先頭に立つのはロボット工学の専門家ダニエラ・ルスです! MIT の新しいアルゴリズムにより、ソフトロボットの「固有受容感覚」が実現

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

ソフトロボットといえば、ご存知の方も多いのではないでしょうか。

ソフトロボットの開発は、材料科学、ロボット工学、生体力学、センシング、制御など、複数の分野の進歩と切り離すことはできません。近年、関連分野が急速に発展し、さまざまなタイプのソフトロボットが登場し始めています。

ロボット工学と自動化に関する国際会議 ICRA 2017 で、ダヴィンチ手術ロボットの発明に貢献した香港中文大学機械自動化工学部の准教授サミュエル・アウ氏は次のように述べた。

ソフトロボットは医療分野で広く使用されており、医療ロボットのパラダイムを変える可能性もあります。ソフトロボットは外科用ロボットの究極の目標です。

もちろん、医療分野に加えて、ソフトロボットにはおもちゃという幅広い市場もあります。

この市場において、ディズニーはソフトロボットに注目しています。昨年、ディズニー・リサーチはアルゴリズムと特殊なストレッチセンサーを使用して、ソフトロボットに「固有受容感覚」の能力を与えた。

最近、世界有数のロボット学者であるダニエラ・ルス教授が率いる MIT CSAIL が同様の成果を達成しました。彼らが開発したアルゴリズムに基づいて、ソフトロボットのセンサーが最適化され、環境内での自己感知が向上し、環境と相互作用できるようになりました。

関連論文「ソフトロボティクスのためのタスクとセンサー配置の共同学習」は、2021 年 4 月に開催される IEEE 国際ソフトロボティクス会議で発表される予定です。

ソフトロボットが「ここはどこ？」と答えます。

多くの人の印象では、ロボットは硬い殻を持ち、金属でいっぱいです。これらは伝統的な硬質ロボットです。通常、有限配列の剛体ロボット関節および手足は、制御マッピングおよび動作計画アルゴリズムを通じて計算的に扱いやすくなります。

ソフトロボットは、剛体ロボットとは異なり、構造と材質の両方が非線形であり、複数の自由度を持っているため、動作タスクがより複雑になり、アルゴリズムに対する要件が非常に高くなります。

論文には次のように記されている。

ソフトロボットは無限次元の状態空間で推論する必要があり、この連続状態空間をマッピングするのは簡単ではありません (特に、限られた数の個別センサーで作業する場合、センサーの位置はロボットのタスク学習モデルの豊富さに大きな影響を与えます)。

簡単に言えば、ソフトロボットがプログラムされたタスクを確実に実行するには、体のすべての部分の位置を知る必要がありますが、ソフトロボットはほぼ無限に変形できるため、これは難しい作業です。

ソフトロボットが「私はどこにいるのか？」という質問に答えられるようにするために、科学者たちはこれまで、外部カメラを使ってロボットの位置をマッピングし、その情報をロボットの制御プログラムにフィードバックするという戦略をとってきた。

しかし、MIT CSAILのアイデアは、外部からの援助を必要としないソフトロボットを作成することです。

研究チームの見解：

ロボットに無数のセンサーを取り付けることはできません。本当の問題は、最高のコスト効率を達成するには、センサーをいくつ用意し、どこに配置すればよいかということです。

このため、 MIT CSAIL はディープラーニングに重点を置いています。

彼らは、周囲に関するより有用な情報を収集するソフトロボットをエンジニアが設計するのに役立つアルゴリズムを開発した。

具体的には、センサーの配置と複雑なタスクの表現のためのこの新しい協調学習方法は、搭載センサー情報を処理して、顕著な位置と疎な位置の選択を学習し、ロボット本体内のセンサーの位置を最適化し、ロボットが最適なタスクパフォ​​ーマンスを達成できるようにします。

論文の共著者の一人であるアレクサンダー・アミニ氏は次のように述べた。

このシステムは、与えられたタスクを学習できるだけでなく、そのタスクを解決するためにロボットを最適に設計する方法も学習できます。センサーの配置は解決するのが非常に難しい問題なので、この解決策は非常に興味深いものです。

この論文では、多くのソフトロボットが本質的にノードベースであるため、新しいアーキテクチャではポイントクラウドベースの学習と確率的スパース化を採用していることを示しています。彼らのアプローチでは、センサー設計を学習の二重プロセスとして扱い、物理的な設計とデジタル設計を単一のエンドツーエンドのトレーニング プロセスに組み合わせます。

論文では、研究者はこのアーキテクチャを PSFE ネットワーク (ポイント スパース化および特徴抽出ネットワーク) と呼んでいます。

PSFE ネットワークは、センサーの読み取り表現とセンサーの位置の両方を同時に学習できます。下の図に示すように、PSFE ネットワークは研究チームが行ったすべてのデモンストレーションとアプリケーションの中核を成しています。デモンストレーションには、物体把握予測 (B)、固有受容覚の学習 (C)、制御 (D) が含まれます。

センサーの配置に関しては、アルゴリズムが人間の直感を大幅に上回ることが判明しました。

要約すると、この研究の主な貢献は次のとおりです。

1. ひずみとひずみ速度の測定: ソフトロボットの状態を推論するためのニューラルアーキテクチャ。

2. 下流のタスクに適した最小セットのスパース確率センサー表現と、自動および手動のベースラインを上回るアルゴリズム。

3. 2 つのタスク (7 つのソフト ロボット形態の触覚知覚と固有受容) におけるタスク学習とセンサー配置の共同設計のデモンストレーション。

論文の共著者の一人であるアンドリュー・スピルバーグ氏は次のように述べた。

私たちの仕事はロボットの設計を自動化するのに役立ちます。ロボットの動きを制御するアルゴリズムを開発することに加えて、これらのロボットがロボットの他のコンポーネントを感知し、相互作用する方法も考慮する必要があります。将来的に産業界に応用されれば、その影響はすぐに現れるかもしれません。

著者について

この論文は、アンドリュー・スピルバーグ氏を含む MIT CSAIL の博士課程の学生 3 名と、MIT の教授であるダニエラ・ラス氏とヴォイチェフ・マトゥシク氏によって執筆されました。

5人の著者の中で最も有名なのはダニエラ・ルス教授です。

[[389475]]

[画像出典: HyperAI Super Neural]

ダニエラ・ラスは、MIT CSAIL のディレクター、電気工学およびコンピューターサイエンスの Andrew and Erna Viterbi 教授、IEEE フェロー、AAAI フェロー、全米技術アカデミーの会員です。彼女はコーネル大学でコンピューターサイエンスの博士号を取得しました。彼の主な研究分野には、ロボット工学、モバイルコンピューティング、データサイエンスが含まれます。

少し前に、フォーブスの AI コラムニストであり、ハイランド キャピタル パートナーズのベンチャー キャピタル専門家であるロブ トース氏が、AI 分野の代表的な女性リーダー 8 名をリストアップした記事を書きました。この 8 人の女性リーダーには、NVIDIA のエンジニアリング担当副社長で Coursera の創設者であるフェイフェイ リー氏や、ダニエラ ラス氏が含まれています。

2016年、Leifeng.comの編集者はダニエラ・ルスと徹底的な対話を行いました。

機械学習やディープラーニングは最終的に汎用人工知能（AGI）の作成に役立つかどうかという質問に対して、AIの専門家は、ディープラーニングが最終的にAGIを実現できるかどうかを判断するのはまだ不可能だと述べた。

彼女の意見では、ディープラーニングには大きな可能性があるが、いくつかの問題もある。

• ディープラーニングではトレーニングに大量のデータが必要であり、深い理解が求められるのに対し、汎用知能の学習方法はより「汎用的」である必要があります。

• ディープラーニングでは依然として間違いが起こります。

• 実際のところ、ディープラーニングがどのように機能するのか、またなぜそれがうまく機能するのかはよくわかっていません。

つまり、この質問に答えられるのは、ディープラーニングと私たち自身についてより深く理解した後だけです。

当時、ダニエラ・ラス氏も、自身の最も興味深い研究分野はロボット工学であると認めていました。

私たちは、世界を大きく変える可能性のある、より優れた自動化システムを構築する方法を研究しています。これによって、人々がタスクを完了する方法が変わり、お互いをよりよく理解できるようになります。

あらゆる点で生き物のように動作する機械を作ることができたら。この機械の内部原理は生物の原理と似ている可能性があり、このような研究を通じて私たち自身への理解を深めることができるかもしれません。

現在、ダニエラ・ラス氏が率いる MIT CSAIL は、自動化システムに向けて新たな一歩を踏み出したようです。