AIが地図なしで自律ナビゲーション：コンパス・カメラ・GPSのみ使用

物理世界とスマートに相互作用する知能機械開発はAIコミュニティ長期目標。主要課題：複雑・未知環境を地図なしで効率的ナビゲートできるよう機械教えること。

現実地図は建物・構造変化・物体移動で数ヶ月で古くなる。だから物理世界用AIが地図なしナビゲート必要。

Facebook AI研究者たちが、コンパスデータ・RGB-Dカメラ・GPSのみ使用しポイントゴールナビゲーションタスク効果的解決新強化学習（RL）アルゴリズム開発。大規模アルゴリズム「DD-PPO」（分散型近接方策最適化）命名。

新RL分散アーキテクチャ良好スケーリング

現在MLベースシステムが複雑ゲームで人間エキスパート超越可能。だが大量訓練サンプル依存で大規模分散並列化なし構築困難。

既存分散RLアーキテクチャ（数千ワーカー(CPU)・単一パラメータサーバー）スケーリング不良。そのため同期分散強化学習手法提案。

DD-PPO複数マシン稼働、パラメータサーバーなし。各ワーカー(CPU)がGPU加速リソース集約シミュレート環境経験収集とモデル最適化交互実行。明示通信状態で全ワーカーモデル更新同期。分散同期型。

全ワーカーエージェントポイントゴールナビゲーションシミュレート、モデル最適化、更新同期 | DD-PPO訓練時データ共有様子

このアプローチでDD-PPOニアリニアスケーリング示現：128 GPUで直列実装比107倍高速化達成。

Reference: arXiv:1911.00357 | Facebook AI

ポイントゴールナビゲーション：エージェント未知環境ランダム初期位置/向き配置、地図なし目標座標ナビゲート任務。コンパス・GPS・RGBまたはRGB-Dカメラのみ使用可能。

研究者たちDD-PPOスケーリング特性活用しエージェント 25億ステップ訓練（人間経験80年相当）。数ヶ月でなく64 GPUで3日未満完了。

結果：ピーク性能90%最初1億ステップ少リソース(8 GPU)で取得。数十億ステップ経験で成功率99.9%。対照的に従来システム92%成功率。

エージェント誤パス選択後バックトラックし目標位置到達 | Courtesy of researchers

これらAIエージェント物理世界人々支援可能。例：ARグラス着用者関連情報表示、ロボットデスク上階アイテム取得、視覚障害者支援AIシステム。

本研究モデル通常設定（研究室・オフィスビル内等、追加データポイント(地図・GPSデータ)不可用環境）動作可能。

ImageNet事前学習CNN超越、汎用リソースとして機能可能だが、複雑環境ナビゲート学習システム開発にはまだ道半ば。RGBのみポイントゴールナビゲーション実装新アプローチ探求中。

産業技術