人型ロボット競争の評価軸、走る速さから「働ける手先」へ

北京で開幕したWorld Humanoid Robot Gamesで、中国製の人型ロボットが100メートルを9.39秒で走ったのだそうです。

比較条件の詳細までは詳しく示されていないものの、前年から身体能力を急速に伸ばしていることが分かる記録となっていて、走行やダンスのような大きな動きは映像でも伝わりやすく、人型ロボットの進歩を象徴する成果としては驚くべき進化となっています。

一方、今年の競技では、ネジ締め、ボトルを開ける作業、ピンセットで物をつまむ操作も評価対象になっているようで、走る速さとは対照的に、どれも目立たない作業になっているとはいえ、工場や店舗などで仕事を任せるなら避けて通れない能力でもあります。

同じ競技会で試されている二種類の能力は、人型ロボット競争の変化を表していて、動けること自体に価値があった段階から、現実の物を扱い、人間の仕事の一部を担えるかが問われる段階へ移り始めてきているようです。

派手な動きから、仕事に近い競技へ

走行やダンスなどでは、姿勢を保ちながら身体全体を動かす性能をみることができ、人型ロボットが転ばずに走り、複数の動きを組み合わせられることは、機体の完成度を示す材料となるのですが、実際の仕事の現場で求められるのは、このような大きな動作ではありませんよね？

ネジを締めるには、対象の形に合わせて手を動かさなければならないですし、ボトルを開ける作業と、ピンセットで物をつまむ操作では、扱う物の大きさも動かし方も大きく異なります。

単に腕や指を動かせればいいというわけではなく、目の前の対象に応じて操作を変える必要があり、こうした違いが、走る・踊る競技と実作業競技の間にはあります。

ロボット分野への投資額が増えるにつれ、動作を披露できるかだけでなく、投資に見合う仕事を実際に担えるかが問われるようになり、競技に細かな作業が組み込まれたことも、評価の焦点が「人のように動けるか」から「作業を任せられるか」へ移りつつあることを示しているようです。

人型ロボットの実用性を考える場合、映像の派手さだけでは評価することはできません。

ネジ締めやピンセット操作を競技として評価する動きは、仕事に必要な能力を具体的に試すものであり、ただ歩いたり走ったりする機械ではなく、周囲の物に合わせて動作を選べる機械へ進めるかが問われ始めてきています。

物を扱う仕事は、速く動くだけでは成立しない

決められた距離を速く走る能力と、形や条件の違う物を扱う能力は全く異なる。

走行では身体全体を一定の方向へ動かす一方、実作業では対象ごとに力の加え方や動かす範囲を変えなければならないですし、ネジ、ボトル、ピンセットは、同じ手先の動作とはいえ、その動きは全く別のもの。

現実の物には、摩擦、重量、形状の違いがあり、作業中に対象がずれたり、想定した位置に収まらなかったりするなど、予測不能な動きも起こりえます。

そのたびに状態を捉え直し、次の動作を調整する必要があるため、あらかじめ決められた動きを再生するだけでは仕事になりません。

この違いを踏まえると、「人型ロボットは手先が重要になる」という表現は、指や関節を細かく動かせるという意味だけではなく、目の前にある物の状態を把握し、その物に適した動作を選び、途中の変化にも対応する能力まで含んでいます。

モーターの性能は引き続き必要となりますが、それだけでは実作業の安定性を高められません。

競争の中心は、機体を速く力強く動かすことから、現実世界を理解したうえで手を動かすAIへ移り始めていて、身体能力の向上が実用化の土台だとすれば、その能力を仕事へ結びつけるのがロボットAIの役割になっていきます。

次の競争を左右するロボットAIと動作データ

UnitreeやACE Roboticsなどの中国企業は、次の競争は身体能力ではなく「ロボットの頭脳」になると説明しており、ここでいう頭脳というのは、ロボットが周囲の状況や対象物を捉え、それに応じた動作を選ぶAIのことを指していて、企業側も、機体が動けることの先に、現実の作業へ対応する能力があるかどうかを見ている。

ただし、実環境で使えるAIを育てるには、学習に使う高品質な動作データが必要となり、ロボットがネジ締めやボトル開けを安定して行うには、それぞれの作業で人間がどのように手を動かし、対象の状態に合わせて調整しているかを学ばせなければなりません。

現状では、その材料となる動作データが不足していて、文章や画像のデータとは異なり、動作データには、物の形や重さ、手の位置、動かす順序といった現実の条件が伴います。

実作業を扱うAIでは、似たように見える動作であっても、対象や環境の違いを含んだデータが求められ、この蓄積が不十分であれば、限られた条件では成功しても、別の条件へ対応できない可能性が残ります。

ACE Roboticsは、工場などで人間の動作を収集し、数千万時間規模のデータ蓄積を目指していて、達成時期やデータの内訳は示されていないのですが、この規模の計画を掲げていること自体、実作業能力の向上に大量の訓練材料が必要だと認識されていることを示しています。

人型ロボットの性能競争は、外から見える機体の動きだけでは捉えにくくなっており、どのような動作を学習させるのか、そのためのデータをどれだけ集められるのかまでが、実際に働けるロボットを作るうえでの競争領域になっています。

評価されるのは「一度できたか」より「続けられるか」

実作業では予測不能な条件への対応が必要になるため、人型ロボットは家庭より先に、環境をある程度固定できる場所から普及する可能性が高く、工場、倉庫、店舗、ホテル、警備、配送拠点などであれば、扱う物や作業手順を一定の範囲に絞りやすく、ロボットが学習する条件も限定しやすい。

そこで問われるのは、競技やデモで一度成功したかではなく、何時間連続で動けるのか、人間が途中で介入しなくても作業を続けられるのか、同じ作業を安定して繰り返せるのかが、実用性を測る基準になっていくと考えられます。

走行やダンスには、人型ロボットの身体性能を確かめる役割があって、その価値がなくなるのではないのですが、それだけで仕事を任せられるとは判断できないということ。

高品質な動作データが不足している現状では、異なる条件に対応しながら細かな作業を継続できるかが、実用化までの距離を示しています。

100メートルを速く走るロボットと、ネジを締めるロボットは、異なる能力を見せ、前者は身体能力の高さを示し、後者は現実の仕事へ対応できるかを試しています。

次に人型ロボットの進歩を見るとき、確認すべきなのは派手な記録だけではなく、現実の物を扱い、同じ作業を人間の介入なしにどれだけ安定して続けられるか。

人型ロボット競争の本番は、目立つ動作の披露から、地味な作業を確実に積み重ねる能力の検証へ移り始めてきています。