人間の能力を、私たちを観察するだけでロボットが再現できました

EPFLの新しいロボット学習方法

ローザンヌ（EPFL）の科学者たちは、異なるロボットに同じ動作をさせる問題を解決しました。各機種ごとにプログラムを書き直す必要がありません。彼らのアプローチは「運動知能」と呼ばれ、これはデモンストレーションから学習（Learning‑from‑Demonstration, LfD）の新しい形態です。

変わった点
- 観察による学習
各モデル用にコードを手作業で書く代わりに、ロボットは人間がタスクを実行する様子を観察します。

- 適応戦略
観測された動きを、関節制限や各ロボットの物理的特性を考慮した行動計画に変換します。これにより、各ロボットは同じ動作を自分に合わせて「翻訳」しつつ、安全範囲内に留まります。

- グローバルに安定したダイナミックシステム
このシステムのおかげで、一度観察した動きでも異なる機械上で正しく再現できます。

仕組み
1. データ収集 – 研究者は、人間が物を置いたり、押したり、投げたりする動きを録画しました。
2. 制約の分類 – 各ロボットのバランス限界と関節可動域を定義しました。
3. 情報統合 – 人間の動きデータを制約モデルに結び付け、観察と適応学習のシステムを構築しました。
4. 実験 – 3台の商用ロボットが次のタスクを習得しました。
- コンベアから作業プラットフォームへ木製ブロックを移動させる
- ブロックをテーブルに置く
- ブロックをコンテナに投げ入れる

今後
次のステップは、言語指示でロボットにタスクを実行させることです。ユーザーが望む動作を説明すると、ロボットは自らその実現方法を考え、自身の能力と制約を踏まえて対応します。

結論
運動知能は、人間からのスキルを迅速に多様なロボットへ移植でき、コードの手作業設定を省き、研究室や産業界で時間とコストを節約します。