複雑な運動動作を再現するよう訓練されたAIロボット

カーネギーメロン大学とNVIDIAは、人型ロボットに驚くべき敏捷性を与え、複雑な運動能力を発揮させる画期的なトレーニング方法を開発した。クリスティアーノ・ロナウド の空中スピンからコービー・ブライアントの象徴的なフェイダウェイまで。

彼らの枠組みシミュレーションと現実の物理学の整合（ASAP）、 は、バーチャルトレーニングと実世界での実行のギャップを埋めることで、かつては機械には複雑すぎると考えられていた動きをロボットがマスターできるようにする。

について研究者たちは論文の中でこう述べている：

quot;ヒューマノイドロボットは、人間のような全身技能を発揮するための比類ない多用途性の可能性を秘めている。しかし、俊敏で協調的な全身運動を実現することは、シミュレーションと実世界の力学的ミスマッチのため、依然として大きな課題となっている。"

AIロボットの訓練に複雑なアルゴリズムが関わっている

ASAPは、2段階のプロセスを通じて、シミュレーションと実世界の物理学の橋渡しをするという課題に取り組んでいる。

まず、シミュレーションで人間のモーションデータを使って、モーショントラッキングのポリシーを事前にトレーニングする。

そして、これらのポリシーは実世界で展開され、データを収集しながら動きの精度を高めていく。

その結果、特徴的な運動能力を再現できる人型ロボットが誕生した。ロナウド レブロンの正確なシングルレッグ、コービー・ブライアントのフェイダウェイ・ジャンプショット。

その先スポーツ ロボットたちは、1メートルを超える前方ジャンプや横方向ジャンプを披露し、見事な敏捷性を示した。

ハードウェアの制限により、彼らの動きはまだ不器用に見えるかもしれないが、デルタアクションモデル（シミュレーションと実世界の物理の不一致を補正するメカニズム）のおかげで、これまでのヒューマノイドよりも器用に動くことができる。

この技術革新により、トラッキングエラーが最大52.7％減少し、敏捷性と全身の協調性が大幅に向上した。

研究者たちは、実世界での応用において、より汎用性の高いヒューマノイドロボットへの道を開く可能性を強調した：

quot;我々のアプローチは、様々なダイナミックな動きにおいて敏捷性と全身のコーディネーションを著しく向上させます；

流体敏捷性はロボットの永遠の課題である

ロボットに人間のような器用さを実現することは、長い間、ロボットの大きな課題となってきた。ロボット工学。

研究者たちはこう書いている：

quot;何十年もの間、私たちはヒューマノイドロボットが人間レベルの敏捷性を達成し、あるいはそれを超えることを想定してきた。しかし、先行研究のほとんどは、主に運動能力に焦点を当て、脚を移動手段として扱ってきた；

ASAPは、ロボットが実世界の状況にシームレスに適応できるように、シミュレーションで動作ポリシーを事前にトレーニングすることでこれに取り組んでいる。

による人間のバイオメカニクスを模倣 四肢はダイナミックに機能し、動き、バランス、カウンターウェイト、そして表現さえもサポートする。

研究チームはASAPの改良を続け、複雑な操縦の実行によるハードウェアのひずみなどの制限に対処している。

複雑な動きをしている間に壊れたモデルもあったことを指摘し、彼らはこう言った：

"今後の方向性としては、ハードウェアのリスクを軽減するためのダメージを考慮したポリシーアーキテクチャの開発に焦点を当てることができる"

今後の取り組みとしては、マーカーレス姿勢推定とオンボードセンサーフュージョンを探求し、モーションキャプチャシステムへの依存を減らし、適応性と効率性を高める。

このような進歩により、ロボットがオリンピックに出場し、その座を独占するのはいつのことになるのだろうか？