ロボット工学者たちは研究室でパルクールのような素晴らしいことをロボットにやらせてきましたが、それはすべて厳密に管理された環境で展開されるように注意深く計画されています。ロボットが家の中で自律的に働くのは、特に子供やペットがいる家庭では、まだ少し不安です。さらに、家のデザインはさまざまで、部屋や物の配置はさらに多様です。
ロボット工学の専門家の間では、「モラベックのパラドックス」として知られる、人間にとって難しいことは機械にとって簡単で、人間にとって簡単なことは機械にとって難しいという広く認識された見解がある。しかし、人工知能 (AI) のおかげで、状況は変わりつつある。ロボットは、洗濯物をたたむ、料理をする、買い物かごから荷物を降ろすなど、つい最近までロボットにはほぼ不可能と考えられていた作業をこなせるようになりつつある。
MIT テクノロジー レビューの最新号によると、ロボット工学という分野は転換点を迎えており、ロボットは研究室から何百万もの家庭へと普及しつつある。ロボット工学はまさに最高潮を迎えようとしている。
家庭用ロボットは高価すぎるわけにはいかない
かつてのロボットは高価なものであり、非常に複雑なモデルは数十万ドルもしたため、ほとんどの家庭には手が届きませんでした。たとえば、家庭用ロボットの最も初期のモデルの 1 つである PR2 は、重量が 200 キログラムで、価格は 400,000 米ドルでした。
幸いなことに、より安価な新世代ロボットが徐々に登場している。米国の新興企業 HelloRobot が開発した新しい家庭用ロボット Stretch3 は、価格が 24,950 ドルとかなり手頃で、重量は 24.5 キログラムである。このロボットには、小型の移動ベース、カメラがぶら下がるジョイスティック、調整可能なアーム、コントローラーで操作できる先端に吸盤が付いた固定具が付いている。
一方、米国スタンフォード大学の研究チームは、MobileALOHA（遠隔操作用の低コストのオープンソースハードウェア）と呼ばれるシステムを開発しました。このシステムでは、ロボットが人間のデモンストレーションを含むわずか20個のデータを使用してエビの調理方法を学習できます。チームは既製の部品を使用して、より手頃な価格のロボットを製造しましたが、これも数万ドルの費用がかかり、以前の同様のモデルは簡単に数十万ドルの費用がかかりました。
AIが「万能ロボット脳」を構築
これらの新しいロボットを「前身」のロボットと区別するものは、実はソフトウェアです。AIブームのおかげで、テクノロジーの焦点は、身体的な器用さを実現する高価なロボットから、「汎用ロボット脳」を構築するニューラルネットワークへと移りつつあります。
ロボット工学の専門家は、従来の慎重な計画と骨の折れるトレーニングではなく、ディープラーニングとニューラルネットワークを使用して、環境から学習し、アプリケーションに応じてロボットの動作を調整できる「脳」システムを作成しています。
2023 年の夏、Google は RT-2 を発表しました。これは、トレーニングに使用されるオンラインのテキストや画像、および独自のインタラクションから世界の概要を理解し、そのデータをロボットの動作に変換する視覚・言語・動作モデルです。
トヨタ研究所、コロンビア大学、MIT のチームは、模倣学習と呼ばれる AI 学習技術と生成 AI を活用して、すでにロボットに多くの新しいタスクを迅速に教えています。このアプローチにより、生成 AI 技術はテキスト、画像、ビデオの領域からロボットの動作の領域へと拡大するでしょう。
OpenAI の現在は閉鎖されたロボット研究部門からスピンアウトしたスタートアップ企業 Covariant は、代わりにテキスト、画像、ビデオ、ロボット コマンドからの指示を受け入れるマルチモーダル モデル RFM-1 を構築しました。Generative AI により、ロボットは指示を理解し、それらのタスクに関連する画像やビデオを生成できます。
より多くのデータにより、より賢いロボットが生まれる
GPT-4 などの大規模な AI モデルの威力は、インターネットから大量のデータを蓄積することにあります。しかし、これはロボットには当てはまりません。ロボットには、ロボット専用に収集されたデータが必要です。洗濯機や冷蔵庫の開け方、お皿の持ち上げ方、洗濯物のたたみ方などの物理的なデモンストレーションが必要です。現在、このデータは非常に不足しており、収集には長い時間がかかります。
Google Deep Mind は、この状況を変えるために、Open Source X-Embodiment Collaboration という新しいプログラムを立ち上げました。昨年、同社は 34 の研究室の約 150 人の研究者と提携し、HelloRobot の Stretch 3 を含む 22 種類のロボットからデータを収集しました。2023 年 10 月にリリースされる予定のデータセットには、ピッキング、プッシュ、移動など、ロボットの 527 のスキルが含まれます。
また、RT-X と呼ばれるロボットもあり、研究者はこのロボットのために 2 つのバージョンのモデルを構築しました。このモデルは、さまざまな研究室のコンピューターでローカルに実行することも、Web 経由でアクセスすることもできます。
より大規模でウェブアクセス可能なモデルは、大規模な言語および画像モデルから「視覚的常識」を開発するために、インターネット データで事前トレーニングされています。研究者が RT-X モデルをさまざまなロボットで実行したところ、各研究室で個別に開発されたシステムよりも、そのようなロボットの方がスキルの学習成功率が 50% 高いことがわかりました。
つまり、より多くのデータがあれば、より賢いロボットが生まれるのです。