今後数十年間で、数十億台の自律型 AI 搭載ロボットが工場で人々とともに働き、倉庫で単調な作業を行い、高齢者の世話をし、安全ではない災害地域を支援し、荷物や食料を玄関先に届け、最終的には家庭を助けるようになるでしょう。私たちに似ている人もいますが、そうでない人もたくさんいます。確かなことは、フォームファクターに関係なく、ロボットはすべて、現実世界の価値を提供するために AI に大きく依存するということです。
2025 年にロボット企業への投資総額は 全リスクファイナンスの9％にあたる407億ドルを記録。つまり、10 億ドル規模の問題は次のとおりです。AI を搭載したロボットが経済に深刻な影響を及ぼし始めるには何が必要でしょうか?今日のロボット工学および AI 企業の多くは、人型ロボットが 彼はもうすぐ私たちの家に入るでしょうしかし、約束と現実の間には依然として大きなギャップがあります。
ロボットが私たちと一緒に暮らし、働くという約束は、長い間 SF の世界の話でした。そして、多くのプログラマーがこの約束を現実にしようと試みてきましたが、物理世界は従来のコンピューター プログラムにとっては無限の複雑さを処理するにはあまりにも複雑すぎます。 AI のおかげで、ロボットはもはやプログラムされず、代わりに現実世界で行動することを学習します。十分な練習を積めば、周囲の世界を認識して理解し、その世界について考え、理性と理解を使って有用で信頼性が高く安全なタスクを実行することを学ぶことができます。
私たちは、オレゴン州立大学のロボット工学教授および Agility Robotics の共同創設者として、また Google X でムーンショットを行った Everyday Robots の元 CEO として、過去 10 年間、AI とロボット工学の最先端で働いてきました。AI 搭載ロボットを現実世界の環境に導入した経験は、より複雑で複雑な範囲のロボット システムにおいて AI をどこで使用できるかについての見通しを与えてくれました。フィクションです。私たちは人工知能によってロボット工学の進歩における変曲点が可能になると考えられていますが、それは単一の ChatGPT スタイルの画期的な進歩ではなく、さまざまな人工知能ツールの調整されたシステムのよく設計されたアプリケーションを通じて行われます。
人工知能をめぐる興奮と、何が可能になるかという不確実性は比例するものですが、ロボット工学における人工知能を定義する 5 つの厳然たる真実をここに挙げます。
1. YouTube と現実のギャップは本物です
私たちは何年もの間、ダンスフロアから障害物コースに至るまで、あらゆる場所で驚くべき動きを披露する人型ロボットの動画を YouTube で見てきました。ロボット工学の内部知識は、「YouTube のロボット動画を決して信用してはいけない」です。構造化されていない人間の環境で実際の作業を実行できる実際のロボットと、慎重に台本および編集されたロボットのパフォーマンスとの間には、依然として大きなギャップがあります。最も注目を集めた最近のパフォーマンスは、2026 年の中国の春節祝賀会で子供たちとパフォーマンスする Unitree のようなロボットをフィーチャーした武道ショーでした。印象的ではありますが、すべてが事前に振り付けられ、計画されている、綿密に台本が書かれたロボットのパフォーマンスの長いシリーズに分類されます。低レベルの制御、同期、振り付けは素晴らしかったが、Spring Gala ロボットのパフォーマンスは、すぐにリビングルームに登場するロボットというよりは、工場で自動車を製造する産業用ロボットにはるかに近い自律性と知性のレベルを示しました。
しかし、この種のデモを見ると、ロボット工学が実際にどこにあるのかという疑問が生じます。ロボットがカンフーの動きやバク転、ダンスを実行できるのであれば、なぜロボットは未だに工場の現場に現れないのでしょうか?そして、なぜ彼らは夕食後に私の家で皿を洗えないのですか？簡単な答えは次のとおりです。AI を搭載したロボットを、多様でありながら人間がいる環境でも一般的なタスクを実行できるようにすることです。 本当に 難しい。春節でのような印象的な技術成果を見ると、かなり近づいているように思えるかもしれませんが、これらのデモでの AI の使用は、（ロボットの落下を防ぐための）低レベルのモーター制御にのみ使用されており、したがって、私たち人間が暮らし、働く現実の理解できない空間における汎用ロボットのソリューションのほんの一部にすぎません。
2. データは未解決の課題です
OpenAI の ChatGPT や Anthropic の Cloud などの大規模言語モデル (LLM) は、当初、Web スケールのテキスト データベースでトレーニングされました。 2022 年後半のある日、世界は ChatGPT によって目覚め、人工知能コンピューターが突然、散文や詩、そして一見あらゆる主題について私たちに「話す」ことができることを証明しました。修士課程プログラムは十分に設備が整っていることが判明し、マルチモーダルな入力 (テキスト、画像、ビデオ) を受け取り、マルチモーダルな出力を生成できるようになりました。重要なのは、トレーニング データ コーパスが膨大で生成されたことです。これは、AI トレーニングのゴールド スタンダードを構成する特徴です。
日常生活の一部としてロボットを導入する最速の方法は、ますます高度なアプリケーションを実行し、さまざまな AI ツールを使用するさまざまなロボットの形態を通じて現れるかもしれません。アジリティロボティクス
AI に（ロボットの形で）身体を与え、物理世界の人々と関わることができるようにすることは、依然として非常に困難で未解決の問題です。汎用ロボット工学用の人工知能モデルは、よく理解されていない動的環境で動作しながら、複数の、多くの場合矛盾する物理的、幾何学的、時間的制約を同時に満たさなければなりません。一般化するには、ロボット モデルを高度な構成空間で収集したデータに基づいてトレーニングする必要があります。ここでの「寸法」は、テキスト、照明条件、自由度、関節制限、速度、力、安全制限などを表します。さらに重要なことは、そうである必要があります 良い データ – 物理世界では無限の数の可能な構成に相当する多くの例が含まれている必要があります。
このようなデータ ソースはほとんど存在しないため、遠隔操作、ビデオ分析、ヒューマン モーション キャプチャ、シミュレーションや現実世界での自己探索などのアプローチがデータを収集する重要な方法とみなされています。これは大変な仕事です。たとえば、Everyday Robots on Google X では、主にゴミ分別モデルをトレーニングするために、2022 年中にシミュレーターで 2 億 4,000 万個のロボット インスタンスを実行してトレーニング データを収集しました。各スキルが同様のレベルの能力に達するには、同様の量のデータが必要になりますが、これはまだ人間のレベルには達していません。
3. ロボットAIは単一ではなくなる
単一の AI モデルで汎用ロボットが私たちと一緒に生活し、働くことができるようになる瞬間は、まだ遠いです。
汎用ロボットには車輪や脚が付いている場合があります。彼らは 1 つ、2 つ、3 つ以上の腕を持つことができます。プロペラを備えて飛行できるものもあれば、水中で動作するように設計されたものもあります。混雑した道路を移動する人もいます。物理世界は無限に多様で複雑です。そして、ロボットを取り囲むすべての人々と他の動物がいます。これらすべての環境でロボットを安全かつ確実に操作できるようにモデルをトレーニングするにはどうすればよいでしょうか?簡単な答えは、「そうではない」です。少なくとも長くは続かない。
私たちは、汎用ロボット工学における次の大きなブレークスルーにつながる勝利の AI アーキテクチャは、ロボット用の「人工知能」であると信じています。これは、限られた監視下で複雑なタスクを実行するために、推論、計画、ツールの使用、および結果から学習できる高レベルの適応モデルです。ロボット上で実行される高レベルのエージェント モデルは、さまざまな種類のタスクに特化した一連のモデルを呼び出します。おそらく、複数のロボットがエージェント AI モデルを通じて互いに協力し調整する姿が間もなく登場するでしょう。
AI ツールはロボット工学に新しい強力な機能をもたらし、それが新しいソリューションと新しい市場を可能にします。これらの新しいモデルが広く利用可能になり、一部はオープンソース ソリューションとして利用できるようになるのは心強いことです。この可用性はインターネットで起こったことと似ています。インターネットがユビキタスになったときに真の進歩が起こりました。これらの AI ツールやテクノロジーへの広範なアクセスにより、複雑なロボットの動作が必然的に民主化されると予測しています。
4. ハードウェアは依然として非常に難しい
ロボットは多くの部品を備えた複雑なシステムであり、すべての部品が高精度で連携して動作する必要があります。ロボットが有用かつ安全であるためには、その認識システムからロボットを制御するコンピュータ、個々のオペレータに至るまで、ロボットのあらゆる部分が調整されなければなりません。
アクチュエーター、つまりモーターと車輪は、私たちをここに導いたものがそこに到達できない、ロボットの重要な部分の好例です。ほとんどの産業用ロボットの規模で使用されているアクチュエーターは、人間の環境で動作するロボットには機能しません。これらのロボットが誤って障害物に衝突すると、大きな影響が生じ、力が大きくなり、物体が壊れてしまいます。人間はそうは動きません。私たちは世界との関わり方にずっと調和しており、常に環境と接触し、その接触を利用して物事を達成しています。
鍵を錠前に差し込むという課題を考えてみましょう。人間は通常、鍵を鍵穴にぴったりと合わせて差し込むことはしません。代わりに、私たちは単に鍵穴の端を感じて、鍵を押し込みます。ロボットは、環境と互換性のある相互作用が可能な新しいクラスの力感知アクチュエータを使用して、同様の機能を達成するために新しい方法で動作できる必要があります。このようなタイプのアクチュエータは存在しますが、人の周囲で動作するように設計されたロボット システムとして大規模に一般に利用できるようにはまだなっていません。
5. 本当の価値は「簡単な」タスクから生まれます。
印象的に見えるタスクと、価値を提供する現実世界のタスクの間には大きな違いがあります。ロボット工学はモラベックのパラドックスの好例です。人間にとって難しいタスク (2 つの大きな数の乗算など) はコンピューターにとって簡単であり、人間にとって簡単なタスク (幼児を動かすなど) はコンピューターとロボットにとって非常に難しいというものです。
顧客は自分が抱えている実際の問題を解決することだけを気にしているため、顧客サービスは容赦のない現実確認です。 AI ベースのロボット ソリューションを導入したい場合は、信頼できるパフォーマンスと安全性の指標を示しながら、今日のやり方を超えなければなりません。 Agility Robotics の初期の仕事では、当社の Digit 型の人型ロボットを顧客の場所に導入しましたが、その結果、最初のハードルは安全であるという認識に至りました。人間の空間で物体のバランスを取り、操作するロボットは、職場に新たな種類のリスクをもたらします。最初の人道的な展開では物理的な障壁が必要で、アジリティは安全性の課題を解決するために数年にわたるエンジニアリングの取り組みを開始し、ロボット設計のほぼすべての側面に触れ、人間の行動を認識して制御する新しい AI ベースのアプローチに大きく依存しました。
Google の Everyday Robots は 2019 年にオフィスビル内で自律的に動作し、コーヒーショップのテーブルの清掃やゴミの分別などのタスクを実行するロボットを導入しました。私たちは、現実の世界がロボットにとっていかに「乱雑」で難しいかをすぐに学びました。この経験は、当社の AI システムのアーキテクチャと展開に影響を与え、モデルのトレーニングと改善のためにシミュレーション データと組み合わせることができる現実世界のデータを収集しました。
特定の顧客のニーズを満たす製品を作成し、現実世界の環境にロボットを展開することに重点を置くことが、AI ツールとインフラストラクチャの構造を短期的な実用性と、より広範な長期的な機能と汎用性に合わせて調整する唯一の方法です。現実世界での広範な経験がなければ、「なるほど」と思う瞬間も、特効薬のアルゴリズムも、汎用ロボットを製造するのに十分な量のデータもありません。
AI ロボットは一歩ずつ登場します
将来に目を向けると、世界がロボットを通じて人工知能を物理世界にもたらしていることは疑いの余地がありません。私たちは今、便利でスマートなマシンの「カンブリア爆発」の始まりにいます。私たちは、人工知能は単一のツールではなく、将来の経済を定義するほど強力な新しい機能を開く技術的アプローチの広大なフロンティアであると信じています。それは絶対的な瞬間に起こるものではなく、大小のブレークスルーの連続として起こり、AI 駆動のロボットがいくつかのタスクで真の価値を提供し始め、その後さらにいくつかのタスクで真の価値を提供し始め、その影響は 1,000 億ドル規模の市場に広がり、私たちの生活の質を劇的に向上させるでしょう。
ウェブサイトの記事から
ウェブ上の関連記事
