ロボットが人間の動作を学習する新しい方法

カーネギーメロン大学（CMU）の研究者は、ロボットが人間の動作を直接学習し、新しいタスクに一般化することができる新しい学習方法を開発しました。この方法は、ロボットが家事を学習するのを助けます。学習方法はWHIRLと呼ばれ、In-the-wild Human Imitating Robot Learningの略称です。ロボットはタスクを観察し、ビデオデータを収集して、最終的にタスクを完了する方法を学習します。

この研究は、ニューヨークで開催されたロボティクス：サイエンス・アンド・システムズ会議で発表されました。

模倣学習

シカール・バールは、カーネギーメロン大学のロボティクス研究所（RI）の博士課程の学生です。

「模倣学習は、学習するための優れた方法です」とバールは述べました。「ロボットが人間の動作を直接学習することは、まだ解決されていない問題ですが、この研究は、その能力を実現するための重要なステップです。」

バールは、ディパック・パタクとアブヒナブ・グプタと共同で研究を行いました。パタクとグプタは、RIの教員です。チームは、オフザシェルフのロボットにカメラとソフトウェアを追加し、20以上のタスクを完了する方法をロボットに学習させました。これらのタスクには、家電の開閉やごみ袋をごみ箱から取り出すことが含まれます。ロボットは、人間がタスクを完了するのを見てから、自分で試みました。

パタクは、RIの助教授です。

「この研究は、ロボットを家庭に導入する方法を示しています」とパタクは述べました。「ロボットをプログラムしたりトレーニングしたりするのを待たずに、ロボットを家庭に導入し、タスクを学習させることができます。ロボットは、人間の動作を観察し、環境に適応し、改善することができます。」

WHIRLと現行の方法の比較

現在のロボットの学習方法は、模倣学習や強化学習に頼っています。模倣学習では、人間がロボットを操作してタスクを教えますが、これには複数回の試行が必要です。強化学習では、ロボットはシミュレーションで数百万の例をトレーニングし、実世界に適用します。

これらの方法は、構造化された環境で単一のタスクを学習するには効率的ですが、スケーラビリティと展開には難があります。WHIRLでは、ロボットは人間の動作をビデオで学習し、容易にスケーラブルで、特定のタスクに限定されず、家庭環境で動作します。

WHIRLでは、ロボットが自然な環境でタスクを完了することができます。初期の試行は失敗に終わることが多かったですが、数回の成功後は迅速に学習しました。ロボットは人間と同じ動作でタスクを完了するとは限りませんが、それはロボットの動作が人間と異なるためです。ただし、タスクを完了する結果は常に同じです。

「ロボットを野外でスケールするには、データが信頼性が高く安定している必要があり、ロボットは環境に慣れて練習することで改善されるべきです」とパタクは述べました。