「アニマル」と発音される四足ロボット「ANYmal」をご紹介します。重さ73ポンド（約33kg）の犬のようなこのロボットは、スイス製の装置で、人工知能（AI）のおかげで、AIトレーニングを受ける前よりも速く走り、より効率的に作業でき、転倒後の自己復帰もよりスムーズに行えます。
サイエンス・ロボティクス誌に掲載された新しい研究で紹介されたこのロボットは、AIだけでなく、デスクトップ上のコンピューターシミュレーションも活用して学習しました。これは、現実世界でロボットに新しい技を教えるよりもはるかに高速なアプローチです。実際、この研究によると、シミュレーションは現実世界の約1,000倍の速さで学習します。
シミュレーションが重要となるのは、これだけではありません。自動運転車の世界では、シミュレーションに費やす時間は、企業が車両を操作するソフトウェアをテストし、改良していく上で非常に重要な手段です。今回のケースでも、研究者たちは同様の戦略を、ロボット犬を用いて用いました。
仮想犬がスキルを学習するシミュレーターの精度を確保するため、研究者たちはまず、ロボットが現実世界でどのように行動するかに関するデータを組み込みました。次に、シミュレーションにおいて、ニューラルネットワーク（機械学習ツールの一種）がロボットの制御方法を学習しました。
シミュレーションのスピードアップという利点に加え、この技術によって研究者たちは、現実世界ではやりたくないようなことをロボットに対して行うことができました。例えば、壊れやすいロボット犬をシミュレーションの中で仮想的に空中に投げることができたと、プロジェクトの主任研究者であり、スイス・チューリッヒにあるロボティックシステム研究所のポスドク研究員であるジェミン・ファンボ氏は言います。すると、犬は着地後にどうやって立ち上がるかを学習することができました。
ニューラル ネットワークがシミュレーションでのトレーニングを終えた後、研究チームはその学習内容を実際のロボット自体に展開することができました。このロボットは高さ 2 フィート以上、12 個の関節を持ち、電気で駆動し、ボストン ダイナミクス社製の SpotMini と呼ばれるロボットに似ています。
シミュレーション時間とAIの活用を経て、ロボット犬は指示をより正確に実行できるようになりました。例えば、時速1.1マイル（約1.8km/h）で歩くように指示された場合、Hwangbo氏によると、以前よりも正確に実行できるようになりました。また、転倒後に正常に起き上がり、より速く走ることもできるようになりました。ANYmalのような複雑なロボットに、転倒後に起き上がるための具体的な指示をプログラミングするのは複雑ですが、シミュレーションでその方法を学習させる方がはるかに堅牢なアプローチです。
カーネギーメロン大学ロボティクス研究所とヒューマンコンピュータインタラクション研究所の教授であるクリス・アトケソン氏は、ファンボ氏とそのチームが使用した方法は、ロボットに自分の望むことをやらせる場合、時間と費用を節約できると述べた。
「おかげでロボットプログラミングが安くなりました」と彼は言う。「プログラミングは非常に高価で、ロボットプログラミングは本当に高価です。基本的にロボットに指示を出す人がいなければならないからです。」ロボットをプログラミングする人は、コーディング能力だけでなく、ロボットの機構を適切に動作させる能力も必要になるからだ。
しかし、ファンボ氏と彼のチームでは、プログラマーが一つ一つの動作を丁寧にコーディングするのではなく、シミュレーションでロボットを学習させることができました。これは「この種の自動化に向けた大きな一歩」だとアトケソン氏は言います。
ロボティック・システムズ・ラボの動画には、ロボットが蹴られている様子が映っている。おそらく、ロボットの堅牢性をテストするためだろう。「このロボットが超知能化したら、きっと怒り出すでしょうね」とアトケソン氏は冗談めかして言う。「蹴っている動画が残っているので、ロボット革命が来たら真っ先にやられるのはロボットでしょう」
