成本 3 万美金的机器人，能自己炒菜做家务了 - 虎嗅网#
#Omnivore
斯坦福華人チームは、低コストで操作が簡単なロボットオペレーティングシステム Mobile ALOHA を開発し、ロボットがさまざまな家事や複雑なタスクを自律的に完了できるようにしました。このシステムは、ALOHA システムの両手操作能力と移動ベースの移動性を組み合わせ、機械学習によるトレーニングを通じて複雑な移動操作タスクをロボットに実行させることができます。このシステムの総コストは 32,000 ドル未満であり、機械学習と移動操作の研究において経済的かつ効果的なソリューションを提供しています。
・💡 ロボットオペレーティングシステム Mobile ALOHA により、ロボットはさまざまな家事や複雑なタスクを自律的に完了できます。
・💡 低コストのロボットオペレーティングシステムの総コストは 32,000 ドル未満であり、機械学習と移動操作の研究において経済的かつ効果的なソリューションを提供しています。
・💡 機械学習によるトレーニングを通じて複雑な移動操作タスクをロボットに実行させることで、成功率を最大 90％向上させることができます。
通常、ゲームや映画でしかメイドロボットを見ることはできませんが、スタンフォード大学のチームが Mobile ALOHA システムを紹介しました。これにより、メイドロボットがますます身近になります。
Mobile ALOHA はロボットではなく、オペレーティングシステムです。このシステムを使用すると、ロボットは簡単にさまざまな細かい作業を完了できます。例えば、マッシュルームを炒めることができます：
簡単な「白人飯」だけでなく、「干貝燒雞」や「蠔油生菜」といった複雑な中華料理もロボットが簡単に自分で作ることができます。例えば、卵を割ることができます：
エビを茹でることができます：
炒めることができます：
Mobile ALOHA のサポートを受けて、ロボットは食器洗いなどのさまざまな複雑な作業も完了できます：
椅子を元の位置に戻す：
テーブルを拭く：
鍋を収納庫に入れる：
エレベーターに乗る：
人とハイタッチする：
さらに、人々は Mobile ALOHA を使用して、ガラスを拭いたり、トイレを掃除したりなど、細かい家事を遠隔操作できます。
さまざまなアニメーションから明らかなように、Mobile ALOHA システムのサポートを受けて、ロボットは非常にスムーズにさまざまな家事や複雑なタスクを完了することができます。
それでは、Mobile ALOHA は具体的には何でしょうか？
スタンフォード大学の研究チームによれば、**Mobile ALOHA は低コストの移動操作プラットフォームであり、ALOHA システムの両手操作能力と移動ベースの移動性を組み合わせています。** このシステムの設計目標は、ロボットが複雑な移動操作タスクを実行できるようにすることであり、低コストかつ操作が容易な特徴を維持することです。
Mobile ALOHA が収集したデータを使用して、研究者は監督付き行動クローニングを行い、既存の静的 ALOHA データセットと共同でトレーニングすることで、移動操作タスクのパフォーマンスを大幅に向上させることがわかりました。たった 50 のタスクデモでも、共同トレーニングにより成功率を最大 90％向上させることができ、Mobile ALOHA が炒えび、ダブルドアキャビネットに重い鍋を収納し、エレベーターを呼び出し、キッチンの蛇口で使用済みのフライパンを軽く洗うなど、複雑な移動操作タスクを自律的に完了できるようになりました。
**Mobile ALOHA は ALOHA システムを基にしており、低コストの両手操作デバイスです。Mobile ALOHA は、リモートコントロールシステムを追加しました。** リモートコントロールの機能を実現するために、研究者はそれをホイール付きのベースに取り付け、ロボットに人間に近い移動速度を与えました。システムには 2 つの手首カメラと 1 つのトップカメラも含まれており、操作プロセスの視覚情報をキャプチャするために使用されます。さらに、システムには搭載電源と計算能力も備わっており、外部電源がなくても数時間連続して作業できます。
これらの基本的なハードウェアに加えて、研究チームは、操作者の体とロボットのベースを接続するシステムも設計しました。操作者はストラップを使ってベースに接続し、ベースを引っ張ることでロボットの移動を制御します。この設計により、操作者はロボットの移動を制御しながら、ALOHA の両腕を両手で操作することができます。
これらのインターフェースを介して、研究チームは大量の操作データを収集しました。これらのデータには、ロボットのベースの線形および角速度、およびロボットの両腕の関節位置が含まれています。これらのデータは、複雑な移動操作タスクの実行方法を学習するための模倣学習アルゴリズムのトレーニングに使用されました。
その後、研究者は監督付き行動クローニングの手法を使用してロボットをトレーニングしました。まず、ロボットの関節位置とベースの速度をアクションベクトルとして使用し、これらのアクションベクトルをロボットの観察と組み合わせて、16 次元のアクションベクトルを形成しました。この方法により、Mobile ALOHA は以前の深層模倣学習アルゴリズムから直接利益を得ることができ、実装戦略をほとんど変更する必要がありません。
模倣学習のパフォーマンスを向上させるために、研究者は共同トレーニングの手法を採用しました。Mobile ALOHA が収集したデータを既存の静的 ALOHA データセットと組み合わせてトレーニングしました。この共同トレーニングの手法は、ほぼすべての移動操作タスクで正の転送を示し、タスクと形態が異なる場合でも、同等またはより良いパフォーマンスとデータ効率を実現することができました。
これらの実装原理により、Mobile ALOHA システムは限られたデモデータの下で複雑な移動操作タスクを模倣学習でマスターすることができます。この低コストのソリューションは、研究者に家庭環境で実用的なタスクを実行するロボットの研究と開発に使用できる実用的なプラットフォームを提供します。
このチームは Mobile ALOHA システムのコストも公開しています。システム全体の総コストは 32,000 ドル未満であり、ロボットのハードウェア、電源と計算機デバイス、カメラ、センサー、組み立ておよびメンテナンス費用、オープンソースのソフトウェア部分が含まれています。
Mobile ALOHA は、機械学習と移動操作の研究において経済的かつ効果的なソリューションを提供し、より多くの研究者や開発者がこの分野に参加できるようにしています。
Mobile ALOHA はハードウェアとソフトウェアの両方で大きな進歩を遂げていますが、このチームは Mobile ALOHA にはまだいくつかの制約があると述べています。例えば、システムのスペース要件が大きく、固定の高さの両腕では低いキャビネット、オーブン、食器洗い機などに触れるのが難しいという制約があります。将来的には、これらのハードウェアの制約を解決し、高度にサブオプティマルで異種のデータセットからの模倣学習を探求する予定です。
Mobile ALOHA プロジェクトは現在、Github でオープンソースとして公開されており、チームは関連する論文と紹介も公開しています。この技術はまだ十分に成熟していないため、開発者は近い将来、より詳細な論文を Arxiv プラットフォームで公開する予定であり、GenAI も技術の詳細に引き続き注目し、新しい情報があれば最初に解説します。