RT/ より効果的な多目的ロボットのための技術 | パラダイム | パラダイム | 2024年6月

ロボティクス＆AI隔週刊第96号、5月28日〜6月11日

• MIT の研究者は、生成 AI モデルを使用して、さまざまな分野、モダリティ、タスクにわたってロボットのトレーニング データを組み合わせる手法を開発しました。研究者は、複数の異なるデータセットから組み合わせた戦略を作成し、ロボットが目に見えない環境で新しいタスクを実行することを学習できるようにします。
• 研究者らは、一般の人々が、制御可能な義足の第3の親指を使って物を拾い、操作する方法を非常に迅速に習得するのにほとんど問題がないことを実証した。研究チームは、さまざまな参加者を対象にロボット装置をテストした。これは、新しい技術が包括的で、すべての人に有効であることを保証するために不可欠だと研究チームは述べている。
• 新たな研究は、AI制御の充電ステーションがスマートアルゴリズムを通じて電気自動車のユーザーにパーソナライズされた価格を提示し、顧客の価格と待ち時間の両方を最小限に抑える方法を示している。しかし研究者らは、人工知能が運転者からの情報を悪用するリスクがあるため、倫理的問題を真剣に受け止めることが重要だと指摘している。
• 新しい研究によると、物体を識別し、その周囲を移動できるように AI システムをトレーニングする、人間にヒントを得た新しいアプローチは、極限環境や遠い世界を探索するためのより高度な AI システムの開発の基盤となる可能性があるという。
• 自律型ロボットが、これまで人間にはできなかった衝撃を吸収する形状を作り出しました。そして、それがより安全なヘルメット、パッケージ、車のバンパーなどの設計にどのような意味を持つのかを説明します。
• ワシントン州立大学の研究によると、ホスピタリティ業界の労働力不足を補うためにロボットを増やすと、逆効果となり、より多くの人間の労働者が辞めてしまう可能性があるという。
• マサチューセッツ大学アマースト校の研究者が主導し、盲導犬ユーザーとトレーナーの洞察を活用してロボット盲導犬を開発する方法を特定する新しい研究が、CHI 2024: コンピューティング システムにおける人間工学に関する会議 (CHI) で最優秀論文賞を受賞した。
• 物理学者たちは、機敏で柔軟なロボットや薬物送達用の微小カプセルなど、柔らかいデバイスの性能を大幅に向上させる可能性のある微視的現象を明らかにした。
• 新しい高度な AI アルゴリズムは、特定の自己免疫疾患に関連する遺伝子がどのように発現し、制御されるかをより正確にモデル化し、リスクのある追加の遺伝子を特定します。この方法は既存の方法論よりも優れており、26% 多くの新しい遺伝子と形質の関連性を特定しました。
• 研究者たちは、タンパク質予測技術が、多くの症状に対して最適な薬剤候補を効率的に見つけ出すための探索において正確な結果をもたらすことができることを突き止めました。
• もっと！

ロボットの世界市場は、年平均成長率（CAGR）約26％で成長し、2025年には2026年までに20億ドル弱に達すると予想されています。 2025年までに2,100億ドル。

2018年から2025年までの産業用および非産業用ロボットの世界市場規模（10億米ドル）:

Lirui Wang、Jialiang Zhao、Yilun Du、Edward H. Adelson、Russ Tedrake 著、arXiv

たとえば、ロボットにツールの使い方を理解させ、ハンマー、レンチ、ドライバーを使って家の周りを修理する方法をすぐに学習できるようにトレーニングしたいとします。そのためには、ツールの使用方法を示す膨大な量のデータが必要になります。

既存のロボットデータセットは、その様式が多種多様です。たとえば、カラー画像を含むものもあれば、触覚の痕跡で構成されるものもあります。また、シミュレーションや人間のデモなど、さまざまな領域でデータを収集することもできます。また、各データセットは固有のタスクと環境を捉えている可能性があります。非常に多くのソースからのデータを 1 つの機械学習モデルに効率的に組み込むことは難しいため、多くの方法では 1 種類のデータのみを使用してロボットをトレーニングします。しかし、比較的少量のタスク固有のデータを使用してこの方法でトレーニングされたロボットは、なじみのない環境で新しいタスクを実行できないことがよくあります。

より優れた多目的ロボットを訓練する取り組みの一環として、MIT の研究者は、拡散モデルと呼ばれる生成 AI の一種を使用して、ドメイン、モダリティ、タスクにまたがる複数のデータ ソースを組み合わせる手法を開発しました。研究者らは、特定のデータセットを使用して 1 つのタスクを完了するための戦略またはポリシーを学習するために、別の拡散モデルを訓練します。次に、拡散モデルによって学習されたポリシーを、ロボットがさまざまな設定で複数のタスクを実行できるようにする一般的なポリシーに統合します。

シミュレーションと実際の実験では、このトレーニング アプローチにより、ロボットは複数のツール使用タスクを実行し、トレーニング中に見たことのない新しいタスクに適応できるようになりました。ポリシー構成 (PoCo) と呼ばれるこの方法により、ベースライン手法と比較してタスク パフォーマンスが 20 パーセント向上しました。

「ロボットデータセットの異質性に対処するのは、鶏が先か卵が先かの問題のようなものです。一般的なロボットポリシーをトレーニングするために大量のデータを使用したい場合、まずはこのすべてのデータを取得できる展開可能なロボットが必要です。研究者が ChatGPT で行ったように、利用可能なすべての異質データを活用することは、ロボット工学分野にとって重要なステップだと思います」と、電気工学およびコンピューターサイエンス (EECS) の大学院生であり、PoCo に関する論文の主執筆者である Lirui Wang 氏は述べています。

ワン氏の共著者には、機械工学の大学院生であるジアリアン・ジャオ氏、EECSの大学院生であるイールン・ドゥ氏、脳と認知科学科のジョン・アンド・ドロシー・ウィルソン視覚科学教授でコンピューター科学と人工知能研究所 (CSAIL) のメンバーであるエドワード・アデルソン氏、EECS、航空宇宙工学、機械工学のトヨタ教授でCSAILのメンバーである上席著者のラス・テドレイク氏が含まれます。この研究はロボティクス: 科学とシステム会議で発表されます。

ロボット ポリシーとは、入力を受け取り、それを使用してアクションを実行する機械学習モデルです。ポリシーについて考える方法の 1 つは、戦略として考えることです。ロボット アームの場合、その戦略は軌道、またはアームを動かしてハンマーを拾い、それを使用して釘を打つ一連のポーズである可能性があります。ロボット ポリシーの学習に使用されるデータセットは通常小さく、倉庫で品物を箱に詰めるなど、特定のタスクと環境に焦点を当てています。

「ロボット倉庫はどれもテラバイト単位のデータを生み出していますが、そのデータは、その荷物を扱っている特定のロボット設備にしか属しません。こうしたデータをすべて使って汎用機械をトレーニングするのは理想的ではありません」とワン氏は言う。

MIT の研究者らは、多数のロボット倉庫から集められたような一連の小規模データセットを取得し、各データセットから個別のポリシーを学習し、ロボットが多くのタスクに汎用化できるようにポリシーを組み合わせることができる技術を開発しました。研究者らは、拡散モデルと呼ばれる生成 AI モデルの一種を使用して各ポリシーを表現します。画像生成によく使用される拡散モデルは、出力を繰り返し改良することで、トレーニング データセットのサンプルに似た新しいデータ サンプルを作成する方法を学習します。

しかし、研究者たちは拡散モデルに画像を生成するよう教えるのではなく、ロボットの軌道を生成するよう教えています。彼らはトレーニング データセットの軌道にノイズを追加することでこれを行います。拡散モデルは徐々にノイズを除去し、出力を軌道に洗練していきます。

この技術は拡散ポリシーと呼ばれ、MIT、コロンビア大学、トヨタ研究所の研究者によって以前に導入されました。PoCo はこの拡散ポリシーの研究を基にしています。チームは、人間のビデオ デモンストレーションやロボット アームの遠隔操作から収集したデータなど、異なる種類のデータセットを使用して各拡散モデルをトレーニングします。次に、研究者はすべての拡散モデルによって学習された個々のポリシーの重み付けされた組み合わせを実行し、出力を繰り返し改良して、組み合わせたポリシーが個々のポリシーの目的を満たすようにします。

「このアプローチの利点の 1 つは、ポリシーを組み合わせて両方の長所を活かせることです。たとえば、現実世界のデータでトレーニングされたポリシーはより器用さを実現できる可能性があり、シミュレーションでトレーニングされたポリシーはより一般化を実現できる可能性があります」と Wang 氏は言います。

ポリシーは個別にトレーニングされるため、拡散ポリシーを組み合わせて、特定のタスクでより良い結果を得ることができます。ユーザーは、プロセス全体を最初から開始するのではなく、そのデータセットを使用して追加の拡散ポリシーをトレーニングすることで、新しいモダリティまたはドメインにデータを追加することもできます。

研究者らは、シミュレーションと実際のロボットアームで PoCo をテストし、ハンマーで釘を打ったり、ヘラで物体を弾いたりするなど、さまざまなツールタスクを実行しました。PoCo により、ベースライン手法と比較してタスクパフォーマンスが 20 パーセント向上しました。

「驚いたことに、調整を終えて視覚化すると、合成された軌道はどちらか一方だけよりもずっと優れていることがはっきりとわかりました」とワン氏は言う。

研究者たちは将来、ロボットが道具を手に取って使い、その後別の道具に切り替えるといった長期にわたる作業にこの技術を適用したいと考えています。また、パフォーマンスを向上させるために、より大規模なロボットデータセットを組み込むことも考えています。

「ロボット工学を成功させるには、インターネット データ、シミュレーション データ、実際のロボット データという 3 種類のデータすべてが必要です。これらを効果的に組み合わせる方法は、百万ドルの価値がある問題です。PoCo は、正しい方向への確かな一歩です」と、この研究には関わっていない NVIDIA のシニア リサーチ サイエンティストで AI エージェント イニシアチブのリーダーであるジム ファンは述べています。