車のトランクをロードトリップ用に準備するのは簡単な作業のように思えるかもしれませんが、ロボットが学習するのは決して簡単ではありません。しかし、新しい研究では、これらのタスクのトレーニングは人工知能の手に委ねられています。
今回、マサチューセッツ工科大学（MIT）とスタンフォード大学の研究者は、一連の困難を克服しながら、車のトランクやスーツケースなどの限られたスペースに物体を詰め込むようロボットに教える新しいAI技術を開発した。
具体的には、このプロジェクトは、人工知能 (AI) が単調なタスクにどのように革命を起こし、ロボットのパッケージング機能をまったく新しいレベルに引き上げることができるかを実証しました。これはまだピアレビュー（つまり、他の科学者によるピアレビューや評価）を通過していない研究ですが、専門家によると、このイノベーションは国内の組織化から火星の植民地化まで、さまざまな側面で将来性がある可能性があります。
実験中、MITの研究者らは「拡散モデル」として知られるAIの一種を利用して、ロボットにパッケージングの「芸術」を訓練した。この技術により、ロボットは、重い物品が軽い物品を押しつぶさないようにしたり、ロボットのアームが荷物に当たって損傷したりしないようにするなど、多くの困難を克服しながら、限られたスペースに物品を保管する方法を学習することができました。
「私たちは、機械学習に基づいた方法でいくつかの制限を迅速に解決したいと考えています。そうすれば、AIは従来の方法よりも速く解決できるからです」と、この研究の筆頭著者で大学院生のZhutian ‘Skye’ Yang氏はサイエンティフィック・アメリカンに説明した。
具体的には、彼の手法は「 brdsによる学習」に基づいていると説明します。これは、トレーニングデータと望ましい結果の間のパターンを識別することによってAIプログラムが自律的に学習できるようにすることで構成されています。
「ロボットを使った包装は非常に難しいですが、革命的です」と研究者らは言う。 「この取り組みにより、ロボットはその場で『思考』を開始し、最適ではないにしても、非常に優れた解決策にすぐに到達できるようになります」と彼らは付け加えています。
しかし、このアプローチのハイライトは、ストレージに関する複数の課題を同時に迅速に解決できることです。従来の方法では、ロボットがさまざまな梱包方法をテストし、それぞれを検証する必要がありましたが、このモデルでは、ロボットがさまざまな機械学習モデルを同時に探索できるようになりました。
この新しいオプションにより、問題をより完全に把握できるようになり、すべてのパッケージングの障害をほぼ同時に考慮できるようになりました。 「直感的ではない解決策がたくさんあるかもしれません。そして、その場で計画を変更することもできます」とヤン氏は言います。
複数のタスクに対応する人工知能
この偉業の著者らにとって、研究の影響は単に遠征のために荷物をまとめたり、トランクに食料品を詰めたりするだけではありません。この技術は、物流や輸送から製造や宇宙探査に至るまで、幅広い産業での応用が期待されています。
たとえば、運送業界では、運送会社がさまざまな品目を 1 つのスペースでより効率的に梱包できるようにロボットを活用することで、コストを削減し、配送速度を向上させることができます。
製造業では、機械が組立ラインでの製品の梱包を最適化し、生産性を向上させ、無駄を削減できる可能性があります。宇宙探査においてさえ、火星のような場所への潜在的なミッションにおいて、ロボットは資源や物資を保管するのに役立つ可能性があります。
このテクノロジーは、効率と生産性に与える影響に加えて、物品の保管方法を変える可能性もあります。人間はスーツケースに荷物を詰める際、重いものを底に置く、スペースに均等に分散するなど、特定の本能的なガイドラインに従います。しかし、ロボットはこうした人間の慣習に制限されず、私たちが気づかないかもしれない新しい解決策を発見する可能性があります。
専門家によると、このテクノロジーは発展し続けるため、セキュリティやプライバシーなどのいくつかの側面を考慮する必要がある可能性があります。たとえば、プロセス中にロボットがアイテムに損傷を与えないようにする方法や、これらのデバイスが収集する私たちの習慣や消費に関する機密情報を保護する方法などです。
こうした課題にもかかわらず、AI がこのタスクを改善する可能性は否定できません。このテクノロジーは、スーツケースから輸送船の貨物コンテナに至るまで、時間の経過とともに、私たちの保管や梱包の方法を変えることが期待されています。 「キッチンに家事を手伝ってくれるロボットを置きたいです」とヤンさんは言います。
そしてその可能性は地球の国境さえも超えます。 「火星に行けば、資源を梱包する最適な方法をロボットに判断させることができます」とヤン氏は提案します。現在、MIT とスタンフォード大学のチームは、ロボットが「時間厳守の意思決定」をさらに行えるようにすることに取り組んでいます。
これには、制限内でパッケージングするようにロボットに教えるだけでなく、継続的に変化する変数を考慮してそうするようにロボットをトレーニングすることも含まれます。たとえば、部屋の中を移動しながら、同時にオブジェクトを保管するというタスクを実行します。
参考文献:
- マサチューセッツ工科大学。 MIT ニュース (2023)