ミシガン大学研究、家庭内オブジェクト関係を学習し賢くナビゲートするロボットを開発

この研究の目的は、ロボットが複雑な環境で目標オブジェクトを能動的に探索する実用的な手法を提供することだ

かつて未来学者が夢見たロボット溢れる未来にはまだ到達していないが、着実に近づいている。音声アシスタント搭載スピーカーやロボット掃除機はすでに普及しており、今後10年でさらに多くの家庭用ロボットが登場すると予想される。

現在開発者が直面しているハードルの一つは、ロボットに家の中を移動する方法を教えることだ。ミシガン大学の研究チームは、家庭内オブジェクト間の関係性を学習させる新モデルを発表した。

例えば、ロボットに「2階の洗濯かごから洗濯物を取り出し、洗濯機へ運ぶ」というタスクを与えた場合、このモデルを使えば洗濯かごと洗濯機の位置を理解でき、ロボットを手動で動かす必要がなくなる。

「環境内で効率的にオブジェクトを探索できることは、サービスロボットが自律的にタスクを遂行する上で極めて重要だ」と共著者のZhen Zeng氏は語る。「ロボットが複雑な環境で目標オブジェクトを能動的に探索する実用的な手法を提供する」

このモデル「SLiM（Semantic Linking Maps）」は、冷蔵庫などのランドマークオブジェクトを、オレンジジュースやマヨネーズなど関連オブジェクトと関連付ける。これにより、ロボットに「テーブルを片付けて」と指示すれば、冷蔵庫の品物を元の場所に戻すことを理解する。

研究者らによると、SLiMは不確実性を考慮しており、例えば洗濯かごが移動していても機能停止せず、新しい位置を探索する（ただし時間はかかる）。

地理的位置とオブジェクト関係の能動的な更新により、環境変化で頻繁に停止していた従来ロボットの長期パフォーマンスが向上する見込みだ。

Roombaは家庭用ロボットの分水嶺となり、その後の多くはその設計・機能を模倣してきた。しかしミシガンチームが提示するロボットは遥かに高度で、オブジェクトを把持しタスクを遂行できる。

実用化にはまだ数年かかるが、こうした研究が着実にパイプラインにあることを示している。

モノのインターネットテクノロジー