- バークレー校が開発したAI技術は、ロボットのプログラミングと訓練プロセスを加速する。
- エージェントロボット技術は複数のAIエージェントを組み合わせて制御プログラムを生成し、ロボットの性能を向上させる。
- この技術は、大量の訓練データや手動のエンジニアリングの必要性を減少させる。
- 初期の応用は産業環境に集中しており、パッケージの仕分け能力の顕著な向上を示している。
カリフォルニア大学バークレー校の研究者が、現実世界のタスクに対応するためにロボットのプログラミングと訓練を大幅に加速するAIベースの技術を開発した。この「エージェントロボット技術」と呼ばれる方法は、複数のAIエージェントを利用してロボット制御プログラムを生成し、シミュレーション環境でテストを行い、その性能を継続的に向上させる。この技術は、大量の訓練データや手動のエンジニアリングの必要性を減少させる。これらは、強力なロボットの発展を制約する主要な課題であった。初期のテストでは、ロボットのタスクパフォーマンスの改善が示されており、産業自動化や倉庫運営における潜在的な応用が期待される。
エージェントロボット技術の利点
この新しいロボットプログラミング方法は、エージェントAI、物理ベースのシミュレーション、およびモジュール化された制御システムを組み合わせて、ロボットが大量の訓練データセットに依存せずに性能を向上させるのを助ける。エージェントロボット技術により、複数のAIエージェントがロボット制御プログラムを生成し、シミュレーション環境でテストを行い、失敗を識別し、実際のロボットに適用する前にそのコードを修正することができる。この技術は、ロボット技術における2つの長期的な課題を解決することができる:ロボットの行動をプログラミングするために必要な広範なエンジニアリングと、模倣学習によって必要とされる大量の現実世界データ。
研究チームは、産業タスクにおけるロボットのパフォーマンスを評価するための業界標準のベンチマークを発表した。従来、ロボットの専門家は2つの広く用いられる方法に依存していた。モデルベースのロボット技術は、エンジニアが物体を認識し、動作を計画し、行動を制御する方法を手動でプログラミングする必要があり、一方でノンモデルロボット技術は、デモンストレーションと模倣学習を使用してロボットにタスクを実行させる。前者は大量のエンジニアリング努力を必要とし、後者は膨大なデータセットと長い訓練時間を必要とする。エージェントロボット技術は、これらの方法の利点を組み合わせつつ、その制限を減少させることを目指している。
この方法は、「グラフを戦略として」というフレームワークを使用して、複雑なロボットタスクを、物体の認識、グラブ動作の計画、および周囲の物体に衝突せずにロボットのハンドを移動させるなど、より小さく再利用可能なスキルに分解する。AIエージェントは、これらの個々のスキルを結びつけて、完全なロボット制御プログラムを構築する。NVIDIAのIsaacシミュレーションフレームワークを利用して、研究者は異なる条件下でこれらのプログラムをテストし、問題を特定し、性能を向上させるためにコードを繰り返し修正した。これにより、エンジニアが最終プログラムを実際のロボットに展開する前に、ロボットは複数回の仮想テストを経ることができる。
デモの一つでは、ロボットがスポンジを使用して金属棒のインクを拭き取る様子が示された。研究者はAIシステムに短いビデオを提供し、シミュレーションインターフェースにアクセスさせた。1時間以内に、そのシステムは物理シミュレーションを生成し調整し、このタスクを再現した。これには、現実的なスポンジの変形が含まれていた。その後、AIはそのシミュレーションと「グラフを戦略として」フレームワークを利用してロボット制御プログラムを生成した。AIはコードを繰り返しテストし、改良を行い、その後、実際のロボットに移行した。ある試験では、ロボットが物体の重さを正確に考慮しなかったため、金属棒を倒してしまった。
システムはこの失敗のビデオを使用してシミュレーションを更新し、制御プログラムを修正し、新しい方法をテストした。このフィードバックプロセスにより、AIエージェントは実際の試験での失敗を活用してシミュレーションを改善し、次の試みを洗練させることができ、手動エンジニアリングの作業量を潜在的に減少させる。
技術の産業物流への応用
この技術は、産業物流でもテストが行われた。ある倉庫ロボット会社は、これらの方法をパッケージの仕分けに応用し、生産データを分析し、ロボットの行動の更新をテストした。試験報告によれば、各ロボットの仕分け能力は年間15,000個以上向上した。この会社は、米国の車両の30%にこれらの改善を展開している。研究者はまた、NVIDIAのIsaacシミュレーションフレームワークに基づいて構築されたオープンソースコードを公開し、異なるタスクにおけるロボットのパフォーマンスを評価するための業界ベンチマークを提供した。
初期の応用は産業環境に集中しており、ここでは繰り返しの操作がロボットの行動をテストし、改善する機会を提供している。
この方法は最終的に、ロボットシステムが変化する要求に適応しやすくする可能性がある。手動で各動作をプログラミングしたり、新しいタスクのために大量のデモデータを収集したりする必要がなくなる。しかし、これはロボットが任意の現実世界の活動を独立して習得できることを意味するわけではない。その即時の潜在能力は、特に構造化された産業環境において、ロボットのプログラミング、テスト、改善をより迅速かつ適応的にすることである。
AI技術がロボットプログラミングの方法を変える
新たに開発されたエージェントロボット技術は、特に従来の方法への依存を減少させる点で、ロボットプログラミングにおけるAIの潜在能力を示している。シミュレーションとモジュール化制御を組み合わせることで、この技術はロボットの性能を向上させるだけでなく、産業環境において変化する要求に迅速に適応することができる。これは、生産効率を向上させ、コストを削減する上で重要であり、特に大量の繰り返し操作が必要なシーンにおいて意義がある。技術がさらに発展するにつれて、将来的にはより多くの自動化ソリューションが登場し、産業自動化の進展をさらに推進する可能性がある。

