知識の共有は、ロボットの将来の爆発的な増加に向けた新たな方向性となるだろう

倉庫での商品の梱包、寝たきりの患者の介助、前線での兵士の支援など、人間がロボットにやってほしい作業の多くは、ロボットが一般的な物体を認識して扱うことができないために完了することができません。

ブラウン大学のコンピューターサイエンス教授、ステファニー・テレックス氏は、「私たちは子供の頃にすでに「ビッグデータ収集プロセス」を経験しているので、たいていは自分で洗濯物を畳んだり、コップを手に取ったりできる」と語る。ロボットが日常的な同じ作業を実行するには、物体をつかんで操作する方法に関する膨大なデータにアクセスする必要がある。しかし、そのデータはどこから来るのでしょうか?通常、このデータを生成するには入念なプログラミングが必要です。しかし、理想的には、ロボットは互いに何らかの情報を学習できるはずです。

これがタレスのミリオン・オブジェクト・チャレンジの理論です。彼女の目標は、世界中の研究用ロボットに、ボウルからバナナに至るまでの単純な物体を見つけて扱う方法を学習させ、データをクラウドにアップロードして、他のロボットがその情報を分析して使用できるようにすることです。

ステファニー・テレスとバクスター・ロボット

ロードアイランド州プロビデンスにあるタレスの研究所は、とても楽しい幼稚園のようです。私が訪れた日、Rethink Robotics社製の産業用ロボット「Baxter」が、特大のレンガの海に浮かぶ小さなブラシをスキャンしていました。ロボットは右腕を反対側の物体に向かって前後に動かし、体に搭載されたカメラで複数の写真を撮影し、赤外線センサーで深度を測定します。次に、手（グリッパー）を使って、さまざまな角度からブラシをつかもうとします。目の前の物体を持ち上げると、しっかりと掴んでいるか確認するためにそれを振り始めます。これらの動作を実行できれば、ロボットは物体を拾う方法を学習したことになります。

ロボットは、各グリッパーで異なる物体を掴むことができ、24時間稼働し続けることができます。テレスさんと大学院生のジョン・オバーリンさんは、子どもの靴から始まり、プラスチックのボート、ゴム製のアヒル、ニンニク絞り器などの調理器具、テレスさんの3歳の息子がかつて使っていたダックビルカップなど、約200個の物品に関するデータを収集し、共有してきた。他の科学者もロボットからのデータを提供できるようになり、タレスは彼らが協力して、ロボットが何百万もの異なる物体をどのように扱うかに関する情報のライブラリを構築できることを期待している。最終的には、「ロボットは混雑した棚の目の前にあるペンを識別し、それを拾うことができるようになる」とテレス氏は語った。

この種のプロジェクトが可能なのは、多くの研究用ロボットが同じ標準フレームワークであるロボティクス オペレーティング システム (ROS) を使用してプログラムできるためです。機械が特定のタスクを学習すると、そのデータを他のロボットに渡すことができ、他のロボットはフィードバックをアップロードして元のデータをさらに改良することができます。テレス氏は、特定の物体を識別して把握するために必要な情報は、音楽ライブラリの曲とほぼ同じサイズである 5 ～ 10 MB のデータに圧縮できると考えています。

ロボットは物体を掴む最適な方法を決定するたびに、他のロボットが使用できる形式でデータをアーカイブします。

タレスは、ロボットが他のロボットの経験からどのように学習できるかを実証したロボブレイン プロジェクトの初期のパートナーでした。当時コーネル大学にいた彼女の共同研究者、アシュトシュ・サクセナ氏は、PR2ロボットに小さなカップを持ち上げてテーブルの上の指定された場所に置くように教えた。その後、ブラウン大学で、タレスはクラウドからその情報をダウンロードし、それを使用してバクスター（PR2 ロボットとは構造が異なる）を異なる環境で同じタスクを実行できるようにトレーニングしました。

現時点では、こうした進歩は漸進的なものに見えるかもしれないが、今後5年から10年で「ロボットの能力が爆発的に向上する」ことになるだろうとサクセナ氏は語った。サクセナ氏は現在、スタートアップ企業「Brain of Things」のCEOを務めている。より多くの研究者がクラウドで知識に貢献し、知識を向上させるにつれて、「ロボットは必要なすべての情報に簡単にアクセスできるようになるはずです」とサクセナ氏は語った。