MITの研究者がロボットが全身を使って物体を操作できるよう支援

ブリアナ・ウェスリング 2023 年 8 月 29 日

両手全体を使ってバケツを 180 度回転させようとするロボット。 | 出典: MIT

MITの研究チームは、ロボットが指先だけでなく手や体全体を使って物体を操作できるようにするAI技術を開発した。

人が箱を持ち上げるときは、通常、手全体を使って箱を持ち上げ、次に箱を別の場所に移動する間、前腕と胸を使って箱を安定させます。 この種の操作は全身操作であり、ロボットが苦手とするものです。

ロボットの場合、ボックスが指、腕、胴体の任意の点に接触する可能性がある各場所は、ロボットが推論する必要がある接触イベントです。 そのため、ロボットには何十億もの接触イベントが発生する可能性があり、全身を必要とするタスクの計画が非常に複雑になります。 ロボットが物体を動かす最適な方法を学習しようとするこのプロセスは、接触リッチ操作計画と呼ばれます。

しかし、MIT の研究者は、スムージングと呼ばれる AI 技術とチームが構築したアルゴリズムを使用して、このプロセスを簡素化する方法を発見しました。 平滑化は、多くの接触イベントを少数の決定に要約し、タスクにとって重要ではないイベントを排除し、少数の決定に物事を絞り込みます。 これにより、単純なアルゴリズムでも効果的な操作計画を迅速に考案することができます。

多くのロボットは強化学習を通じてオブジェクトの扱い方を学習します。強化学習とは、エージェントが試行錯誤を行って報酬を得るためにタスクを完了する方法を学習する機械学習手法です。 この種の学習を通じて、システムは試行錯誤を通じて世界に関するすべてを学習する必要があります。

強化学習は何十億もの接触点を試す必要があるため、大量の計算が必要となるため、十分な時間をかけて効果を発揮する可能性はありますが、接触が多い操作の計画には理想的な選択肢ではありません。

ただし、強化学習は、さまざまな接触点を試し、結果の加重平均を計算することによって平滑化プロセスを実行します。これが、ロボットの学習を効果的に行うのに役立ちます。

MIT 研究チームはこの知識を利用して、この種の研究を実行する単純なモデルを構築し、システムがコアのロボットとオブジェクトの相互作用に焦点を当て、長期的な動作を予測できるようにしました。

次にチームは、ロボットが行う可能性のあるすべての意思決定を迅速に検索できるアルゴリズムとモデルを組み合わせました。 スムージング モデルとアルゴリズムの間で、チームは標準的なラップトップで約 1 分の計算時間しか必要としないシステムを作成しました。

このプロジェクトはまだ初期段階にあるが、この方法を使えば、指先だけでつかむ大型のロボットアームではなく、全身を使って物体を操作する小型の移動ロボットを工場に導入できるようになる可能性がある。

このモデルはシミュレーションでテストすると有望な結果を示しましたが、物体の落下など、非常に動的な動きを処理することはできません。 これは、チームが将来の研究で引き続き取り組みたいと考えている問題の 1 つです。

チームの研究には、Amazon、MIT リンカーン研究所、国立科学財団、Ocado Group から資金の一部が提供されました。 チームには、電気工学およびコンピュータサイエンス（EECS）の大学院生であるHJ Terry Suh氏が含まれており、この論文の共同筆頭著者は共同筆頭著者のTao Pang Ph.D.です。 23年、ボストンダイナミクスAI研究所のロボット工学者。 Lujie Yang、EECS 大学院生。 そして主著者のラス・テドレイク氏は、EECS、航空宇宙学、機械工学のトヨタ教授であり、コンピューターサイエンス・人工知能研究所（CSAIL）のメンバーでもある。