研究者たちはiPhoneのスキャンに基づいたシミュレーションで家庭用ロボットを訓練している

掃除ロボット以外のロボットが家庭にあまり見られない理由は数多くあります。その筆頭に挙げられるのは、構造化されていない、あるいは半構造化された環境の問題です。間取りから照明、床材、人やペットに至るまで、家は一つとして同じものはありません。たとえロボットが各家庭の空間を効果的にマッピングできたとしても、空間は常に変化し続けています。

MIT CSAILの研究者たちは今週、シミュレーションで家庭用ロボットを訓練する新しい手法を発表しました。iPhoneを使って自宅の一部をスキャンし、それをシミュレーションにアップロードすることができます。

シミュレーションはここ数十年、ロボット訓練の基盤となる要素となっています。シミュレーションにより、ロボットは現実世界で1回行うのと同じ時間で、数千回、あるいは数百万回ものタスクを試行し、失敗することができます。

シミュレーションで失敗した場合の影響も、現実世界よりもはるかに小さくなります。ロボットにマグカップを食器洗い機に入れるように教えるには、その過程で現実世界のマグカップを100個も壊さなければならないと想像してみてください。

「仮想世界でのシミュレーションによる訓練は非常に強力です。ロボットは何百万回も練習できるからです」と、研究関連のビデオで研究者のプルキット・アグラワル氏は述べている。「何千枚ものお皿を割ったとしても、それは問題ではありません。なぜなら、すべてが仮想世界の中で行われたからです。」

しかし、ロボット自体と同様に、家庭のような動的な環境においては、シミュレーションには限界があります。シミュレーションをiPhoneのスキャンのように簡単に利用できるようにすることで、ロボットのさまざまな環境への適応力を飛躍的に向上させることができます。

実際、このような環境について十分に堅牢なデータベースを作成すると、家具を移動したり、キッチンカウンターに皿を置いたりするなど、何かが必然的に所定の場所から外れた場合でも、システムの適応性が向上します。