ロボットと人工知能が融合し、想像上のロボットを実現します

人々が想像するロボットは、SF映画に登場するような、人間がさまざまなことをするのを助け、感情さえ持つロボットです。現在、実際のロボットはロボットアームなどの形で登場し、さまざまな生産や生活の場面で活躍し、さまざまな専門的な状況に対応するために使用されています。たとえば、掃除ロボットは、本当の「ロボット」とは考えられていないものの、すでに多くの家庭で使用されています。ロボットを真にインテリジェントにするために、人工知能技術とロボット工学技術が融合されています。もちろん、まだ課題はたくさんあります。

趙山と林澤玲が執筆

近年、人工知能、モノのインターネット、自動運転車、インテリジェント交通などの新技術の台頭により、ロボットはさまざまな形で徐々に人々の日常生活に入り始め、さまざまな家庭用ロボットやサービスロボットが次々と登場しています。家庭用掃除ロボットは、その手頃な価格のため、何千もの家庭に最初に導入されました。家庭用掃除ロボットはある程度の知能を備えており、部屋の床の掃除機がけやモップがけなどの掃除作業を自動で行うことができます。 2022年冬季オリンピックでは、メディアレストランでロボットが行う完全にインテリジェントな調理と食事の配達サービスが大きな話題を呼びました。感情ロボットは近年登場した新しいタイプのロボットです。アルゴリズム技術はロボットに「人間の感情」を与えるために使用され、ロボットが喜び、悲しみ、怒りを表現、認識、理解し、人間の感情を模倣、拡張、拡大することを可能にします。お子様やお年寄りの方にもご同伴いただけます。有名なものとしては、ソニーのロボット犬「アイボ」やソフトバンクグループのロボット「ペッパー」などが挙げられます。

現代のロボットは、さまざまなハイテク サブシステムが統合された複雑なシステムであり、通常はプロセッサ、センサー、コントローラー、アクチュエータ、およびロボット アーム (アーム) の先端に取り付けられたさまざまな機能キット (エフェクター) が含まれます。ロボットシステムは複雑であり、学際的な技術的特徴を備えています。主にソフトウェアとハ​​ードウェアの 2 つの部分で構成され、基本的には機械、電子、制御、製造、加工などの主要な技術エンジニアリング カテゴリをカバーしています。近年、ロボット技術は人工知能の分野にまで広がり、人間との自然なコミュニケーションや柔軟な動き、多様な機能を持つようになり、バイオテクノロジーや神経科学などの新しい分野とも融合しています。

過去10年間で、ロボット工学分野の5つの技術がMITテクノロジーレビューの「世界のトップ10のブレークスルーテクノロジー」の1つに選ばれました。

Rethink Robotics が開発した Baxter Blue-Collar Robot は、学術用語では協働ロボットとしても知られており、安全で安価、プログラミングが簡単でインタラクティブです。製造組立ラインで人間と協力してタスクを完了することができ、人間にとって優れたヘルパーとなります。その出現は、従来の産業用ロボット技術の開発における多くのボトルネックが解消されたことも意味します。

作業者の安全を確保するため、初期の協働ロボットには内部電源がなく、通常は作業者自身によって電力が供給されていました。その機能は、乗組員と協力して積荷の方向を変えたり操縦したりすることで、コンピューター制御の移動を可能にすることです。進化した協働ロボットは限られた電力を提供し、ロボットと協力する人員の状態を監視するための複数のセンサーを追加して、人員の安全を確保します。現段階では、優れた汎用性、人間と機械の親和性、手頃な価格という目標を達成するにはまだ多くの課題がありますが、協働ロボットは、人間とロボットの初期のサービス関係をパートナーシップに変えることを目指しており、ロボット研究の新たな章を開いています。これらの研究も、当初は単にアプリケーション機能を重ね合わせるだけだったものが、徐々に作業関係や構造の変化を追求する方向に進化してきました。人間とロボットのチームワークにより、人間やロボットが単独で作業する場合に比べて作業効率が大幅に向上します。

ロボットは、凹凸のある見慣れない路面でも比較的速く歩行できます。写真：ウェッブ・チャペル

Baxter を例にとると、協働ロボット技術の象徴は、カメラ、ソナー、フォースフィードバック、衝突検出などの複数のセンサーを備えた柔軟なロボットアームであり、人とロボットの相互作用をより安全にします。オペレーターの「実践的な」デモンストレーションと指導を通じて、タスクプログラミングのハードルが下がり、ロボットが新しいタスクに迅速かつ容易に適応できるようになります。中小企業の小規模生産や製品生産サイクルの短縮化に最適です。また、サイズも小さく、通常は作業台の横に設置して、作業者がピッキング、配置、梱包、接着、溶接などの反復作業を完了するのに役立ちます。最後に、協働ロボットは従来の産業用ロボットよりも安価です。

協働ロボットは、ロボット工学技術の最新の開発動向を表し、ツールから真のアシスタントへと人間とロボットの関係が進化していることを表しています。近年、協働ロボット市場も非常に有望視されています。国際ロボット連盟（IFR）のデータによると、2016年の世界の産業用ロボットの販売台数は29万4000台に達し、世界の産業用ロボットの在庫は182万8000台だった。バークレー・キャピタルは、世界の協働ロボット市場が2015年の1億1,600万ドルから2025年には115億ドルに成長すると予測している。主に商品のピッキング、梱包、組立ラインでの部品の組み立て、材料の準備、他の機械の操作などに使用され、中小規模の製造業、医療、電子部品などの分野で広く使用されると予想されている。

協働ロボットの市場は急成長期にあり、10年以内に市場規模は上記の予測をはるかに上回るでしょう。これは、協働ロボットは産業分野で使用できるだけでなく、実用的な価値のある消費者向けロボットアームが短期的にはまだ現実的ではないにもかかわらず、非産業分野、つまり商業分野からも大きな成長の勢いが生まれているためです。近い将来、非産業分野での売上が大きく伸びるでしょう。

物流倉庫と医療は、現在最も研究と製品化が進んでいる2つの分野です。倉庫・物流分野のピッキングプロセスには、現在主に 2 つのソリューションがあります。 1つは、アマゾンのKivaロボットや英国のOcadoのスマート倉庫技術に代表される「商品から人へ」である。もう 1 つは、作業員に代わって移動ロボットとロボットアームを使用して固定棚の仕分けを完了することです。これはAmazonのRobot Sorting Challenge（Amazon Picking Challenge）のメインコンテンツでもあります。いくつかのチームはすでに、3D ビジョン システムを搭載した FANUC の LRMate200 シリーズ軽量ロボットを使用して棚の仕分けを行っています。電子商取引とスマート物流倉庫はどちらも大きな可能性を秘めた市場です。もう一つは医療リハビリロボットと義肢ロボットです。協働ロボットは比較的安全であり、ロボットアームが人間の腕の柔軟性を模倣できるため、このような場合の使用に非常に適しています。さらに、ロボットが料理をしたり、ツアーガイドをしたり、レストランのウェイターを務めたりするようなアプリケーションは非常に有望であり、ロボットが一般の人々の生活に入り込む可能性をさらに広げています。

しかし、協働ロボット技術の開発においては、ハードウェアごとに独立したプログラミングが必要であり、研究開発には時間と労力がかかり、結果としてコストが高くなるという問題も発生しています。産業用ロボットは主に製造や生産に使用されます。彼らは組立ラインでそれぞれの職務を遂行し、特定のワークステーションでタスクを正確に完了することができます。このロボット開発モデルによれば、異なるロボットごとに独立したハードウェアを開発する必要があり、特定のタスクを完了するためには、対応する制御ソフトウェアを使用して具体的かつ正確な指示を与える必要があります。たとえば、先端に複数の関節を持つ多自由度ヒューマノイドハンドロボットがカップを拾う場合と、先端に 2 本の「指」しかないクランプロボットアームが同じカップを拾う場合の具体的な実装方法は、明らかに大きく異なります。

異なるロボットがそれぞれ学習したスキルを共有できれば、反復的な開発作業を大幅に削減し、ロボットの応用を迅速に促進することができます。ロボット間で知識を共有するという新しい技術は、この問題を解決するために達成された主要な技術的進歩の 1 つであり、さまざまな技術やスキルをロボット間でより迅速に普及させることができます。

ロボット間でスキルを共有する技術が提案されて以来、この技術は常にロボット技術のホットな話題であり、人工知能などの分野で多くの拡張技術と多くの新しい統合開発をもたらしました。 2016 年、セルゲイ レヴィンは MIT テクノロジー レビューによって「35 歳未満の 35 人の技術イノベーター」の 1 人に選ばれました。大学での教職を辞した後、研究を続けるために Google に入社し、同年に「ディープラーニングと大規模データ収集によるロボットの把持のための手と目の協調学習」と題した論文を発表しました。

セルゲイ・レビンは、6 本のロボットアームを使用して長期間にわたってさまざまな物体をつかむ練習を行い、つかむプロセス中に手と目の協調を制御するニューラル ネットワークのさまざまなパラメータを共有することで、トレーニング データベースのサイズを最大化し、ニューラル ネットワークのトレーニングとデバッグの効率を向上できることを発見しました。この拡張技術のハイライトは、ディープラーニング人工知能とロボットハードウェア制御の組み合わせであり、これは将来、ロボット工学の分野で非常に有望なホットな技術となるでしょう。

2017 年 5 月、MIT コンピューター科学および人工知能研究所のジュリー・シャー教授が CLEARN テクノロジーを発表しました。この新しい技術は、従来のロボットデモンストレーションティーチングと動作計画プログラミング技術を組み合わせたものです。一連の典型的な物体を掴む方法に関する基本データ情報をロボットに提供することで、ロボットは 1 回のデモン​​ストレーション指導だけで一連の異なる物体を掴むスキルを自動的に学習できます。さらに重要なのは、これらのスキルは他のロボットに自動的に転送できるため、元のロボットと同じ動きや機械構造を持つ必要がないことです。

CLEARN テクノロジーを使用するには、ユーザーはまず、さまざまな制約のあるさまざまな物体をつかむ方法に関する情報の知識ベースをロボットに提供します。たとえば、タイヤとハンドルは形状が似ていますが、それらを車に取り付けるには、ロボットはアームと先端のツールキットを異なる方法で構成して、それらをより適切に動かす必要があります。次に、オペレーターは 3D インターフェースを使用して、ロボットに特定のタスクを完了するデモンストレーションを行います。このデモンストレーションは、「キー フレーム」と呼ばれる一連の関連する瞬間で構成されます。これらのキーフレームを知識ベース内のさまざまな状況と照合することにより、ロボットは必要に応じてオペレーターが編集できる動作ルート プランを自動的に提供できます。この技術により、双腕軍用爆弾処理ロボット「オプティマス」は、ドアを開けたり物を移動したりするなど、学習したスキルを、身長6フィート（約1.8メートル）、体重400ポンド（約181.4キログラム）の別の人型ロボット「アトラス」に教えることに成功した。

CLEARN テクノロジーは、効率が低く、時間がかかり、プログラミングの独自の開発を必要とする従来のロボットデモンストレーションティーチングの問題を効果的に解決し、より便利かつ迅速にロボットに新しいスキルを教えることを可能にします。このようなロボットが新しいスキルをより早く習得できる技術が、前述の協働ロボットに応用されれば、ロボットの機能が飛躍的に向上し、より多くのタスクに素早く適応し、より多くの分野に応用されるようになると考えられます。

ボストン・ダイナミクスのビッグドッグ・ロボットは、油圧と複数のセンサーのサポートにより、困難な地形でも安定した状態を保つことができます。画像出典: ボストンダイナミクス。

現在市場で重要な位置を占めている協働ロボットは、人間の外見ではなく、むしろロボットアームのようなものです。主な目的は、人間の作業負荷を軽減し、過酷な環境条件下で反復作業を実行することです。人間をベースとしたヒューマノイド全身ロボットは、ロボット研究の最先端分野であり、ロボット技術と人工知能の主要な目標です。自力で歩行できる機敏なロボットは、ロボットの移動技術における大きな進歩であり、ロボットが地形や環境の制限から解放され、人間が行ける場所ならどこにでも行けるようになります。

この技術のリーダーはボストン・ダイナミクスです。ボストン・ダイナミクスが開発した二足歩行ロボットと四足歩行ロボットは、優れたバランス感覚と器用さを備えています。起伏のある複雑な地形を歩くことができ、ほとんどの車輪付きロボットが行けないような場所に行くことができます。歩行という目標を達成するには、ロボットは一歩一歩動的なバランスを保ち、瞬間的な不安定性に対して強い適応性を持つ必要があります。これには、足の着地地点を素早く調整し、急な方向転換に必要な力の量を計算すること、そしてさらに重要なことに、非常に短時間で足に非常に大きく正確な力を加えてロボットの全体的な姿勢を制御することが含まれます。これには、制御理論、システム統合、エンジニアリング実装など、多面的に極めて高度な「ブラックテクノロジー」が必要です。

ボストン・ダイナミクスのBigDogロボットが歩いている。画像提供：Boston Dynamics。

ボストン ダイナミクス リサーチの最新バージョンである Atlas は、屋外や建物内で使用でき、モバイル アプリケーション向けに特別に設計されています。主電源で駆動し、油圧で作動するこのロボットは、体と脚に搭載されたセンサーを使用して、頭部のライダーセンサーとステレオセンサーのバランスを取り、障害物を回避し、地形を評価し、ナビゲーションを支援し、物体を操作します。ボストン・ダイナミクスが2021年に公開した最新のビデオでは、アトラスは以前よりも小型で柔軟性が高く、高さは1.75メートル、重量は82kgに軽減されています。アトラスは、狭い平均台の上を走ったり、障害物を飛び越えたり、高いところから宙返りしたりと、驚くべきパルクール能力を披露しました。これらの優れたパフォーマンスは、ボストン ダイナミクスの世界をリードする制御理論、システム設計、エンジニアリング能力のおかげで実現しました。 Atlas ロボットと他社のロボットとの重要な違いは、動作制御に油圧システムを使用していることです。これにより、瞬間的な制御出力が向上し、より正確な力の伝達が可能になります。アトラス ロボットは、「バイオニック」な全体統合構造設計コンセプトの恩恵も受けています。バイオニックロボットは、実際の人間と同様に、骨や関節などの支持構造や円筒だけでなく、血管や神経などの油回路や電気回路も備えています。

最も印象的なのは、その機敏さを超えて、アトラスが2016年に最初に公開されたときよりも人間らしくなっていることだ。過去のデモンストレーションでは、アトラスは基本的に盲目で、うまく動くためには環境を整える必要があった。しかし、現在のビデオでは、ロボットは移動するために自身の知覚に大きく依存しており、見たものに基づいて動きを調整しています。つまり、以前よりも事前設定されたプログラミングへの依存度が低くなり、エンジニアはロボットが遭遇する可能性のあるあらゆる状況に対してジャンプ動作を事前にプログラムする必要がなくなります。

これまでのロボットの普及におけるもう一つの問題は、柔軟性が低いことでした。ロボットは制御された環境ではうまく機能しますが、制御されていない環境では機能しません。例えば、ロボットは工場や倉庫で、機器をミリ単位のサイズに正確に切断するなど、人間が簡単にはできない作業を簡単に実行できますが、十分な訓練を受けなければ人間のようにドアを開けることはできません。しかし、アトラスが実証しているように、ロボットの器用さは人工知能の助けを借りて大きく進歩しています。ロボット工学者がロボットの器用さを向上させるために使用する重要な技術の 1 つは強化学習です。強化学習により、ロボットは時間の経過とともにさまざまな手法を使用してオブジェクトを処理し、最適なものを選択することを学習します。ロボットは、あらゆる状況であらゆるタスクを実行できるようになり、柔軟性が向上します。

ロボット工学技術の柔軟性の向上により、ロボットの用途は広がり、軍事、廃棄物処理、物流と配達、輸送などの関連業務で重要な役割を果たすようになります。SF映画のロボットがスクリーンから現実の世界に移行するのもそう遠くないと思います。

学術レビュー

知能ロボットが未来の生産性を再構築

著者：徐華哲（清華大学学際情報科学研究所助教授）

トレイを持って丁寧にコーヒーを手渡してくれる人型ロボットであれ、目を輝かせて人類を滅ぼそうとする鋼鉄の巨獣であれ、人間はロボットについて常に無限の想像力を持っています。 「ロボット」は古くて新しい言葉です。1921年にはチェコの劇作家が脚本の中で組み立てライン上の機械人間を「ロボット」と呼んでいました。 1941年には、SF作家アシモフが出版した小説『ランアラウンド』の中で、「ロボティクス」という言葉が初めて登場しました。 SFから科学まで、ロボット工学は長い発展過程を経てきました。今日、科学者たちは、これらの「鉄の男たち」が「腕」で物体を操作したり、犬のように「走ったり」、さらには人間のように「二足歩行」したりすることを徐々に許可しつつある。人工知能が徐々に成熟しつつある2022年、ロボット研究や関連産業も新たな活力を見せ始めています。

人工知能、特にディープラーニング技術は、多くの人にとって目新しいものではありません。携帯電話の顔認証決済、自撮り写真のフィルター、オンライン広告の推奨システムなどはすべて、データからパターンを学習し、さらにはデータを生成するディープラーニングに依存しています。人工知能科学者の研究の観点から見ると、カメラが「目」として、音声処理技術が「口」としてすでに存在している今、次の自然なステップは、インテリジェントな「手」と「足」を搭載することです。ロボット工学の研究者にとって、すでに走ったりジャンプしたりできる電子機械装置に「脳」をどのように搭載するかが最近のホットな話題となっている。

そのため、人工知能とロボットの統合は避けられないトレンドになっています。人工知能ロボットは、従来のロボットのように特定の動作を完了できるだけでなく、知覚と環境の変化を組み合わせ、モデルを通じて一般化し、一般的な目的を達成することができます。この「強力な組み合わせ」により、最も未来的な想像空間が誕生します。ロボットは、センサー情報のみを頼りに、構造化されていない空間、つまり人間が実際に生活する空間で、一連の複雑なタスクを完了することができます。たとえば、春節の期間中、大晦日のディナーをすべてロボットが準備してくれると想像できますか?

もちろん、今日の人工知能ロボットは、私たちが想像するような相当レベルの知能を備えたシリコンベースの生物からはまだまだ遠い。それでも、人類のより賢く、より強力なロボットの追求は止まることはありません。 2019年、「Robot Dexterity」はMIT Technology Reviewの「世界の画期的テクノロジートップ10」の1つに選ばれました。関連論文では、その年にセンセーションを巻き起こしたロボット研究、「Robot Dexterity Dactyl」プロジェクトについて言及されていました。 OpenAI の研究者たちは、深層強化学習を使用して、ロボットハンドが大量のランダム化されたシミュレータシミュレーションデータでルービックキューブを解く戦略を自律的に学習できるようにし、この戦略を実際の機械的な器用な手に適用しました。このプロジェクトが大きな影響力を持つのは、第一に、「強化学習」によってロボットが人間の明示的な指示なしにタスクを完了する方法を学習できるようになり、それが高レベルの知能の指標となるからです。第二に、シミュレーション環境から実際のロボットアームへの移行を実現し、シミュレーションの完成とアルゴリズムの改善から実際の展開までの明確で実現可能な道筋を見ることができます。

偶然にも、ETH チューリッヒとインテルのロボット工学の専門家は、同様のアプローチを使用して、シミュレーション環境で深層強化学習を通じてロボット犬を訓練しました。訓練を通じて習得した戦略は最終的に ANYmal ロボット犬に使用され、これまで遭遇したことのないような多様で複雑な表面でも歩行できるようになりました。以前は、この問題に対処するために、ロボット科学者やエンジニアがさまざまな地形に対して多くの手動による最適化と統合を実行する必要がありました。この世界的に有名な成果を達成できた主な理由は、人工知能ロボットがシミュレーション環境ですでにさまざまなより複雑で険しい道路を経験しており、現実に容易に適用できることです。

もちろん、ロボットと人工知能の組み合わせは、上記の 2 つの例よりもはるかに広範囲にわたります。 Google の科学者たちは、ロボット (TossingBot) に腕を高速で動かして物を投げることを教えました。カリフォルニア大学サンディエゴ校の研究者たちは、ロボット（DexMV）にビデオから手の動きを学習させるように教えようとした。スタンフォード大学とMIT（私が所属するチーム）の研究者たちは、ロボット（RoboCraft）に柔軟な物体を操作したり、餃子を作ったりすることを教えようとしました。今日の人工知能アルゴリズムは、これまでは人間にしか不可能だった複数ステップの不規則なタスクをロボットが完了するのに役立ちます。ロボットはもはや、組立ライン上で指定された単一の動作しか実行できない単なる機械アームではありません。これにより、人工知能とロボットの境界が曖昧になるだけでなく、生産性がさらに向上し、人間はリスクの高い反復的な労働から解放されます。

もちろん、十分に知能の高いロボットを開発するには、まだかなりの課題が残っています。アルゴリズムレベルでは、ディープラーニングに基づく一連のテクノロジーはすべて、ニューラル ネットワークの適合能力に依存しています。しかし、ニューラル ネットワークの経験がある研究者やクリエイターは、ニューラル ネットワークの「信頼性のなさ」を経験しています。ニューラル ネットワークが 100% の精度を達成することは非常に困難です。スマートロック解除などのアプリケーションシナリオでは、ニューラルネットワークが「ミス」をした場合、ユーザーが電話のロックを解除できず、複数回の試行が必要になるだけになる可能性がありますが、ロボットアプリケーションでは、人々の生命と財産を脅かす可能性が非常に高くなります。同時に、ロボットがこれまで見たことのない極端なケースに対処させることも非常に困難です。なぜなら、ロボットがトレーニングデータセットやシミュレーターでそのようなシナリオを経験していない場合、現実世界では誤った判断を下すことが多いからです。ハードウェアレベルでは、高精度でペイロードが大きいロボットは高価で壊れやすいことがよくあります。ロボットのハードウェアのコストを効果的に削減し、何千もの家庭で利用できるようにする方法は、ロボット研究者や起業家の大多数が直面している重要な課題でもあります。

さらに、人工知能ロボットの発展に伴い、ロボット倫理は徐々に人々の視野に入ってきました。アシモフは、SF小説の中で早くから「ロボット三原則」を提唱している。「第一に、ロボットは人間を傷つけたり、危険にさらしたりしてはならない。第二に、ロボットは人間から与えられた命令に従わなければならない。ただし、そのような命令が第一原則に反する場合は除く。第三に、ロボットは、そのような命令が第一原則または第二原則に反しない限り、自らの存在を維持してもよい。」人々がロボットに対して常にさまざまな懸念を抱いていることが感じられます。ロボットが「目覚める」瞬間にはまだ遠いが、人々は依然として多くの倫理的問題について考える必要がある。たとえば、ロボットが人間とコミュニケーションをとるとき、何らかの固有の印象により間違った人称代名詞を使用するでしょうか?大量のロボットが人間の仕事の一部を奪うことになるのでしょうか？あらゆる技術の爆発的な進歩には、それに伴う社会的、倫理的問題が伴います。これは、技術と人間の生活を統合する過程で私たちが考え、解決しなければならない問題でもあります。

私たちはどのようなテクノロジーにアクセスできますか?どのようなロボットを作ることができるでしょうか？これらのロボットの登場により、人間の生活はどのように変化するのでしょうか?人類は好奇心を頼りに、未知の領域を探求し、想像した未来を一歩一歩追い求めています。中国では、すでに家庭内の掃除ロボット、レストラン内のサービスロボット、自動運転（移動用車輪付きロボットとも言える）、工場内の汎用ロボットアームなどが見受けられます。近い将来、これらのロボットはより賢い「頭脳」とより適切な「身体」を備え、より困難なタスクを完了できるようになるでしょう。人間の研究と合理的な制約の下で、ロボットは人々の生活をより便利で快適なものにします。

この記事は、「科学技術の頂点：世界の画期的な技術革新と今後の動向」（人民郵政出版、2023年1月）から抜粋することを許可されています。

特別なヒント

1. 「Fanpu」WeChatパブリックアカウントのメニューの下部にある「特集コラム」に移動して、さまざまなトピックに関する人気の科学記事シリーズを読んでください。

2. 「Fanpu」では月別に記事を検索する機能を提供しています。公式アカウントをフォローし、「1903」などの4桁の年+月を返信すると、2019年3月の記事インデックスなどが表示されます。

著作権に関する声明: 個人がこの記事を転送することは歓迎しますが、いかなる形式のメディアや組織も許可なくこの記事を転載または抜粋することは許可されていません。転載許可については、「Fanpu」WeChatパブリックアカウントの舞台裏までお問い合わせください。