Google DeepMindとBoston Dynamicsの研究者によって創設されたGeneralist AIは、タスク固有の訓練なしに短い動画から物理的なタスクを学習し、条件が変わると対応を適応させるロボットアームを実証した。
スタートアップは特殊な計測グローブを装着した作業者が収集したデータを使用してゼロからAIモデルを構築しており、ロボットは学習したタスクの成功率が平均して約59パーセント。
専門家は同社を実際のビジネス環境での汎用ロボット導入に最も近い企業と見なしているが、技術はまだ本番運用に必要な信頼性を備えていない。
何が起きたか
マサチューセッツ州ケンブリッジのロボティクス企業Generalist AIが、短い教育動画を見るだけで物理的なタスクを習得するロボットアームを開発した。タスク固有の訓練は不要で、ロボットは条件の変化に即座に対応する。例えば、グリッパーを切り替えたり、元の工具が使えない場合は塵取りをブラシとして使用したりする。
なぜ重要か
従来、ロボットに新しいタスクを訓練させるには数千の事例が必要で、照明などの条件が変わると失敗していた。大量の高品質な人間が収集した訓練データと独自のAIモデルに基づくGeneralist AIのアプローチは、ロボットに人間のようなより柔軟で適応的な能力をもたらし、製造業や他の実ビジネス環境での迅速な導入を可能にする可能性がある。
注目点
現在の成功率は平均して約59パーセント。Generalistは信頼性がまだ導入に十分ではないと述べている。同社は正確な訓練方法は明らかにしていないが、作業者が装着するカメラ搭載の特殊グローブを使って大量のデータを収集している。
Generalist AIのブレークスルーの中心は、ロボットがどのように訓練されるかについての根本的なパラダイムシフトにある。新しいタスクごとに数千のラベル付き事例を必要とする代わりに、同社は人間が収集した大量の物理的相互作用データで訓練された汎用ロボティックモデルの構築に投資してきた。主要なイノベーションは、作業者が装着するカメラ搭載グローブの使用であり、ロボットはどのアクションを取るかだけでなく、物理世界がどのように反応するかを学習し、人間と子どもが運動スキルを発達させるのと同様の物理への直感的な理解を構築する。このアプローチは、照明が変わるか他の変数がシフトするときに失敗していた従来のロボティクス訓練とは大きく異なる。
創設者の実績は重要である：Pete Florence、Andrew Barry、Andy ZengはGoogle DeepMindとBoston Dynamicsから来ており、これら2つは世界で最も先進的なロボティクス研究機関である。スタートアップへの移行は、狭いタスク固有のモデルではなく汎用ロボティックモデルが将来を代表するという意図的な賭けを示唆している。同社の仕事に精通しているGeorgia TechとStanfordのロボティクス専門家は、Generalist AIをデータ収集の規模と品質の両方と実行の強さで際立たせるものとして、そして最も重要なことに、研究室ではなく実際のビジネス環境にロボットを導入する最も近い企業として特徴付けている。
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できます
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
