ハミョニド時代は来ていない — すでにここにいる

先月、中国で、人間型ロボットのShuang Shuangが福建省の高校の卒業式でステージに上がり、卒業証書を受け取り、学生や教師を喜ばせた。このような瞬間は、人間型ロボットが公共の生活の中で非常に目立つ方法で登場し始めていることを示唆している。

これらの瞬間は、単なる公衆の好奇心を超えて、現実世界への統合に向けたシフトを示唆している。この記事では、人間型ロボットがショーとスPECTACLEから機能性へと移行する方法について、また、ハードウェアのみの実績ではなく、歩行、対話、学習を可能にする統合された知能について探究する。また、早期導入と長期的なパートナーシップを通じて商業化に取り組む方法についても議論する。

人間型ロボットがAIを現実世界に押し出す方法

仮想パフォーマンスと物理的信頼性の間のギャップは、AIの最も見過ごされやすい課題の1つである。チャットボットは、行動を起こすことなく、流暢なテキストの段落を生成できる。同様に、ビジョンモデルは、自動化のために物理的にナビゲートすることなく、画像内のステップを識別できる。人間型ロボットにはそのような贅沢はなく、現実世界で機能するために、AIは静的なデータセットと制御された条件を放棄しなければならない。AIは、1秒ごとに変化する環境で、見る、決定する、行動する必要がある。これには、不均一な床、配置された物体、予測不可能な人間の行動、コンテキスト依存の非言語的な合図が含まれる。結果として、毎日、ノイズ、曖昧さ、潜在的な失敗との対決が生じる。

ここで、空間、時間、結果に根ざした言語である、具象化された推論が重要となる。たとえば、人間が「気をつけて、滑りやすい」と言った場合、ロボットはそのフレーズを単に単語の定義に結び付けるだけでなく、空間的認識、潜在的なリスク、リアルタイムの調整と結び付ける必要がある。

また、マルチモーダル学習も不可欠となる。単一の入力チャネルは単独で操作するには十分ではない。カメラは滑らかな表面を見逃すかもしれないが、足の圧力センサーは突然の摩擦の喪失を検出できる。ある状況では、音声認識は騒々しい倉庫では失敗するかもしれないが、視覚的な合図やジェスチャーがギャップを埋めることができる。

一般化も重要となる。ロボットは、同じ環境を2回見ることに頼ることはできない。床が濡れている、照明が変わっている、または昨日の箱の場所と異なる場合に、行動を適応させる必要がある。これが、成功した実行と失敗の違いとなる。

Humanoidでは、早期に商業パートナーとテストを開始する。これは、潜在的な欠陥をすぐに発見し、展開前に最適な動作を確保するためである。シミュレーションやデモでうまく機能するロボットは、プレッシャー下で信頼を得るロボットとは異なる。なぜなら、その信頼は最終的に、現実世界の学習に基づいているからである。

人間型ロボットは、2年以内に商業的に利用可能になることはわかっている。しかし、待つことはしない。私たちにとって、商業化は早期に始まる。実際のユースケースを中心に、長期的なパートナーシップを構築することを意味する。パイロットプログラムのシリーズを通じて、パートナーに技術について教育するだけでなく、共に学ぶ。共有学習プロセスは、コスト構造とパフォーマンスの信頼性を最初の日から洗練し、システムが拡大するにつれて、可能な限り最適な総所有コスト（TCO）を確保するのにも役立つ。

人間型ロボットは、汎用知能の究極のテストベッドである

過去100年間で作られた世界は、人間のスケールに合わせて作られている。ドアハンドル、フォークリフト、倉庫 — すべてが特定の寸法、動きの範囲、暗黙の社会的行動を前提としている。人間型ロボットは、その現実に適応するか、機能性が非常に限定されるリスクがある。

階段を上る、物体を運ぶ、指し示すジェスチャーを解釈する、または声の躊躇を認識するには、ロボットは視覚的な分類やスクリプト化された動きの計画を超えたコンテキストを理解する必要がある。ロボットは意図を推測し、人間が新しいタスクを実行するのを見て学び、スキルを少し異なるレイアウトに適応させ、時間の経過とともにパフォーマンスを向上させる必要がある。実践では、このシステムは、実際の制約下でAIが何ができるかを効果的に拡大している。

Humanoidでは、テレオペレーションを通じてこのプロセスを加速する。開発の初期段階では、人間のオペレーターがロボットを重要なタスクに通じて導く。このハンドスオンデータは、新しい行動をトレーニングするための基礎となる。時間の経過とともに、これらのデモンストレーションはエンドツーエンドモデルにフィードされ、信頼性の高い自律性に向けて構築するのに役立つ。

狭いシステムから統合された知能へ

今日のほとんどのAIシステムは、狭いタスクで優れている。個別にはうまく機能する。しかし、人間型ロボットは切り離されたスペシャリストを必要としない。統合するために成功するには、モダリティや時間尺度を超えて推論できるシステムが必要である。

人間型ロボットは、比較的漠然とした指示を受け取ることがある — 「倉庫の部屋にある黄色の箱を持ち帰ってきて」 — そして、それをサブタスクのシーケンスにデコードする必要がある：話し手をローカライズする、廊下をナビゲートする、正しい箱を識別する、握力の強さを調整する、衝突を避ける、そしてもちろん、安全に戻る。

シーケンスの各部分には、異なるサブシステム — ビジョン、歩行、言語、操作、フィードバック — が関与する。全体の信頼性は、これらの部分が変化する条件下でどのように通信するかに依存する。

モジュラーなアーキテクチャは、この課題に対処する方法である。これにより、サブシステムを個別に反復的に改良しながら、システム全体の調整を達成できる。さらに、これにより、基礎から再構築することなく、複数の環境にわたって機能をスケーリングできる。これが、クローズドデモからオープンワールドパフォーマンスへの移行方法である。

賭けは巨大で — そしてそれらは世界規模である

人間型ロボットを未来的なものとみなすのは簡単である。しかし、顧客と話すと、必要性は即時であることがわかる。多くの倉庫、組み立てライン、他の昔は忙しかった作業場は、人員を維持するのに苦労している。

これらの労働力不足は、人口統計的な問題である。日本では、人口の約30%が65歳以上である。ヨーロッパでは、重要なセクター — 総賃金は1.7兆ドルに達する — は、若い労働者を募集するのに苦労している。これらは、多くの人がやりたい仕事ではなく、ますます、多くの人がやろうとしない仕事である。

人間型ロボットは、置き換えではなく、補助的な役割で登場することで、身体的に要求の厳しい、繰り返しのある、または危険なタスク — 在庫の移動、パレットのローディング、機械の操作 — を担うことができる。疲労や怪我のリスクなしに。これにより、人間の労働者は、より複雑な、創造的な、または人間関係の側面に焦点を当てることができる。

さらに、これは長期的な経済的堅牢性を生み出す。労働力が不安定または入手できない場合、知能化された機械は、安全性、品質、適応性を犠牲にすることなく、継続性を確保するのに役立つ。

規制フレームワークも注目すべき点である。多くのチーム — 特に規制が緩い管轄区域にあるチーム — は、これについて考えるのを待つ。しかし、私たちはそこから始めた。ヨーロッパの安全性とデータ法は、世界で最も厳格なものの1つだが、それらを障害として扱うのではなく、私たちはそれらを競争上の優位性とみなしている。規制が厳しくなると、他の市場もそれに応じるだろうが、私たちはそれに応じられる準備が整っている。

新しいAIレース — しかし、あなたが考えるものとは異なる

今日のAIに関する議論の多くは、計算能力、パラメータ、トレーニングデータに焦点を当てている。しかし、実際のブレークスルーは、物理的な世界における統合という別のフロンティアから来るかもしれない。そこで、知能は単に予測するのではなく、実行することを学ぶ必要がある。

この点では、レースは、公共の空間で、安全性の制約の下で、人間がループにいる状態で動作できる最も優れたシステムについてである。このシステムは、データから学ぶだけでなく、現実から学び、人間とともに流れを妨げることなく作業することにも重点を置く。

私たちが待たずに始める理由である。私たちは、実際の環境で直接商業パートナーと協力して統合を始める。システムが最も重要な場所で改善されることを保証するためである。

現実世界の学習は、狭いシステムが短所となる場所である。狭いシステムは遠くまで来ているが、この種の複雑さに対応するように設計されていない。人間型ロボットには、調整、堅牢性、そして予期せぬものから学ぶ能力が必要である。

私たち前にあるのは、巨大な機会である。すべてを自動化することではなく、人間の世界を理解し、ナビゲートし、コラボレートできる機械を構築することである。