コーディングの専門知識を必要とする新しいスキルをロボットに教えます。しかし、新世代のロボットは、ほぼ誰からでも学ぶことができます。
エンジニアたちは「デモンストレーションから学ぶ」ことができるロボットアシスタントを設計している。このより自然なトレーニング戦略により、人間は通常 3 つの方法のいずれかでロボットをタスクに導くことができます。 ジョイスティックを操作してロボットを遠隔操作するなど、リモート制御を介します。動作を通じてロボットを物理的に動かすことによって。あるいは、ロボットが見守って模倣している間に自分自身でタスクを実行することもできます。
通常、学習型ロボットは、これら 3 つのデモンストレーション アプローチのうち 1 つだけでトレーニングされます。しかし、MIT のエンジニアは、ロボットが 3 つのトレーニング方法のいずれかを使用してタスクを学習できるようにする、スリーインワンのトレーニング インターフェイスを開発しました。このインターフェイスは、センサーを備えた手持ちツールの形をしており、多くの一般的なロボット アームに取り付けることができます。人はアタッチメントを使用して、ロボットを遠隔制御したり、物理的に操作したり、自分でタスクをデモンストレーションしたりすることで、ロボットにタスクの実行を教えることができます。好みのスタイルや目の前のタスクに最適なスタイルで行うことができます。
MITチームは、彼らが「多目的デモンストレーションインターフェイス」と呼ぶこの新しいツールを、標準的な協働ロボットアームでテストした。製造の専門知識を持つボランティアは、このインターフェイスを使用して、通常は工場の現場で行われる 2 つの手動作業を実行しました。
研究者らは、新しいインターフェースにより指導の柔軟性が向上し、ロボットと対話するユーザーや「教師」の種類が広がる可能性があると述べている。また、ロボットがより幅広いスキルを学習できるようになる可能性もあります。たとえば、人は有害物質を扱うロボットを遠隔で訓練し、組み立てラインのさらに下では、別の人が製品を箱詰めする動作でロボットを物理的に動かし、ラインの最後では、ロボットが同じことをするのを見て学習するのを見て、別の人がアタッチメントを使用して会社のロゴを描くことができます。
マサチューセッツ工科大学航空宇宙学部の博士研究員マイク・ハーゲノフ氏は、「私たちは人間と効果的に協力して複雑な作業を行える、高度なスキルと知性を備えたチームメンバーを作ろうとしている」と語る。 「柔軟なデモツールは、生産現場をはるかに超えて、家庭の設定や介護など、ロボットの導入増加が期待される他の分野でも役立つと信じています。」
Hagenow は、10 月の IEEE Intelligent Robots and Systems (IROS) カンファレンスで、新しいインターフェースについて詳しく説明した論文を発表する予定です。この論文の MIT 執筆者は、MIT コンピュータ科学・人工知能研究所 (CSAIL) の博士研究員である Dimosthenis Kontogiorgos です。 Yanwei Wang PhD ’25、最近電気工学とコンピュータ サイエンスの博士号を取得しました。マサチューセッツ工科大学教授で航空宇宙学部長のジュリー・シャー氏。
一緒にトレーニングする
MIT のシャー氏のグループは、職場、病院、家庭で人間と一緒に作業できるロボットを設計しています。彼女の研究の主な部分は、いわば「現場で」ロボットに新しいタスクやスキルを教えることを可能にするシステムの開発です。たとえば、このようなシステムは、工場現場の作業員がロボットのソフトウェアを一から再プログラムするために一時停止する代わりに、ロボットの操作を迅速かつ自然に適応させて瞬時に作業を改善するのに役立ちます。これは作業員が必ずしも持っているわけではないスキルです。
同チームの新たな研究は、ロボットがより自然で直観的な方法で訓練されるように設計された「デモンストレーションからの学習」（LfD）と呼ばれるロボット学習における新たな戦略に基づいている。 LfD の文献を調べると、Hagenow と Shah は、これまでに開発された LfD トレーニング方法が、テレアナリシス、運動感覚トレーニング、および自然教育の 3 つの主要なカテゴリに大きく分類されることを発見しました。
特定の人やタスクに対しては、1 つのトレーニング方法が他の 2 つの方法よりも効果がある場合があります。シャーとハガノフは、ロボットが人間よりも多くのタスクを学習できるように、3 つの方法すべてを組み合わせたツールを設計できないか考えました。
「誰かがロボットと対話したいと思うこれら 3 つの異なる方法を結びつけることができれば、さまざまなタスクやさまざまな人々に利益をもたらす可能性があります」とハーゲノフ氏は言います。
当面のタスク
この目標を念頭に置いて、チームは新しい Versatile Demonstration Interface (VDI) を設計しました。このインターフェイスは、典型的な協働ロボット アームのアームに取り付けることができるハンドヘルド アタッチメントです。このアタッチメントには、ツールの位置と動きを時間の経過とともに追跡するカメラとマーカー、および特定の作業中に加えられる圧力の量を測定する力センサーが装備されています。
インターフェースがロボットに接続されると、ロボット全体を遠隔制御でき、インターフェースカメラがロボットの動きを記録し、ロボットはそれをトレーニングデータとして使用してタスク自体を学習できます。同様に、人はインターフェイスを接続した状態で、タスクを通じてロボットを物理的に動かすことができます。 VDI は、取り外して人が物理的に保持して、目的のタスクを実行することもできます。カメラは VDI の動きを記録し、ロボットはこれを使用して VBI が再接続されたときにタスクを模倣することもできます。
アタッチメントの使いやすさをテストするために、チームはインターフェースと協働ロボットアームを地元のイノベーションセンターに持ち込み、製造の専門家が工場現場のプロセスを改善できる技術を研究し、テストしました。研究者らは、センターのボランティアがロボットとインターフェースの 3 つのトレーニング方法すべてを使用して、クリックフィットとパターンという 2 つの一般的な製造タスクを完了するように依頼される実験を設定しました。圧入では、多くのクランプ作業と同様に、ユーザーはペグを穴に押し込んで取り付けるようにロボットを訓練しました。鋳造の場合、ボランティアは、一部の熱成形作業と同様に、生地状のゴム素材を中央のロッドの表面の周りに均等に押して転がすようにロボットを訓練しました。
2 つのタスクのそれぞれについて、ボランティアは 3 つのトレーニング方法をそれぞれ使用するように求められました。まず、ジョイスティックを使用してロボットを遠隔操作し、次にロボットの運動感覚操作、最後にロボットを切断してそれを使用して、ロボットがアタッチメントの力と動きを記録しながら「自然に」タスクを実行します。
研究者らは、ボランティアが一般に遠隔操作手術や運動感覚トレーニングよりも自然な方法を好むことを発見した。ユーザーは全員が製造の専門家であり、各方法が他の方法よりも利点がある可能性があるシナリオを提案しました。たとえば遠隔手術は、危険物や有毒物質を扱うロボットを訓練するのに適している可能性があります。運動トレーニングは、重い荷物を移動する任務を負う作業員がロボットの位置を調整するのに役立ちます。また、自然な指導は、繊細で正確な操作を伴うタスクをデモンストレーションするのに役立ちます。
「私たちは、特定の種類のデモンストレーションから恩恵を受ける単一のロボットがさまざまなタスクを支援できる柔軟な製造環境で当社のデモ インターフェイスを使用することを想定しています」とハーゲナウ氏は述べ、ユーザーのフィードバックに基づいてアタッチメントのデザインを改良し、新しいデザインをロボット学習のテストに使用する予定です。 「この研究は、エンドユーザーが指導中にロボットと対話する方法を拡張するインターフェースを通じて、協働ロボットの柔軟性をどのように実現できるかを実証していると我々は考えています。」
この研究は、MIT エンジニアリング エクセレンスのためのポスドク フェローシップ プログラムとワレンバーグ財団ポスドク フェローシップによって部分的に支援されました。
