新しい図02ヒューマノイドロボットは、サウスカロライナ州スパークスバーグのBMWプラントに展開されました|クレジット：図AI
チャットボットは近年急速に進歩しているため、大規模な言語モデル（LLMS）が動力を与えています。 LLMSは、膨大な量のテキストデータでトレーニングされた機械学習アルゴリズムを使用します。テスラのCEOであるElon MuskやNvidia CEOのJensen Huangを含む多くのテクノロジーリーダーは、同様のアプローチにより、ヒューマノイドロボットが手術を行うことができる、工場労働者の後任、または数年以内に在宅執筆者としての役割を果たすことができると考えています。 UC Berkeleyのロボット奏者Ken Goldbergによると、他のロボット工学の専門家は同意しません。
UCバークレーニュース 最近、ゴールドバーグに「ヒューマノイド誇大広告」、ロボット工学分野の新たなパラダイムシフト、およびAIが本当にすべての人の仕事を引き受けることの先にいるかどうかについて話しました。
ゴールドバーグウィル もっと話す 現実世界のためのロボットのトレーニングについて robobusiness 2025年、10月15日と16日にサンタクララコンベンションセンターで行われます。彼は、シミュレーション、補強学習、および実際のデータを組み合わせた物理的AIの進歩が、eコマースやロジスティクスなどのアプリケーションの展開と信頼性を高めていることを検討します。
ヒューマノイドロボットは人間よりも優れていますか？
最近、Elon Muskのようなテクノロジーのリーダーは、ロボットがするようなヒューマノイドロボットの将来について主張しています。 人間の外科医 今後5年以内。これらの主張に同意しますか？
ゴールドバーグ： いいえ;ロボットは迅速に進んでいるが、それほど迅速ではないことに同意します。誇大広告は、この分野の研究者がよく知っているロボット能力をはるかに上回っているため、誇大広告だと思います。
ケン・ゴールドバーグ教授。
私たちは皆、ChatGptとそれがビジョンと言語のためにしているすべての驚くべきことに非常に精通していますが、ほとんどの研究者はほとんどの人が持っている類推に非常に緊張しています。 [humanoid robots]、そしてそれは来年起こるでしょう。
私はそれが起こらないと言っているわけではありませんが、今後2年間、または5年、さらには10年では起こらないと言っています。私たちは期待をリセットしようとしているだけなので、大きな反発につながる可能性のあるバブルを作成しないようにしています。
近い将来、私たちがヒューマノイドロボットを手術したり、個人的な執事として機能させることを妨げる制限は何ですか？彼らはまだ何と本当に苦労していますか？
大きなものは器用さ、オブジェクトを操作する能力です。ワイングラスを拾ったり、電球を交換できるようにするなど。ロボットはそれを行うことはできません。
それはパラドックスです – 私たちはそれをモラベックのパラドックスと呼んでいます – 人間はこれを楽に行うので、ロボットもそれを行うことができるはずだと思います。 AIシステムはチェスのような複雑なゲームをプレイし、人間よりも良くなることができるので、人々が「まあ、なぜガラスを拾うことができないのですか？」 Goよりもはるかに簡単に思えます。
しかし、実際には、グラスを拾うには、ガラスが空間のどこにあるかについて非常に良い認識が必要であり、指先をその正確な場所に移動し、オブジェクトの周りに指先を適切に閉じることが必要です。それはまだ非常に難しいことがわかります。
テキストデータと物理データの間のギャップを閉じます
で あなたの新しい論文、100,000年の「データギャップ」と呼ばれるものについて説明します。データのギャップは何ですか、そしてそれはAIチャットボットの言語能力とヒューマノイドの現実世界の器用さとの間のこの格差にどのように貢献しますか？
ゴールドバーグ： このデータのギャップを計算するために、インターネットにテキストデータが存在する量を調べ、人間が座ってすべてを読むのにどれだけ時間がかかるかを計算しました。約100、000年かかることがわかりました。これは、LLMSをトレーニングするために使用されるテキストの量です。
ロボットをトレーニングするためのその量のデータはありません。100、000年は、言語モデルをトレーニングする必要があるテキストの量にすぎません。トレーニングロボットははるかに複雑であると考えているため、さらに多くのデータが必要です。
一部の人々は、たとえば、YouTubeから人間のビデオからデータを取得できると考えていますが、人間の写真を見ると、人間が演じている実際の詳細な動きはわかりません。それはそれを解決しません。
別のアプローチは、ロボットモーションのシミュレーションを実行することでデータを作成することです。これは、実際にロボットを実行してアクロバットを実行するために非常にうまく機能します。シミュレーションでロボットを逆流にすることで、多くのデータを生成できます。場合によっては、実際のロボットに移動することがあります。
しかし、建設労働者、配管工、電気技師、台所労働者、または工場の誰かの手で物事をしている人のタスクなど、ロボットが実際に何か便利なことをしている器用さのためには、それは非常にとらえどころがなく、シミュレーションは機能しないようです。
現在、人々は遠隔術と呼ばれるこのことをしています。ここでは、人間が人形のようなロボットを操作してタスクを実行できます。中国と米国には、これを行うために人間が支払われている倉庫がありますが、それは非常に退屈です。
また、8時間ごとにさらに8時間のデータが提供されます。 100、000年に到達するには長い時間がかかります。
ヒューマノイドロボット工学の正しいパスを見つける
ロボット奏者は、最初にこのすべてのデータを作成せずにフィールドを進めることが可能であると信じていますか？
ゴールドバーグ： ロボット工学はパラダイムシフトを受けていると信じています。これは、科学が物理学から量子物理学への大きな変化をもたらすときであり、変化は非常に大きく、フィールドが2つのキャンプに分かれており、彼らは何年もそれを戦います。そして、私たちはロボット工学でそのような議論の真っin中にいます。
ほとんどのロボット奏者は、私が古き良き工学と呼んでいるものを今でも信じています。
しかし、ロボットはこれらの古いツールや方法を必要としないと主張する新しい教義があります。彼らは、完全に機能的なヒューマノイドロボットを得るために必要なのはデータだけだと言います。
この新しい波はとても刺激的です。その背後にはたくさんのお金があり、多くの若い世代の学生と教職員がこの新しいキャンプにいます。ほとんどの新聞、Elon Musk、Jensen Huang、および多くの投資家はNew Waveで完全に販売されていますが、 研究分野では、激しい議論があります ロボットを構築するための古いアプローチと新しいアプローチの間。
今後の道は何だと思いますか？
ゴールドバーグ： 私は、エンジニアリング、数学、科学が依然として重要であることを主張してきました。なぜなら、必要なデータを収集できるように、これらのロボットを機能させることができるからです。
これは、データ収集プロセスをブートストラップする方法です。たとえば、ロボットを取得して、人々がそれを購入するのに十分なほどタスクを実行し、それが機能するようにデータを収集することができます。
Googleの自動運転自動車会社であるWaymoはそうしています。それは実際のロボタキシスから毎日データを収集しており、彼らの車は時間とともにどんどん良くなっています。
これは、Ambi Roboticsの背後にあるストーリーでもあり、ロボットがパッケージを並べ替えます。彼らが実際に働くように 倉庫、彼らはデータを収集し、時間の経過とともに改善します。
AIおよびロボット工学の影響を受ける仕事は何ですか？
過去には、ロボットの自動化がブルーカラーの工場の仕事を盗むことを恐れていましたが、ある程度それが起こるのを見てきました。しかし、チャットボットの台頭により、今ではLLMがホワイトカラーの仕事と創造的な職業を引き継ぐ可能性に議論がシフトしています。 AIとロボットは、将来どのような仕事が利用できるかにどのような影響を与えると思いますか？
ゴールドバーグ： ロボット主義者としての私の心には、ブルーカラーの仕事、取引は非常に安全です。ロボットが長い間それらの仕事をしているのを見るつもりはないと思います。
しかし、特定のジョブ（病院での摂取などのフォームに定期的に記入することを伴う仕事）がより自動化されます。
非常に微妙な一例は、カスタマーサービスです。あなたのフライトがキャンセルされ、航空会社とロボットの回答に電話して問題がある場合、あなたはよりイライラします。多くの企業は、カスタマーサービスの仕事をロボットに置き換えたいと考えていますが、コンピューターがあなたに言えないことの1つは、「私はあなたの気持ちを知っています」です。
別の例は放射線科医です。 AIが人間の医師よりもX線をよりよく読むことができると主張する人もいます。しかし、ロボットに癌があることを知らせたいですか？
ロボットがアモクを走り、私たちの仕事を盗むという恐怖は何世紀にもわたって存在していますが、人間は多くの良い年を先取りしていると確信しています。そして、ほとんどの研究者は同意しています。
このインタビューは、長さと明快さのために編集されています。
#ヒューマノイドロボットがAIチャットボットほど速く進んでいない理由