大都市での配達や輸送のために自動車やドローンがすでに人間の介入なしで稼働しているシナリオでは、多用途のロボットが職場や家庭でも役立つというアイデアがますます近づいています。しかし、この未来の実現は、より自律性の高い機械の開発を推進する人工知能の進化に直接関係しています。
この大胆な視点は研究者を刺激し、その多くがスタートアップの創設者となり、数十億ドルの投資を集めました。マサチューセッツ州ウォルサムのロボット会社ボストン・ダイナミクスのソフトウェア担当副社長マット・マルカーノ氏は、この変革を強調する。「おそらく15年前に私が始めたとき、チームの目標はロボットに地点Aから地点Bまで移動させることだけだった。そして今、自律性について考えるとき、私たちはロボットが単独で行うと想像できる幅広いタスクや事柄について考えるようになっている。」
以前は、『ジェットソンズ』の象徴的なロージーや『スター・ウォーズ』の C-3PO のような汎用自律ロボットの構想は、遠い現実のように思われていました。ロボット研究室や企業は、ナビゲーションやバランスなどの基本的な課題に直面していました。 1979 年、実験車両であるスタンフォード カートは、障害物のある部屋をわずか 20 メートル移動するのに 5 時間かかりました。転ばずに歩行できる最初の二足歩行ロボットが登場したのは1996年のことだった。
マルカーノ氏にとって、ロボットの自律性は常に「常に移動する目標」であり、人間による直接の監督を必要とせずに機械がより多くのタスクを実行できるようにすることを目指している。国際標準化機構 (ISO) は、ロボット工学における自律性を「人間の介入なしに、現在の状態と収集された情報に基づいて意図されたタスクを実行する能力」と定義しています。
2010 年代の強化学習や 2020 年代の膨大な量のデータでトレーニングされた大規模なベースライン モデルなど、人工知能の最近の進歩により、「ロボットが一連のアクティビティを実行し、実際にタスクを理解できる世界を想像できる」可能性が「解き放たれた」とマルカーノ氏は言います。これらの進歩により、ロボットは、事前定義されたコマンドの単なる実行者から、複雑な意思決定を行い、リアルタイムでパターンを認識できる機械へと進化し、大きな進歩を遂げました。現在、研究室や企業は、より複雑で予測不可能な環境で独立して動作する汎用ロボットの開発に熱心に取り組んでいます。
この種の開発には巨額の投資が行われているにもかかわらず、これらのロボットは必ずしも人型の外観を持つ必要はないことを強調することが重要です。形式に関係なく、工場や倉庫などの管理された環境ですでに特定のタスクを実行している何百万台もの既存の産業用ロボットやサービス ロボットと比較して、大きな進歩を示しています。
カリフォルニア大学バークレー校のコンピューター科学者でフィジカル・インテリジェンスの共同創設者であるサーゲイ・レビン氏は、この違いについて次のように説明しています。「組み立てラインがあり、ロボットは特定の動作を実行する必要があり、その動作が確実に繰り返し実行される場合、それは工場における基本的な自律性レベルを表します。しかし、次のレベルは、現在可能なことの最前線にあり、現実になりつつある研究テーマとして、ロボットが確実にタスクを実行できるようにすることです。構造化されていない環境では。」
AI によって推進されるこのロボット工学の新時代への移行には、多機能ロボットの作成、これらの機械の安全性の確保、ロボット手術などの分野の限界の理解、ロボットが実際にホームヘルパーになる時期の予測などの課題の検討が含まれます。
現代の人工知能がロボット工学の世界をどのように変えるか
Levine 氏のスタートアップ企業である Physical Intelligence は、さまざまな種類のロボットがさまざまな環境で自律的に動作できるようにする実用的なロボット インテリジェンスを追求しています。 「何でもできる超高度なヒューマノイドのような、究極のロボットになるとは思いません」とレバイン氏は語った。彼は、「機能に適したさまざまなロボットを駆動できる汎用 AI モデル」を信じています。
レバイン氏は、ニューヨークのコンパクトなアパートには天井に固定された小型のロボットアームが理想的かもしれないが、農場では重い物体を動かす能力を備えた「巨大で堂々としたロボット」の方が役立つだろうと説明する。 「我々には優れたヒューマノイドがいるだろうが、それ以外のものもあるだろう。任務に最も意味のあるものは何でもあるだろう」と彼は付け加えた。
しかし、現実世界の環境でより独立性の高い自律ロボットを開発するには、「技術の複雑さの根本的な変化」が必要だとレバイン氏は言う。それは、高度な環境認識、堅牢な運動能力、基本的なエラーを克服して人間の指示を処理する能力、そして行動を新たな状況に一般化する能力に対処する必要性について説明しています。
物理的知能の研究者たちは、言語コマンドを解釈し、スキルを再結合して新しいタスクを解決する、ロボット用の汎用 AI モデルを開発しました。
多くの科学者が、強化学習や大規模な事前トレーニング済みモデルなどの AI 技術を組み合わせて、このビジョンを現実にしようとしているとレバイン氏は説明します。強化学習により、ロボットは物理世界との対話においても、シミュレーションにおいても、試行錯誤を通じて特定のタスクを実行できるようになります。同時に、視覚言語モデルなどの膨大なデータでトレーニングされた基本モデルが事前知識を提供するため、ロボットはさまざまな状況で適切に反応し、エラーを回避できます。
「強化学習は、テニスのスイングを何度も練習して本当に上手くなるのに似ています」とレバイン氏は言う。 「しかし、そこに到達するには、まず最初にある程度の常識を持っている必要があります。」
レバイン氏によると、これらの AI 技術と、トレーニング データ (タスクをデモンストレーションするためのロボットの人間による遠隔操作など) の利用可能性の向上とを組み合わせることで、ロボットがさまざまな条件下でさまざまな活動を確実に実行できるようにする「心強い」進歩がもたらされました。 「最新の機械学習システムがどのように機能するかについての鍵は、一般化を観察できるように十分なクリティカルマスのデータを取得することです」と同氏は述べた。
しかし、ロボットの物理的な作業の訓練に適したデータが依然として著しく不足しています。人間が物理的にロボットを誘導したり、研究室で無数の実験テストを実施したりする遠隔操作などの方法は、費用と時間がかかります。物理原理に基づくシミュレーションは、仮想環境ではよりコスト効率が高い可能性がありますが、多くの場合、現実世界の複雑さと不確実性を捉えることができません。
ロボット工学の科学者は、ロボットが自身の物理的行動の結果を予測し、それに応じて計画を立てることができるように、現実世界のモデルも開発しています。これらの AI モデルの一部の実装は視覚データを使用してトレーニングされ、物理環境がどのように機能するかを教えます。企業は一人称ビデオを収集し、このデータを作成するために家事やその他の活動を行うときに頭に装着するカメラを着用する従業員を雇うこともあります。
このトレーニング アプローチは物理的なロボット実験よりも安価ですが、現実世界のモデルの開発は依然として計算コストが高く、複雑な物理的相互作用を正確に再現するのが難しい場合があります。
今のところ、汎用ロボットはまだ現実には程遠い。強化学習などの現在のトレーニング方法では、制御された条件下では特定のタスクで効率的なロボットを作成できますが、異なる条件下では同じタスクでは失敗する可能性があります。遠隔操作やその他の方法から得られるデータの多様性により、「さまざまなタスクに対応できるロボットの訓練が可能になりますが、99.99% の堅牢性レベルでは実現できない」とレバイン氏は指摘します。
「妥当ではあるがまったく驚くべきものではないもの、あるいは 1 つのことだけにおいて非常に優れているものもあります」と彼は言いました。 「私たちはあらゆる点で非常に優れたものを本当に望んでいますが、これは今でも研究の最前線にあります。」
ロボット工学のイノベーションを職場に応用
幸いなことに、社会は汎用ロボットの実用化を待つ必要はありません。企業は何十年にもわたって、特殊な産業用ロボットやサービスロボットを開発、販売してきました。現在、新興企業も既存企業も、ロボットの自律性における最新の進歩を応用して、ますます広範囲にわたるタスクに取り組んでいます。
最もよく知られている企業の中には、1992 年に MIT の研究室で設立されたボストン ダイナミクスがあります。同社は、2026 年のワールドカップ中にサッカーの動きを表示した人型アトラスなど、四足歩行ロボットおよび二足歩行ロボットのデモンストレーション ビデオで広く知られています。
ボストン・ダイナミクスの四足歩行ロボット「スポット」は数年にわたり、ナショナル・グリッドが運営するマサチューセッツ州の変電所やカリフォルニア州の高速道路下の地下パイプラインなど、人間にとって危険な場所で自律点検を実施している。
ボストン・ダイナミクス社の人型ロボット Atlas は、実験室テストで、サプライヤーのコンテナとモバイル シーケンス カートの間でモーター カバーを自律的に移動させる能力を実証しました。
Malchano 氏は、このロボットの自律性は「環境内を移動し、その環境内で写真を撮ったり、センサーで測定したりして、独自に行動を実行するロボットの能力に関するものです」と説明します。同氏は、これはロボット工学の専門家ではないが、施設のメンテナンスや故障の防止に重点を置く人々向けに同社が販売する製品に組み込んだ機能であり、すでに利用可能な自律性の形態を表していると付け加えた。
Spot が直面した具体的な課題は、顧客環境の滑りやすい床の上で動き回る方法を学習することであり、強化学習による追加のトレーニングが必要でした。 「ロボットの歩き方と、滑りやすい床の上にあることを認識するロボットの能力を再トレーニングし、人間が氷の上を歩くのと同じように、安定した状態を保ち、その上を移動するための措置を講じます」とマルカーノ氏は詳しく説明しました。
同時に、大型ロボットアームを備えたボストンダイナミクスストレッチロボットは、DHLなどの物流会社の倉庫で箱やかさばる荷物を扱うために使用されています。 「私たちは、現実世界と対話するときに遭遇するさまざまな梱包形式、トラックの積み込み方法、トラック自体の構造にロボットを継続的に適応させてきました」とマルカーノ氏は説明しました。
Boston Dynamics also intensifies production of the humanoid robot Atlas, now fully electric.アトラスは、韓国の親会社である現代自動車グループの管理下にあるメタプラント ロボット アプリケーション センターで訓練およびテストが行われています。目標は、アトラスロボットが2028年までにジョージア州の巨大な電気自動車工場である現代自動車グループのメタプラント・アメリカで作業を開始することだ。
「ヒュンダイと提携できたことは非常に幸運だったと思います。ヒュンダイは明らかに素晴らしい車を大規模に生産しています」とマルカーノ氏は語った。 「この機能を活用してこの規模を達成できることは、ロボットを構築する上で非常に重要です。」
ヒュンダイとボストン・ダイナミクスの共同プロジェクトは、2028年までに年間3万台の人型ロボットを生産することを目標としている。これほど多くのロボットが実現可能かどうかは、従来の人間の役割における適用性と費用対効果に左右されるだろう。しかし、現代自動車の労働者からはすでに懸念の声が上がっており、労働組合はロボット「アトラス」の今後の配備に関連して雇用を守るため、韓国自動車メーカーとの交渉で6月25日にストライキを行う可能性を承認している。この最初の抵抗は、自動化を大規模に統合する際の課題を浮き彫りにし、雇用の安全に対する懸念を引き起こす可能性があります。
今のところ、人間に近い柔軟性と適応性を備えた汎用ロボットの実現はまだ遠い現実です。 「私たちは、人に仕事の実行を依頼すれば、ほぼ毎回、トレーニングを受けて正しくそれをやってくれるだろうと期待するようになりました」とマルカーノ氏は思案する。 「汎用の AI 主導型タスクでこのレベルの信頼性を達成するには何が必要かをまだ理解しているところだと思います。」
産業オートメーションからホームサポートへの旅
Agility Robotics の共同創設者でオレゴン州立大学の研究者であるジョナサン・ハースト氏は、ロボット工学の未来は、十分なデータがあれば突然能力が現れる「ChatGPT の瞬間」のように展開するものではないと説明します。同氏は、ロボットの訓練データの収集は、インターネットからテキストや画像を収集するほど単純ではなく、環境と相互作用するロボットのすべての関節や手足の制御と調整に関連した、物理世界からのより具体的な情報が必要になるためだと主張する。
「AIを組み込むのは劇的に難しく、AIを組み込むのは10倍難しい」とハースト氏は語った。 「優れた言語モデルを可能にしたデータは、組み込み AI には存在せず、今後も存在しないでしょう。」
ハースト氏は、ロボットの進歩は今後数十年間で徐々に進み、より一般化された環境や状況で動作できるようになるだろうと予測している。彼の会社、Agility Robotics は、2024 年からジョージア州アトランタにある GXO 物流倉庫に Digit ロボットを配備するという、人型ロボット初の長期商業契約を獲得しました。これらの倉庫では、Digit ロボットがかがんで製品の入った箱を持ち上げ、ピッキングエリアからコンベアベルトまで移動させます。
それ以来、Agility は、トヨタ モーター マニュファクチャリング カナダとドイツの自動車メーカー シェフラーのサウスカロライナ工場の自動車生産ラインへの人型ロボットの導入を拡大しました。同社はまた、テキサス州サンアントニオのメルカド・リーブル施設にデジットロボットを統合する商業契約を結んでおり、ロボットはアマゾンの倉庫でテストされている。
6月24日、Agilityは、北米の主要証券取引所に上場する初の「人型ロボット専門」企業となる計画を発表した。同社は、同社のロボットは初期の商業展開とパイロットプログラムですでに65,000時間以上の稼働時間を蓄積していると述べている。
Digit の現在の職務は、主に箱やコンテナの取り扱いに重点を置いています。しかし、ハースト氏によると、次のステップは物品を集めてコンテナに入れ、その後にさまざまな形や大きさの段ボール箱を扱うことになるかもしれないという。これにより、最終的には小売店やスーパーマーケットの倉庫での作業への扉が開かれる可能性があります。これらの環境は、工場や倉庫よりも構造化されておらず、より混沌としている可能性があります。
もっと遠い将来には、Digit のような人型ロボットが自律走行車に乗って移動し、家庭に配達を行うようになるかもしれません。最終段階では、自宅で人々を直接支援することになります。しかし、ハースト氏は、ロボット工学によって子供の周りで安全に動作したり、家事を手伝ったりできるほど賢い機械が誕生するまでには数十年かかるだろうと警告している。
「最終的には、自律性とは、誰かが赤ちゃんを手渡したときにロボットがどのように反応するかということになります」とハースト氏は言う。 「もしロボットが人間の環境で本当に自律的に動作するようにするには、このような非常に複雑なエッジケースに対処し、そのような状況で適切な判断を下すためにロボットがどのように賢明になるかを考えなければなりません。」
今のところ、ハースト氏は、人間と並んで家庭内で安全に動作する人型ロボットを約束している企業は、「嘘をついているか間違っているか、2つのうちのどちらか」であると断言している。
Agility Robotics が開発した 2 桁の人型ロボットが、製造施設内の隔離された「作業セル」内で動作しているのが観察されました。
