでそんなに時間がかからない印象だったので、調子に乗ってしまい、エポック数を2倍に、サーキット環境に過学習させてもいいので，スケジューラーを入れつつearly stoppingをやめていたのが原因そうです。ワーカーとかバッチサイズちゃんと増やせるか調べていたらよかった、、
また、ros2関係のなんかよくわかんないエラーを引き当ててしまい(なんかのlaunchをするかlinstenするかしないといけなさそうだった)、シミュレータもいかれてしまいました。スライドもまだできていない。
ということで、事前マップを入れた結果は見られず発表することになってしまいました。すいません、、
懇親会ではFocal Loss(参考記事： https://zenn.dev/boh_mouse/articles/1e84d170b4212a )などのクラス不均衡に対する対処法をお聞きしたり，一般的に会社の業務や雰囲気など知ることができました．事故のケースは滅多に起こらないので，こういったテクニックを使えばさらにクラッシュ率が下がるのかなーとか，教師なしでも強化学習できたりするのかなーとか，考えていました．
5日目
TIER IV実証実験でバスが国際展示場付近で走っているので、それに乗せていただく事になりました。
感じた事としては、
良いこと
まっすぐな道だと法定速度がずっと維持されるので、ジャークがなく、手動運転よりも自動運転の方が乗り心地がずっと良いなと思いました。また、実際にAutowareがモニターに出ていて、歩行者や車がリアルタイムで映し出されていたりするのは社会実装って感じがしてめっちゃワクワクしました
信号機が赤なので止まる、といった説明もAutowareのマップ上に出ていて、説明性があるなと思いました（Waymoに乗った時の動画を今見返したら、Waymoはウィンカーの認識やSTOPサインの認識はマップ上に出してるけど信号機は出してない、なぜだ．．．）
課題
また、日本の事故に対する意識の高さや、それに伴う市場化のハードルの高さも感じ取る事ができました。今自動運転を先導しているWaymoやテスラがあるアメリカと比べ、日本では以下のような点から自動運転の実践と実験の難易度の差が大きい気がしています。
余談: 開発にあたり以下のサイトがすごく参考になりました！
AIChallenge 2025の活動記 (番外編：エンドツーエンド自動運転)
この度初めてSwiftUIでiOSアプリを開発したので，記事にまとめました！
アプリ名は"Realingo (Reality + 某lingo)"で，「自分の身の回りの実世界の写真（や音声）を題材に外国語学習ができるアプリ」というコンセプトで開発しました．
Google CloudのAPIやGGUFからのllama.cppを使ったオンデバイスGemmaといった新しく触る技術が多く，とても実用的なアプリになっていると思うので，ぜひご一読ください！
アプリのデモはこちらです：
今回作成したアプリはこちらのハッカソンに応募しました！
https://zenn.dev/hackathons/google-cloud-japan-ai-hackathon-vol2?tab=rule
海外旅行で使いたいフレーズ，ビジネスで必要な専門語，あるいは趣味について語るための言葉など，外国語を学ぶ目的は人それぞれです．しかし，既存の多くの語学学習アプリでは，画一的な教材が提供されがちで，必ずしも個人のニーズに合致しているとは限りませんでした．自分が実際に生活する上で出会うモノやコトに関連する語彙から学ぶ方が，より実践的に外国語能力を伸ばすことができるはずです1．
学習心理学において，自分自身の経験（エピソード記憶）に関連付けられた情報は，単なる事実（意味記憶）よりも記憶に定着しやすいと言われています2．例えば，旅行先で撮った写真や，友達との思い出の写真といった個人的なコンテンツを教材にすることで，学習内容が単なる文字列ではなく，鮮明な記憶と共に脳に刻まれます． Duolingoなどはユーザによらず一定の問題を出題することになっていますが（2025年6月末現在），Realingoは，この「自分ごと化」を学習の中心に据えました．
「自分や友達がスマホで撮った写真や音声が，教材になる」 ユーザがカメラを向けた対象・周囲の音をそのまま学習素材に変換します．並び替え問題，穴埋め問題，スピーキング，ライティング，およびお手本文章などさまざまなバリエーションにGemini APIやGemmaといった生成AIを使って変換を行います． さらに！友達の写真もあたかもSNSストーリーを見るかのように「みんなの写真」モードで課題として使えたり，自分の1週間前，1ヶ月前，半年前...といったマイルストーンの出来事をアルバムを眺めるように課題として使えます． これにより，自分の身の回りの語彙や文章を集中的に取り入れ，さらに自分の記憶や興味と結びつくような題材をもとに外国語学習が可能になります！
（以降可読性重視のためである調で記述します）
Realingoは，写真・音声ベースの教材の個人最適化と友達との画像シェアによる学習モチベーションの維持を特徴とした語学学習アプリである．
フロントエンドにSwiftUI，バックエンドにfirebaseとCloud Run Functionを使って開発した．システムアーキテクチャ図は以下である．
iOSアプリとして開発することにより，ユーザがiPhoneに保存しているアルバムに直接アクセスすることができ，画像のアップロードの工程を除けるため導線の短縮が期待できる．
iOSの外国語学習アプリにおける問題文，ユーザの回答，画像のパスなどはFirebase Firestoreに保存される．画像はCloud Run FunctionのVision APIを使ってNSFWや過激な画像か否かの診断を行ったのちFirebase Storageに保存される．問題生成には，Google CloudのGemini APIと，デバイス上で動作するオンデバイスVLM（Gemmaなど）をハイブリッドで利用している．
画面構成は以下．まずアプリを開くとトップページとしてメニュー画面*が表示される．メニュー画面から学習モードをまず選択し，それに応じて写真撮影やiPhoneの写真アルバムから抽出された画像をもとに問題が生成され，学習画面に遷移する．
*メインメニュー
誰も投稿しない場合悲しいことになる．
DuolingoライクなUIで，提示された単語の選択肢を正しい順序に並べ替えて文章を完成させる．
文章の中にいくつか存在する空欄に，適切な単語を選択肢の中から選んで補充する．
提示された文章を読み上げたり，写真について説明したりする．ユーザーの発音，流暢さ，正確さをAIが評価し，具体的なフィードバックを提供する．
写真について説明する文章などを自由記述で作成する．AIが文法，語彙，表現の自然さなどを添削し，より良い文章にするための提案を行う．
1枚の写真に対して，AIが学習中の言語で詳細な説明文を生成する．ネイティブの表現をインプットとして学ぶことができ，TTS（Text-to-Speech）による音声読み上げも可能．
本アプリの開発で使用した詳細な技術は以下の通り．
iOSアプリにすることにより画像取得までの動線を短縮： ユーザは数タップで自分のアルバムの写真やカメラを学習教材に変換できる．
オンデバイスVLMによるプライバシーフレンドリーな学習にも対応： ユーザーはプライバシーと性能のトレードオフを考慮し，クラウドAPIを使わずにデバイス上で完結する学習モードを選択できる．
エピソード記憶の活用: 「思い出と学習モード」により，個人の体験と強く結びついた学習を提供し，記憶の定着を促進する．
