Ai2がToyBlocksを無償公開

Ai2のToyBlocksは、ロボット研究者がロボットの学習方法を見直す中で登場した。現在のロボットの多くは人が何度も作業を誘導して訓練されており、時間もコストもかかる。例を10倍得るには、はるかに多くの人件費が必要になる。Ai2のチームメンバーでトロント大学からの客員研究員Florian Shkurtiは、この従来手法について「スケールしないと考えている」と述べた。ToyBlocksは代わりに、Ai2がシアトルに持つ実際の実験環境のコンピューターシミュレーションを作成し、ソフトウェアが数千通りの異なる練習を自動生成する。研究者がその技能を実機のアームに移せるか試す前に、AIモデルがシミュレーションから学べるようにする。

この手法は今年勢いを増した。最近まで、多くのロボット研究者はシミュレーションデータの品質や量が有効なほど十分だと疑っていた。MITのロボット工学教授でWalden Roboticsの共同創業者兼CEOのRuss Tedrakeによると、それが変わったのは、OpenAIやAnthropicの強力な新モデルにより、要望に応じた詳細な模擬場面の構築が可能になったためだ。「長年の懐疑派が今、突然シミュレーションエンジニアを雇っている」と彼は語った。オープンなAI研究で長く知られるAi2だが、ロボティクスでは新参だ。昨年Nvidiaのシアトル・ロボティクス研究所からDieter Foxを採用し、約15人のチームはFoxと2人だけから始まった。Foxは、同研究所は単独で分野を進めるには「あまりに小さすぎる」として科学界の助けが必要だと述べた。

Ai2自身のテストが課題を示す。サンフランシスコの新興企業Physical Intelligenceの主要なロボットAIモデルは、緑のブロックを赤の上に積む例を1,000回分与えられ、テーブルの同じ区画ではほぼ毎回成功したが、別の場所ではほぼ失敗した。「人ならこれは簡単だろう」とFoxは言うが、ロボットはブロックを一箇所で積むことを学んだのであり、ブロックを積むことを学んだのではない。ToyBlocksはより多くのデータでこれが解決するかを試す場だが、Foxは量がすべてではないと付け加えた。「本当に重要なのは、そのデータにおける適切な種類の多様性だ」。