子どもの事故を回避するために開発されている既存のシステムの多くは，特定の事故のみを対象と するか，一般的な環境における対策を提示するにとどまっているものがほとんどである．これに対し本研 究では，マルチモーダル大規模言語モデル（MLLM）およびRetrieval-Augmented Generation (RAG) を活用することで，個々の子どもの育児環境において発生し得る多様な事故を予測し，適切な警告を提示できると考え，次の2 種類のプロトタイプシステムを構築した．MLLM システム：育児環境の写真とプロンプトを入力として，起こり得る事故と回避方法を説明する警告文を生成する．RAG システム（提案手法）：入力写真の状況に基づいて子どもの事故データベースを検索し，関連する事故事例をプロンプトとともに入力して警告文を生成する．子育て未経験者および専門家を対象とした評価実験の結果，事故事例を参照することで，MLLM による画像誤認識の影響を低減できる可能性や，生成結果を翻訳する際の安定性が向上する可能性が示唆された．また，発生確率の高い一般的な事故に関する警告をより具体的に提示できることが確認された．さらに，専門家へのインタビューから，発生しやすい事故を優先して警告することの重要性が示唆され，RAG により事故事例を参照して生成した警告文の方が，子育て未経験者と専門家の双方から支持を得やすいことが示された．加えて，子育て未経験者は予測された事故内容に着目して評価する一方で，専門家は提示された対策の妥当性を重視する傾向があるなど，評価基準の違いも明らかとなった．