ソニア・チェルノワさんは、自分のロボットを訓練してほしいと考えています。2年前、チェルノワさんとマサチューセッツ州ウースター工科大学（WPI）の同僚のロボット研究者数名は、RobotsFor.Meという遠隔ロボット工学ラボを立ち上げました。これは、ユーザーがログインしてロボットに物理空間での動作を教えることができるサイトです。これは、聞こえるほど面白くもなく、またそうでもない面もあります。参加者は、10分間でロボットが拾い上げる物体の数に応じてポイントを獲得するゲームをプレイするかもしれません。しかし、これらの指導者は、没入型のロボット視点インターフェースに飛び込むわけではありません。「私たちはすべてを抽象化しています」と、WPIのロボット自律性とインタラクティブ学習ラボを率いるチェルノワさんは言います。「彼らはこのロボットを見たことがないし、適切に使用するための訓練を受けたこともありません。そして、このロボットが数十万ドルもするということにも気づいていないのです。」
おそらく彼らは、なぜこのプロジェクトがこれほどまでに必要とされているのか理解していないでしょう。背景を説明する必要があります。
今から数週間後には、史上最先端のロボットたちがカリフォルニアに集結し、その機械の力を総動員して、ほとんどの12歳児なら余裕でこなせるような課題に挑戦する。ドアノブを掴むのも、ロボットたちの腕試しとなる。コンクリートブロックや階段も同様だ。6月5日と6日に開催されるDARPAロボティクスチャレンジ（DRC）に出場予定の25台のロボットのうち、何台かは、多目的車両の運転など、こうした課題のいくつかをパスすることになるだろう。なぜか？それは、多くのロボットにとって、多目的車両に乗り込むことさえ至難の業であり、ましてやペダルとハンドルを同時に操作することなど到底不可能だからだ。ポモナのフェアプレックスに集まる観客は、被災地を大まかに再現したコースをアンドロイドが非人間的な正確さと敏捷さで駆け抜ける姿を期待してはいけない。運が良ければ、DRCのロボットたちは、単に人間以下の能力でゴールするだろう。運が悪ければ、落ちたドライバーを拾うといった、笑ってしまうほど日常的な動作中に転倒し、バラバラになってコースから運び出されることになるだろう。しかも、競技中はほとんどの時間、ロボットはチームメンバーと直接コミュニケーションを取る。そのため、たとえ人間が常に肩越しに見守り、指示を出していたとしても、どのロボットも人間と同じ速さでコースを完走するのは奇跡に近い。
DRCの重要性を軽視したり、面白くないなどと言いたいわけではありません。これは、自動運転車開発競争の火付け役となった2007年のDARPAアーバンチャレンジ以来、最もエキサイティングなロボットコンテストです。しかし、DRCは、ロボットに対する一般的な認識とはほとんど関係のない、非常に特殊な文脈において重要なのです。
工場や倉庫などの整然とした環境では、機械は驚くほどの自律性で機能し、製品を忠実に組み立てたり移動したりして、企業が夢見る無給で不満を言わない非組合労働者を実現することができます。しかし、ロボットを非構造化環境（ロボット工学用語では家庭、オフィス、またはその他の無秩序な場所）に放り込んだら、まったく感銘を受けないことを覚悟してください。ロボット掃除機が革新的なセンサースイートと複雑なマッピングおよびナビゲーションアルゴリズムを解き放ち、1つの部屋を掃除する頃には、人間は家全体を掃除し終えているでしょう。病院内で資材を運ぶ機械の配達人に単純作業を任せるのは便利ですが、時折見られる、ゴミ箱の後ろに閉じ込められ、人間のサマリア人がロボットを無能の牢獄から解放してくれるのを待っている、という悲喜劇的なイメージを考えてみてください。
ロボットを評価するということは、それを曲線に沿って評価することを意味します。
ロボットを評価するには、点数をつける必要がある。今度ジャーナリストが、SF小説で繰り返し取り上げられるロボットの反乱について、冷静な分析で読者を驚かせようとしたとしても、スカイネットやウルトロンのような人工知能を持つ将軍がどれほど賢くても、彼らの巨大な軍隊は笑いものになるだろうということを心に留めておいてほしい。自動運転車は最適な条件下では路上を走行し続けるのに長けており、ヒューマノイドロボットは通常（常にではないが）、最も平坦な地形であれば歩行速度を維持できる。しかし、ロボットカーをオフロード、つまり高速道路の分離帯やあらかじめロードされたレーザーマップや物体認識データセットから離れた場所に走らせれば、人間の抵抗勢力を探し出す可能性と同じくらい、湖に落ちてしまう可能性もある。ヒューマノイドロボットは、ちょっとしたジョギングで追い抜かれたり、小さな枝や緩やかな傾斜で煙を上げる廃墟と化したりする可能性もある。ボストン・ダイナミクスの四足ロボット、ビッグドッグのような、荒れた地形でも驚くほど安定しているシステムでさえ、走行中の環境を理解し、移動を伴わない行動をとる能力が欠けている。武装した航空ロボットは長年、現代の戦争で定着していますが、地上ロボットは、非常に大まかに言えば、誰にも脅威を与えるにはあまりにも愚かです。
チェルノワ氏は、念のため言っておきますが、軍用ロボットに少しでも似たり関連したりするようなことは何もしていません。この話は完全に私の独断です。しかし、RobotsFor.Meの使命は、ロボットの超能力という神話とは全く対照的です。ロボットが未知の環境に的確に適応するのは映画の中だけです。現実には、WPIがクラウドソーシングによる実験で最も頻繁に使用する車輪付きの単腕ロボット、CARL（クラウドソーシングによる自律性とロボット学習）のようなシステムは、可能な限りの訓練を必要とします。RobotsFor.Meは2013年から一般公開されていますが、DRCのロボットの一部が垂直姿勢を維持するのに苦労し、ましてや災害現場で人間の救助隊員の代わりを務めることができることを証明するなど、今や教育の必要性は明白です。
インターネット経由で機械を学習させる確立された方法の一つは、AmazonのMechanical Turkを使うことです。これは、人間を一種の生物学的データベースに変えるサービスです。ロボット工学者は、特定の環境における様々な物体の認識といったタスクを提示すると、遠隔地にいる人々のネットワークが少額の料金でそれらの物体にラベルを付けてくれます。RobotsFor.Meの分散トレーニング手法も同様ですが（ただし、ユーザーに料金を支払うことはあまり一般的ではありません）、チェルノバ氏はトレーニング自体を学習することで、より自律的なロボット、あるいは少なくとも指示をより良く理解できるロボットの開発を目指しています。「私の長期的な目標は、自宅に持ち帰って、自分の思い通りに動作するように教えることができるロボットを販売することです」とチェルノバ氏は言います。Mechanical TurkとRobotsFor.Meが効果的な理由の一つは、豊富なデータを提供していることです。チェルノバ氏は、このようなクラウドソーシングによる入力によってロボットに世界に関する基本的な知識を与え、それを高速で直感的なトレーニングによって補完することで、空間のレイアウトや居住者の違い、あるいはタスクの完了方法に関する好みに対応できるかどうかを研究しています。 RobotsFor.Meは、最終的にはロボットがスプーンとフォークを区別するのを助けるかもしれません。しかし、ユーザーはコードの書き方を学ばなくても、ロボットにどのサイズのフォークをテーブルに置くべきかを指示できる必要があります。
RobotsFor.Meが武装地上ロボットの開発途上ではないのと同様に、チェルノヴァ氏の研究は、より効率的な家事使用人の開発に特化したものではない。国立科学財団から彼女が受け取った43万3351ドルの助成金は、RobotsFor.Meの研究で収集されたデータから学び、一人、あるいは複数のユーザーによる自律性とトレーニングにどのように役立つかを調査することに向けられている。これは（例えば、DRCの一部のチームに既に提供されている数百万ドルの資金と比較すると）小規模なプロジェクトだが、大きな影響を与える可能性を秘めている。そして、家庭用ロボットに切実に必要とされる知能を注入する前に、もっと質素な中途半端な成果につながるかもしれない。ゴミ箱の裏に哀れにも隠されていた病院のロボットを覚えているだろうか？「これは、ロボットを長期的に賢くするための予備的なステップとして活用できるだけでなく、人間が特別な訓練なしにログオンしてロボットを窮地から救出する方法も開発できる」とチェルノヴァ氏は言う。 「そして、コールセンターの誰かがロボットに応答し、手助けするたびに、ロボットはより自律的になっていくのです。」チェルノヴァ氏は、自身の資金提供を受けた研究の一部ではないものの、コールセンターモデルとして、ロボットを常に遠隔操作することと、ロボットが完全に自律的に行動することを信頼することとの間のギャップを埋める有望性があると見ている。「現在、90%自律的なロボットをかなり確実に開発できます」とチェルノヴァ氏は言う。「問題は、残りの10%なのです。」
