2019-01-30 ｱﾒﾘｶ合衆国・コロンビア大学
・ コロンビア大学が、物理的現象や物体の形状等に関する予備知識無く、物体を自己学習するロボットシステムを開発。
・ 約一日間の深層学習(DL)による集中的なコンピューティングで構築したセルフ・シミュレーションを利用し、計画の作成や変化する状況への対応により、新しいタスクや自己の身体の損傷の検出・修理を行う。
・ 自由度 4 のロボットアームがランダムに挙動し、それぞれが 100 ポイントを含んだ 1000 通りの軌道を収集した後、ロボットが DL によりセルフ・モデルを構築。最初のセルフ・モデルは不正確で、ロボットは何の知識も持たず、自己の関節が接続している様子等の認識ができなかったが、35 時間程度のトレーニング後には、セルフ・モデルと実際のロボットアームが約 4cm まで一致した。
・ このセルフ・モデルは、閉ループでピック・アンド・プレイスタスクを実行。セルフ・モデルのみに基づき、軌道に沿った各ステップでの元の位置をロボットが再測定できた。閉ループ制御では、成功率 100%でロボットがオブジェクトを特定の位置で把持してゴミ箱に捨てることができた。
・ セルフ・モデルのみに基づくタスクの実行を伴った開ループシステムでも、外部フィードバック無く 44%の成功率でピック・アンド・プレイスタスクを完了。これは、目を閉じたまま水の入ったグラスを持ち上げるような、人間にも困難なタスク。
・ 同セルフ・モデリングロボットでは、マーカーを使用してテキストを記入するといったタスクも可能。また、3D プリント作製した損傷を模倣したパーツを用いて損傷検出を試験した結果、ロボットは損傷を検出し、セルフ・モデルを再トレーニングできた。更新されたセルフ・モデルでは、性能損失無くピック・アンド・プレイスタスクを再開できた。
・ いわゆる「ナロー(特化型）AI」という制約から、より汎用的な能力獲得へとロボティクスを移行させるには、セルフ・イメージングが鍵であるとし、人間と比較すれば未完成ではあるが、本研究で確立したセルフ・モデリング能力は機械による自己認識へとつながるものと考える。
・ 自己認識能力はより柔軟で高適応性のシステムを可能にするが、制御の損失が同時に懸念されるため慎重な対処が必要。今後は自己の身体だけでなく、心の働きのモデル化についても研究を進める。
URL: https://engineering.columbia.edu/press-releases/lipson-self-aware-machines
（関連情報) Science Robotics 掲載論文（アブストラクトのみ：全文は有料）
Task-agnostic self-modeling machines
URL: http://robotics.sciencemag.org/content/4/26/eaau9354
<NEDO海外技術情報より＞
Abstract
A robot modeled itself without prior knowledge of physics or its shape and used the self-model to perform tasks and detect self-damage.
- Copyright © 2019 The Authors, some rights reserved; exclusive licensee American Association for the Advancement of Science. No claim to original U.S. Government Works
This is an article distributed under the terms of the Science Journals Default License.
