大学等の研究機関の実験室では実験作業や使用物品が多様で、画一的な安全基準の適用が難しい。しかし、同一実験室内における状態の幅は限定され、その通常状態には一定の範囲が存在すると考えられる。この通常状態からの逸脱の検知が、実験安全の観点から重要と考えられる。そこで本研究では、マルチモーダルセンシングとRAG（Retrieval-Augmented Generation）を活用し、通常状態からの逸脱を検出することを目的とする。化学系モデル実験室を想定し、温湿度、CO₂濃度、加速度、照度、距離などを計測した。これらの観測値から高次元ベクトルデータを生成し、分類・学習により逸脱状態の検出可能性を評価した。