動作候補の結果を先に評価する
NTTが11月11日に発表した技術は、ロボットの行動候補ごとに周辺の状態がどう変わるかを予測し、実行前の比較に使う。外界の変化を表すこの仕組みを世界モデルと呼ぶ。動作を直接決める既存の制御プログラムと連携し、予測映像と成否のスコアを出す構成だ。ロボットを新しく一式作り直す話というより、行動を選ぶ前の評価を加える研究と位置付けられる。
映像生成に物理量の計算を組み合わせる
従来の映像学習では、未知の配置で物体が消えたり、不自然に変形したりする予測が課題になる。NTTは、位置、向き、速度、重さなどを推定して物理法則で次の動きを計算する「物理制御アダプタ」を映像生成モデルに統合した。接触や衝突を計算へ反映し、経験だけによる予測の弱点を補う狙いだ。専門媒体もこの構成を紹介しているが、あらゆる未知の場面で正確だと保証するものではない。
92.3％は棚積み実験の成功率
小型ロボットで荷物の積付けを模擬した実験では、技術を使わない場合の73.1％に対し、使った場合は92.3％の成功率だったとNTTは発表した。Impress Watchは、公開された行動生成モデルに世界モデルを組み合わせた棚積み実験と説明する。また、複数物体の衝突映像を含む公開データでも予測映像を評価した。棚積みの成功と映像の似具合は異なる指標で、実際の空港での作業成績とは区別したい。
手荷物への適用は社会実証を経て判断
最初の適用先には、形状や重量が異なる空港手荷物の積込み・積降ろしを想定し、Mujinと連携して実証を進める方針を示した。物流や製造などへの展開も将来構想に含む。編集上の次の確認点は、現場で使う機器や荷物、作業条件を明示した評価結果が公表されるかだ。研究段階の改善値を、そのまま人員削減や事故防止の実績に置き換えることはできない。