ロボットをもっと速く走らせたい？人工知能で制御しよう

四足歩行ロボットはもはや誰にとっても馴染みのない存在ではないはずです。ほとんどの人はメディアや企業のデモンストレーションビデオでしか見たことがありませんが、私たちは四足歩行ロボットがすでにSF映画のスクリーンから出てきたと考えています。もちろん、ロボット工学のエンジニアたちは、これらの機械が本当に人々の生活に入り込めるように、どのようにすればより多くの機能を機械に与えることができるかを今も研究している。

現在、MITの研究チームは、ロボットの能力を向上させる一つの方法は、ロボットに歩き方や走り方を教える人工知能を使うことかもしれないと述べている。

従来、エンジニアが脚付きロボットの動きを制御するソフトウェアを開発する場合、特定の入力に対してマシンがどのように反応するかを指示する一連のルールを記述します。したがって、ロボットのセンサーが脚 y にかかる力 x を検出すると、モーター a に電力を供給してトルク b を適用します。これらのパラメータのコーディングは複雑で時間がかかりますが、研究者はロボットを正確かつ予測可能な方法で制御できるようになります。

もう 1 つのアプローチは、機械学習 (ML) を使用することです。より具体的には、このアプローチは強化学習 (RL) と呼ばれ、試行錯誤を通じて機能します。 AI モデルに「報酬関数」と呼ばれる目標（たとえば、できるだけ速く移動する）を与え、その結果を達成する方法をゼロから考えさせます。これには長い時間がかかりますが、AI が仮想環境で実験できるようにすることでスピードアップできます。これが、強化学習がビデオゲームで AI を開発するための一般的な方法である理由です。

MIT のエンジニアたちはこの技術を使って、4 本足ロボット研究プロジェクト「ミニ チーター」用の新しい制御ソフトウェアを開発しました。強化学習を使用することで、ロボットは最高速度3.9メートル/秒、つまり時速約14キロメートルを達成できた。

ミニチーターが走る歩き方は少しぎこちないです。実際、子犬が木の床をひっかきながらスピードを上げているように見えます。しかしエンジニアたちは、それは AI が速度以外の点では最適化されていないためだと考えています。

ディープラーニングは速く走る方法を発見したが、その報酬関数が不明瞭だったため、「自然に見える」歩き方や人間が好む歩き方を選択する理由がなかった。このモデルは、より滑らかな（そして現実的な）移動形態の開発を導くために確かに使用できますが、現在のところ、すべての取り組みは速度の最適化のみに焦点が当てられています。

AI を使用してコントローラー ソフトウェアを開発する大きな利点は、物理的に無駄になる時間が削減されることです。あらゆる状況でロボットが動作するように手動でプログラミングするのは困難で面倒な作業であり、ロボットが特定の地形で故障した場合、人間のエンジニアが故障の原因を特定し、ロボット コントローラーを手動で調整する必要があります。

シミュレーターを使用すると、エンジニアは、固い舗装路面から滑らかな砂利道まで、あらゆる仮想環境にロボットを配置し、ロボット自身で問題を解決させることができます。実際、MIT チームによれば、シミュレーターは 100 日間のウォーキングとランニングをわずか 3 時間で実行できるとのことです。

脚付きロボットを開発している企業の中には、すでにこれらの手法を使って新しいコントローラーを設計しているところもあります。しかし、有名なボストン・ダイナミクスに代表される一部の企業は、依然としてより伝統的な方法に依存しています。同社は非常に特殊かつ正確な動きの開発に関心があるため、入念に振り付けされたビデオでは、二足歩行または四足歩行のロボットがさまざまなジャンプ、宙返り、障害物ジャンプ、さらにはダンスの動きまで行う様子が紹介されている。

現在、ボストン・ダイナミクス社の「チーター」ロボットが四足歩行ロボットの最高速度記録を保持しており、時速45.5キロメートルに達し、ボルトよりも速い。しかし、チーターの記録はすぐに破られるかもしれない。結局のところ、この記録は MIT のミニチーターよりも大きいだけでなく、安定性のためにレバーが取り付けられたトレッドミルで達成されたのです。これらの利点がなければ、AI 駆動の「チーター」がすぐに追いつく可能性があります。