ロボットに埋め込まれる知性: 分散協調型の自律機械

北京が人工知能競争に大きな投資を命じ、Alibabaが人工知能を含む最先端領域にムーンショットを決めたという最近のニュースは、ロボットがすぐに新しいフロンティアになることを意味します。

すでに日本と中国のロボットは信じられないほどの可能性を秘めていると考えられます。ソフトバンクは、米国で最も印象的なロボット会社(下記のボストン・ダイナミクス)の一部を所有しています。

小売大手もロボット採用を加速する

世界最大の小売業者であるWalmartは最近、shelf-scanningロボットを50以上の場所に展開していることを発表しました。小売の将来において倉庫内のロボットがAlibaba、JD.com、そしてもちろんAmazonのビジネスプランでよりスマートになっていくにつれて、電子商取引倉庫の多くの雇用が潜在的に自動化される可能性があります。

IoT、コンピュータビジョン、自然言語処理、機械学習のすべてがロボットというカテゴリーにインパクトを与えています。ロボットがより多くのデータを処理して学ぶ方法を学ぶにつれて、ロボットが都市を変える方法はますます明白になり、ディスラプティブになります。自動走行車とドローンはその良い例でしょう。

私たちの都市はよりスマートになってきており、私たちの経済はより多くの自動化を実現しようとしています。我々はロボティクス創業の黄金時代を迎えているでしょう。ロボットが簡単なタスクを達成するのが難しいことが判明したとしても、素晴らしいロボットを作ったことの報酬はますます高くなっています。

ReportsnReportsの調査によると、ヒューマノイドロボット市場は今年の3億2030万ドルから2023年の39億ドルに成長すると予想されます(CAGR52%)。

製造業、早期教育、高齢者医療、スマートホームなどで特に大きな機会をもたらします。それでも2017年の段階では多くの面でタスクを実行できるロボットを想像するのは難しいです。最終的に都市やインフラの整備は、建設、道路修理、緊急防火、小売などのロボットによって完全に自動化されます。

ロボットに知性を組み込む

最近、Elon Muskが支援するOpenAIの一部のAI研究者が、自分たちのスタートアップ[「Embodied Intelligence」] (http://embody.ai/)を創業しました。OpenAIとバークリー大学の研究者から構成され、ベンチャーキャピタルから700万ドルを調達しています。OpenAIとバークリー大学の研究者から構成され、ベンチャーキャピタルから700万ドルを調達しています。

彼らは社名の通りロボットにAIを組み込むことを目論んでいます。CEOのPeter ChenはVergeにこう語っています。「次の10年から20年の間に、製造と組み立てのすべての作業や繰り返し行われる作業は汎用ロボットによって実行される可能性がありますが、そこに到達するためには完了しなければならない膨大な仕事の量が残されている」。

物体をピックアップし操作できるロボットを製造する場合、現時点で主に2つの選択肢があります。ロボットをどこにどのように動かす必要があるかを正確に把握し、各ステップを手作業でプログラミングすることです。これはほとんどのタスクで機能しますが、エンジニアにとってはとても手間がかかり、同時にロボットをめぐる環境が、ビデオゲームの中にあるように正確で不変である必要があります。構成する要素の位置が数ミリメートルズレているだけで、生産ライン全体が壊れてしまう可能性があります。繊維やワイヤのような変形可能なオブジェクトを扱っている場合は、ほとんど実現不可能です。

新しいアプローチでは、強化学習と呼ばれるメソッドが使用されます。これは基本的に、試行錯誤を使用してロボットに教えることができます。プログラマはボットに明示的に問題を解決する方法を教えていませんが、それ自体を把握するインセンティブを与えます。人的資源はそれほど必要ではありませんが、物理ロボットに応用する場合は時間がかかります。単一の操作を理解するのに数週間かかる場合があります。加えて、ハードコーディングのように、目に見えない驚くべきオブジェクトに直面したときにそれほど柔軟性がありません。

Screen-Shot-2015-06-10-at-1.18.49-PM-1 fig 強化学習で自動車同士が追突しないようにするPreffered Networksのデモ Via Preffered Networks

Embodied Intelligenceは模倣学習(Imitation learning)と呼ばれる別の方法に注目しています。これは人間がタスクを完了したことをロボットが監視し、その後それらをコピーすることをロボットが学習する手法です。正確な動きを模倣するのではなく、見たことを一般化して、同様のタスクのさまざまなバリエーションで動作する抽象的な命令に変換することです。

近年、カリフォルニア大学バークレー校University of California, Berkeleyの教授で、OpenAIのリサーチサイエンティストであるピーター・アビールPieter Abbeelの研究によりこの分野で確かな進歩が認められました。 2013年の下の動画では、Abbeelの研究室のロボットがロープを結ぶことを学ぶことができます。ビデオのインストラクターは、ロボットを身体の周りに物理的に移動させる必要がありますが、マシンはこれらの動きを模倣するだけではありません。同じタスクのバリエーションに適用することができます(Autonomous Robotic Knot Tying through Learning from Demonstrations )

AbbeelはPFNのテクニカルアドバイザーに就任にしており、PFNのロボティクス関連研究に対して、最新の深層学習手法をはじめとする技術的なアドバイスや指導するようになりました。

Embodied Intelligenceは同じ方法を使用しようとしていますが、仮想現実の中でコントローラによりマシンを操作することでデモンストレーションを行います。Vergeによると、Chenはこのアプローチを「驚くほど効果的」と説明し、ロボットが学ぶことができる「人間から得られる豊かな学習の兆候」があると語っています。

「30分弱のデモンストレーションから、幅広いスキルを本質的に教えることができる」(中略)「これは単にロボットに固定された軌道を教えることではない。ボールがどこにあるのかを認識し、それを持ち上げてさまざまなシナリオで配置することを教えている」。

目標はどの組立工程や生産環境にも採用できるロボットをつくること。最小限の技術的経験を持つ人でわずか数時間で仕事をすることができる。重要なのは、Embodied Intelligenceは、あらゆる種類のシナリオに適用できる学習ソフトウェアのひとつのバージョンのみを構築すること。

つまり、ひとつの学習ソフトウェアを学習させることであらゆる製造環境に対応できるようにするということです。

これはロボットの製造業への利用方法を変革し、企業が作業を簡単に自動化できるようにするものです。Amazonは自社の倉庫のための新しいアプローチを探すため、毎年の「ピッキングチャレンジ」を行っています。

Googleはロボットアームを連ならせてお互いから学ぶことができるかどうかを試しています。Kindredというスタートアップは倉庫内のロボットが課題を解決できなくなったときに、遠隔のVRオペレータに操作を委ねる仕組みを開発しました。

Embodied Intelligenceの現在の方法の精度は90%であり、工場にとって十分なレベルではない。ラインの停止や製造工程上のボトルネックが多すぎることになります。サービスの提供を開始する前に、精度を99.99%に近づける必要があるが、それには時間がかかる可能性があるようだ。最後の10%のカイゼンが最も難しいのはエンジニアが一致するところ。最後のプッシュが必要であり、Embodied Intelligenceはそれをやっているのです。

Reference

This AI startup wants to solve the hard problem of robots picking things up https://www.theverge.com/2017/11/10/16627570/robot-ai-grasping-grabbing-embodied-intelligence-startup https://arxiv.org/pdf/1710.04615.pdf

Deep Imitation Learning for Complex Manipulation Tasks from Virtual Reality Teleoperation https://arxiv.org/pdf/1710.04615.pdf

Why Now is the Best Time in History to Start a Robotics Startup https://medium.com/@Michael_Spencer/why-now-2017-is-best-time-to-start-robotics-company-c137a9f0d58e

Eye catch photo by Arthur Gatineau