ほとんどのロボットの人工知能システムには、厄介な依存関係が存在します。ロボットを交換する際、その制御に必要な知能も変更する必要があるかもしれません。しかし、Feagine Roboticsは異なるアプローチを採用しました。同社は、異なる物理構造のロボット間でタスクの知識を保持することを目的とした、Fi0というクロスエンティティ基盤モデルを発表しました。同時に、Feagineは、異なる長さ、セグメント数、自由度を提供する、腱駆動の柔軟なオペレーターA01、A02、A03の3つを発表し、この理念をテストしています。
ロボット技術が標準化された産業用アームを超えて進化するにつれて、この根本的な問題はますます重要になっています。クロスエンティティ学習に関する研究は、モデルがより多様なロボットの身体に触れることで、未知のロボットに対する一般化能力が向上することを示しています。
Feagine Roboticsがクロスエンティティ基盤モデルFi0を発表
ロボットの物理構造は、その実行可能な操作を決定します。2セグメントのアームは、3セグメントのアームとは異なる作業空間を持っています。より長いオペレーターは、短いオペレーターでは達成できない角度で物体に近づくことができます。そして、柔軟で持続的に曲がるアームは、運用中に形状が変化するため、別の複雑さをもたらします。Feagineの3つのオペレーターは、これらの違いを体系化することを目的としています。A01は、1つの柔軟なセグメントと2つの自由度を持ち、重量は750グラムで、200グラムの有効荷重を持ちます。
A02は2セグメント、4つの自由度を持ち、400グラムの有効荷重を持ち、A03は3セグメント、6+1の自由度を持ち、アームの長さは50センチメートルで、600グラムの有効荷重を持ちます。
Fi0は、各ロボットを完全に独立した機械として扱うのではなく、その物理構造と現在の状態を行動生成に必要な情報の一部として扱います。これが「クロスエンティティ」インテリジェンスの核心的な考え方です。タスクを完了するための物理的な方法が変わっても、タスク自体は変わらない可能性があります。Feagineは、Fi0がロボットが未知のタスクに直面したときに必要な再訓練の量を減らすことを期待しています。同社によれば、Fi0が既存の能力を超えるタスクに直面した場合、人間がデモを提供することができます。このモデルは、デモを推論時のコンテキストとして利用し、別のトレーニングサイクルを通じてパラメータを更新するのではありません。
例えば、人間は物体をある位置から別の位置に移動する方法をデモンストレーションできます。重要な情報は必ずしも人間の手の正確な軌跡ではありません。このモデルは、タスクの物体、順序、重要な接触イベント、必要な最終状態を抽出しようとします。その後、ロボットは自分の身体を使って同じタスクを完了する方法を見つける必要があります。このアプローチは、ロボット研究のより広範な方向性を反映しており、異なるロボットエンティティ間で知識を共有するために、ますます多くの基盤モデルが開発されています。各ロボットのために孤立したポリシーを学習するのではなく。
柔軟なオペレーターの発展がロボットインテリジェンスの応用を変える
Feagineは、柔軟な腱駆動のオペレーターを使用してこの概念を探求する意向です。従来のロボットアームは、機械的な記述が比較的単純です：その関節位置と運動範囲は明確です。柔軟なオペレーターは、持続的に曲がり、形状を変え、周囲の環境と柔軟に相互作用します。これは、ロボットの物理的構成が人工知能が理解しなければならない問題の一部になることを意味します。したがって、Fi0のアーキテクチャには、ロボットの形態学、知覚、駆動、現在の状態に関する情報が含まれています。Feagineはこの表現をエンボディメントグラフ（Embodiment Graph）と呼んでいます。
このモデルには、物理環境を理解し、デモを解釈し、異なる動作後に何が起こるかを予測するためのコンポーネントも含まれています。同社はこの組み合わせを柔軟な体現インテリジェンスと呼んでいます。
より広い意味では、ロボット技術は最終的には汎用ロボットの方向に進化しない可能性があります。異なる環境は非常に異なる身体を好むかもしれません：精密製造用の剛性アーム、繊細な相互作用用の柔軟なオペレーター、狭い空間用の専用ロボット、危険な環境用の全く異なるプラットフォームなどです。もしインテリジェンス層がこれらの間で移行できるなら、ハードウェアはもはや全体の汎用性の負担を負う必要がなくなります。
ヒューマノイドロボットは多くの注目を集めていますが、人間の環境は人間のサイズと能力に基づいて設計されています。しかし、汎用知能は必ずしもヒューマノイドの身体を必要とするわけではありません。Feagine のアプローチはこの仮定を覆します。「どのような身体がすべてのことを行えるか？」ではなく、「一つの知能が多様な専用身体を操作できるか？」という問いに変わります。Fi0 はまだ初期のシステムであり、同社の主張は最終的により広範なハードウェア、タスク、現実環境で検証される必要があります。しかし、この概念は人工知能における真のボトルネックの一つを解決します。それは、ロボットを通じて蓄積された知能がハードウェアの変更によって無用にならないようにすることです。
この問題が解決されれば、未来のロボット技術は汎用の機械ではなく、ますます多くの専門的な機械が強化された知能層を共有する形になるかもしれません。