Boston Dynamics と Google DeepMind が提供する、よりスマートな場所をご紹介します

AI はそれを変えると約束しています。そのアイデアは、人工知能がロボットに組み込まれ、AI ソフトウェアが世界に物理的に存在するようになると、それらのロボットに論理と理解力が吹き込まれるということです。しかし、これは新しいことであり、研究の文脈で具現化された AI の例は数多く見られてきましたが、ロジック ロボットが信頼できる商業的価値を提供できるアプリケーションを見つけるのは簡単ではありませんでした。ボストン ダイナミクスは、かなりの規模で脚式ロボットを商業展開している数少ない企業の 1 つです。現在、数千人の勤勉な労働者がいます。本日、同社は、同社の四角形ロボット Spot に、複雑なタスクに使いやすさとインテリジェンスをもたらす高レベルの具体化された思考モデルである Google の Gemini Robotics-ER 1.6 DeepMind が搭載されたことを発表しました。

YouTube.com

このビデオでは家庭向けの Spot を示していますが、このパートナーシップの焦点は、脚式ロボットが商業的に実行可能であることが証明されている数少ない用途の 1 つである検査にあります。それは、産業施設の周りを歩き回り、すぐに何かが爆発しないかどうかを確認することです。新しい AI を搭載した Spot は、危険な廃棄物や危険な流出物を自律的に検索し、複雑な計器や接眼レンズを読み取り、周囲の環境で何が起こっているのかを理解する助けが必要なときに視覚言語行動モデルなどのツールを呼び出すことができるようになりました。

「Gemini Robotics-ER 1.6のような進歩は、物理世界をよりよく理解し、行動できるロボットへの重要な一歩を示しています」とボストン・ダイナミクスの副社長兼スポット担当ゼネラルマネージャーのマルコ・ダ・シルバ氏はプレスリリースで述べた。 「デバイスの読み取りや、より信頼性の高いタスク思考などの機能により、Spot は完全に自律的に現実世界の課題を確認し、理解し、対応できるようになります。」

わかった ロボットわかった

「論理」と「理解」という言葉は人工知能やロボット工学にますます使われていますが、トヨタ総合研究所のギル・プラット氏が最近指摘したように、これらの言葉は一体何なのか？ 平均 実際のロボットにとっては必ずしも明らかではありません。 Google DeepMind のロボット工学責任者、カロリーナ パレダ氏はインタビューで、「理解に関して私たちが自分自身を測る基準は、人間が答えるのと同じ方法でシステムが答えるべきだということです」と説明しました。ロボットが確実かつ安全にタスクを実行するには、ロボットが世界を理解する方法と人間がどのように理解するかの間のこのつながりが重要です。そうしないと、人間がロボットに与える指示と、ロボットがそのタスクを実行することを決定する方法との間に断絶が生じる可能性があります。

上のボストン ダイナミクスのビデオは、この潜在的に厄介な例です。スポットへの指示の一つは、「リビングルームにある缶をすべてリサイクルする」というものだった。ビデオが示すように、彼は問題なくタスクを完了できますが、その際に缶を横向きに保持しているため、液体が残っている缶にとってはうまくいきません。私たち人間は、缶の持ち方を知るために一生の経験に頼ることができるので、これを避けますが、ロボットは（まだ）そのようなグローバルな知識を持っていません。

Parada 氏は、Gemini Robotics-ER 1.6 は安全性の観点からそのような状況にアプローチしていると述べています。 「ロボットにコップの水を持ってくるように頼んだ場合、それが落ちる可能性があるテーブルの端に置かない理由になります。私たちはこれを ASIMOV インデックスで追跡します。ASIMOV インデックスには、ロボットが行うべきでないことの自然言語の例が多数含まれています。」 Spot の現在のバージョンでは、これらのセマンティック安全性モデルを操作に使用していませんが、将来のバージョンではオブジェクトを安全な方法で保持することに応答できるようにする予定です。

YouTube.com

ロボットの高レベルの思考モデルとしての Gemini Robotics-ER 1.6 と、物理世界とのインターフェイスとしてのロボット自体の間には、依然として断絶があるように見えます。 1.6 の新機能の 1 つは次のとおりです。 成功を見つけるこれは、複数のカメラ アングルを組み合わせて、Spot がオブジェクトをキャプチャしたことをより確実に伝えることができるようにします。これは、オブジェクトと対話するために視覚に完全に依存している場合には最適ですが、ロボットには、1.6 では使用されていないタッチ センサーや力センサーなど、グリップの成功を検出する他のあらゆる種類の確立された方法があります。このような理由は、ロボット工学の分野がまだ理解しようとしている根本的な問題、つまり物理データが必要なときにモデルをトレーニングする方法を物語っています。

「現時点では、これらのモデルは単なるビジョンに過ぎません」とペルダ氏は説明します。 “沢山あります [visual] ペンの持ち方に関するインターネット情報。タッチ情報に関する十分なデータがあれば、簡単に研究できますが、タッチ センシングに関するデータはインターネット上にあまりありません。」 Spot でのテストにこれらの新機能を使用する顧客は、データの一部がボストン ダイナミクスから取得されるデータをボストン ダイナミクスと共有する必要があります。

現実世界で役立つロボット

ボストンダイナミクスという事実 がある 顧客は、商用導入において AI に依存する脚式ロボットに関して、それらを異常だと考えています。そして、そうした顧客はロボットを信頼できる必要がありますが、これは AI が関与する場合には常に問題になります。 「我々はこの件を非常に真剣に受け止めている」とダ・シルバ氏はインタビューで語った。 「私たちは、何が期待できるかを把握するために、ベータ プログラムを通じて少数の顧客を対象に新しい DeepMind 機能をリリースします。また、動作すると確信できる機能のみを積極的にリリースします。」 Spot のようなロボットには到達しなければならない有用性の閾値があり、幸いなことに現実の世界では完璧を求められません。 「施設内の重要なインフラストラクチャのほとんどには、何か異常がある場合にそれを知らせる機械が設置されています」とデ・シルバ氏は言います。 「しかし、デバイス以外にも、注意を払わないと問題を引き起こす可能性のあるものがたくさんあります。私たちは、80パーセントより北のどこかが迷惑ではない閾値であることを発見しました。それを下回ると、ロボットは実際にオオカミの鳴き声を上げており、オペレーターはそれを無視し始めます。」

デ・シルバ氏もファラダ氏も、ロボットテストにはまだ改善の余地がたくさんあるという点で同意している。ファラダ氏が指摘するように、スケーラブルな商用プラットフォームとしての Spot の稀な地位は、Gemini Robotics-ER 1.6 のようなモデルがどのように最も役立つかを学び、その知識を他の組み込み型 AI プラットフォームに適用するための重要な機会を提供します。 ボストン・ダイナミクスのアトラス。これは、Atlas が次の産業用検査ロボットになることを意味しますか?おそらくそうではありません。しかし、この現実世界の経験によって、洗濯物を拾い上げたり、犬の散歩をしたり、ソーダの空き缶を汚さずに取り出せる、安全で信頼できるロボットに私たちが近づくことができれば、それは私たち全員が興奮できることです。