ロボットがTシャツをハンガーにかける学習：データの重要な役割

Motion Design INSIDER

カーネギーメロン大学ロボティックケアリング・人間相互作用研究室の研究者Jasmine Li。（画像：研究者たち）

介護施設でのボランティア経験を基に、カーネギーメロン大学の研究者Jasmine Liは、日常タスクを支援するアシスティブロボティクスの研究に焦点を当てることを決めました。「テクノロジーにあまり馴染みのない人々を助けるロボティクスの側面に興味がありました」と彼女は言います。「ハードウェア側のロボティクスを考えていましたが、結局、データ収集とソフトウェア——アルゴリズム側——により多く取り組むことになりました。」

彼女のプロジェクトでは、助教授Zackory Ericksonが率いるロボティックケアリング・人間相互作用研究室の博士課程学生Zheyuan Huと共同作業しました。

Liは、人間がリモートでVRジョイスティック一対を使って操作するか、ニューラルネットワークで完全自律的に動作する二腕ロボットアームセットアップ——テーブルにクランプされた二つの多関節アーム——で作業しました。彼女はシミュレーションと実世界のタスクの両方でロボットの振る舞いを分析し、シャツをハンガーにかけるような複雑な人間活動を模倣する際、ロボットがどう失敗するかを研究しました。

「人間がハンガーを挿入しようとすると、時々微小な修正を行いますが、より大きなスケールでタスクを修正すればロボットがより良く学習できるという理論がありました」と彼女は言います。つまり、小さな捻りや調整ではなく、ロボットアームを元の位置に戻してから、より正確にシャツをかける再試行をさせたのです。

この新しいデータ収集手法を用いることで、ロボットの訓練がより効率的になり、より多くのデータを収集し、人間のティーチング反復回数を減らして性能を向上させることができた、とLiは言います。

チームはまた、バーガーをテイクアウトボックスに詰める、密閉容器の蓋を閉めるなど、他の試行でもこの手法を実験しました。

「ロボットを訓練して複数の異なるタスクを完了させる——いわゆる汎化——のは難しいです」とLiは言います。「現在、ロボティクス研究は特定タスク向けのロボット訓練に焦点を当てていますが、最終的に研究に貢献するすべての人々が、そこに到達するのを助けてくれるでしょう。」

出典

2026年2月ロボティクス&モーション制御レポート：触覚センシング、ビジョン、ソフトロボティクス、AI設計の進歩ヒトデの移動から学ぶロボット設計：分散制御の教訓

センサー