犬の動きを観察したことがある人なら誰でも――ただ歩いているだけ、ジャンプしているだけ、あるいはフリスビーをキャッチしているだけかもしれない――その動きがいかにダイナミックで複雑、そして自然であるかに気づいたことがあるでしょう。犬は小走りをするとき、四つの足を地面につける順番について、おそらくあまり意識していないでしょう。ただ、そうしているだけなのです。
さて、ロボット犬を飼っていて、歩くといった基本的な動作をプログラムしたいとします。たとえ熟練したプログラマーであっても、機械の犬にそのような動作をスムーズに実行させるのは、ましてやフリスビージャンプなど、至難の業でしょう。
より高速でスケーラブルなアプローチを見つけるため、Googleとカリフォルニア大学バークレー校の研究者たちは、実際の生身の犬の動きのデータを活用し、ロボット犬に様々な速度で歩いたり、回転したりするなどのタスクを訓練しました。「環境の中で動き回る動物の例をロボットに見せることで、これらのスキルをより簡単に学習させることができるのではないかと考えています」と、Googleの学生研究者であり、バークレー校の博士課程に在籍し、このプロジェクトに関する論文の筆頭著者でもあるジェイソン・ペン氏は述べています。
結局のところ、動物は生まれつき「機敏な行動」をするのが得意だと彼は付け加える。しかし、そうした行動をリバースエンジニアリングしてロボットにやらせるというのはどうだろう？それは、手に負えない雑種犬に食べ残しをねだらないように訓練するよりも難しいかもしれない。
このプロジェクトのために犬の動きに関する全く新しい情報を収集するのではなく、チームは既存の、ある犬から得られたデータを利用しました。「様々な犬の動きに関する公開データセットがありました」とペン氏は言います。その研究で得られたその犬のモーションキャプチャデータから、必要な情報が得られました。
しかし、その情報を物理的なロボットの脳にダウンロードするだけでは簡単ではありませんでした。次のステップでは、コンピューターシミュレーションを用いて、仮想ロボットが本物の犬の行動を模倣することを学習する必要がありました（ヨーロッパの研究者も、ロボット犬に学習させるためにシミュレーションとAIを活用しています）。このプロジェクトでは、機械学習（人工知能の一種）を用いて仮想ロボットに新しいスキルを習得させました。「学習アルゴリズムは、ロボットが可能な限り忠実に動作を再現できる方法を見つけようとしていました」とペン氏は言います。
結局のところ、ロボットは本物の犬とは違います。例えば、体の柔軟性が低いのです。「ロボットには背骨がありません。体はレンガのようなものです」と彼は付け加えます。AIは、ロボットの動きをできる限り本物の動物に近づける必要がありました。
最終的に、シミュレーション期間を経て、その知識をロボットに移植しました。しかし、このステップも決して簡単ではありません。コンピューターシミュレーションは現実世界を完全に再現するものではないからです。
最終的な成果として、彼らのロボットはシミュレーション、人工知能、その他の適応手段を重要な中間ステップとして活用し、実際の犬の行動から学習した動作を実行できるようになりました。何ができるのでしょうか？「様々な歩き方など、様々な移動スキルです」とペン氏は言います。「回転や方向転換もできます」。なんと後ろ向きに歩くことさえできました。
ロボットにとってより難しいのは、素早い走りやジャンプといった、素早くダイナミックな動作を実行することだ。これは今のところ再現できていない。
ペン氏によると、この方法を用いてロボットにタスクを学習させることで、これらのスキルを段階的にコーディングするよりも速く学習できたという。「歩行のような動作でさえ、ロボット工学コミュニティでは何十年も研究されてきました」と彼は指摘する。しかし彼は、ロボット工学者たちがこのアプローチを用いることで、ロボットへのスキル学習をより迅速かつ容易にするだけでなく、動作の複雑さも高められることを期待している。歩行に関しては、「長年の研究の恩恵を受けている」と彼は言う。より高度な動作、例えば跳躍や旋回などは、この方法によってより容易にプログラムできる可能性がある。
Googleが訓練したロボットだけが、世の中に出回っている唯一のロボット犬ではない。最も有名なのはボストン・ダイナミクスの「スポット」で、昨年マサチューセッツ州警察が物議を醸しながら試験運用した。
Google 犬プロジェクトのビデオを以下でご覧ください。
