出典
- Ars Technica AI
週刊ダイジェスト
AIアートの最前線へ
今週のAI・AIアートの注目ストーリーをメールでお届け。厳選・簡潔・無料です。
無料。いつでも配信停止できます。
読み込み中...
AIツール・モデル
AIがロボットを汎用自律へと押し進める理由——そしてそこに至るために必要なもの
Charmloop 編集チーム· 編集部·
今週のAI・AIアートの注目ストーリーをメールでお届け。厳選・簡潔・無料です。
無料。いつでも配信停止できます。
AIは、ロボットを狭い範囲のスクリプト化されたタスクから汎用自律へと押し進める主要な原動力だ——しかし第一線の研究者たちによれば、工場のアームと食洗機に食器を確実にセットできるロボットの間には、いまだ解決されていない難問が立ちはだかっている。
産業用ロボットは数十年にわたり、狭い意味での自律性を持ってきた——同じ溶接、同じピッキング、同じ配置を、エラーなく何千回も繰り返す。AIが今まさに可能にしているのは、それとは異なるものだ。それは「汎化」である。多様な操作データで学習されたモデルは、原理的には、物体の形状・重量・予測される挙動を推論することで、物理的に一度も扱ったことのない物体を処理できる。
記憶された動作から推論に基づく行動へのこの転換こそが、研究者たちが「汎用自律性」と呼ぶものの核心だ。Ars Technicaの報道によれば、ロボット工学に携わる複数の創業者や研究者たちは、現在の瞬間を、画像生成やチャットボットを支えるのと同じアーキテクチャである言語・視覚モデルがロボットの頭脳として転用されつつある転換点と表現している。実際的な成果はタスク汎化の加速だ。新しい物体ごとに動作シーケンスを手作業でコーディングする代わりに、比較的少数のロボットデモンストレーションでファウンデーションモデルをファインチューニングできる。
Hugging Faceの LeRobotフレームワークは、v0.6.0リリースで人間のフィードバックループを追加し、このパイプラインのオープンソース実例の一つだ——人間による修正をトレーニングにフィードバックし、エッジケースにおけるロボットの挙動を改善する。
視覚と言語は、多くのロボットタスクに十分なレベルでほぼ解決されている。しかし手はそうではない。人間の手は27の自由度を持ち、現在のどのロボットグリッパーも及ばない触覚フィードバックシステムを備えている。傷をつけずに熟したトマトを摘む、ケーブルをクリップに通す、シャツをたたむ——こうしたタスクには、現在のハードウェアとAIモデルが現実世界のばらつきの中でうまく対処できない力覚センシングと精密な運動制御が必要だ。
研究者たちはこの問題を二方向から攻略しようとしている。より優れたハードウェア（ソフトグリッパー、触覚センサー）と、より優れたトレーニングデータ（テレオペレーションデータセット、シミュレーションから実環境への転移）だ。どちらも解決には至っていない。制御されていない環境での未知の巧みな操作タスクにおける失敗率は依然として高く、監視なしでの運用——人間が介入できる状態を保たずにロボット単独でタスクを完了させること——は、厳密に限定された環境以外では商業的に成立しない。
Ars Technicaが取材した研究者たちの間での共通見解は、職場への導入が先に成熟するというものだ。倉庫、病院、製造現場には共通の特性がある。ロボットの挙動を乱す予測不可能性を減らすよう、部分的に設計できるという点だ。照明は一定で、物体にはラベルが付いており、床は整理されている。シリアルの箱が横向きになっていたり、玄関マットがずれていたりすると依然として失敗するシステムにとって、これははるかに扱いやすい環境だ。
家庭への導入のタイムラインが長いのは、まさに家庭が標準化に馴染まないからだ。キッチンはどれも異なる。家族はそれぞれ予測できない場所に物を置く。あなたのキッチンを扱えるロボットには、現在のモデルが提供できるよりはるかに堅牢な汎化能力か、あるいはロボットの限界に合わせて設計された家が必要になる——それは多くの人が望む暮らし方ではない。
AIシステムを構築している人や、ファウンデーションモデルへの投資がどこに向かっているかを追っている人にとって、その答えはますますロボット工学になりつつある。画像を生成し会話を行う同じマルチモーダルアーキテクチャが——成否はさまざまながら——物理的な制御に応用されている。シミュレーションから実環境へのギャップを埋め、巧みな操作能力を大規模に解決できる企業が、汎用自律性が実際にどのような姿になるかを定義することになる。研究者たちはそのホライズンを数十年ではなく数年と見ているが、具体的な年を明言することは慎重に避けている。
