4,038 文字
人工知能の専門家であり、思慮深い思想家として、まずは非常に印象的な動画から始めましょう。
これはFigure AIのHelixロボットの実際の動きです。これらの機械は物流を変革しています。人型推論のための視覚・言語・行動モデルを活用し、小型小包の高速物流タスクを処理することができます。Helixの注目すべき点は、そのステレオ視覚技術と多段階視覚表現で、物体を効率的に操作できることです。さらに印象的なのは、最初の顧客ユースケースの実装に12か月かかったのに対し、2番目のユースケースはわずか30日で実現できたことです。
この劇的な加速は、Figure社のロボットがエンドツーエンドの学習アプローチによって、いかに速く新しいスキルを獲得できるかを示しています。Figure社はHelixにスポーツモードも組み込み、高速環境でのパフォーマンスを向上させました。先週、彼らは顧客先で直接このシステムを正常に稼働させることに成功しました。
次に、製造セクターにおける別のロボット革命、Boston Dynamicsの事例を見てみましょう。
ちょっと待って、もう一度試します。大丈夫です。3、2、1でズームします。
現在、人型ロボットに注目が集まっている主な理由は、真に柔軟なロボットソリューションの可能性です。このソリューションは、これまでのロボット工学では見られなかった方法で、異なるタスクやアプリケーションを切り替えることができます。世界は人間のために作られています。人型ロボットの大きな約束は、これらの人間が構築した環境に入り、即座に価値を提供できることです。
前世代のロボットは、走る、跳ぶ、回転するなど、多くの運動能力を実現できました。これにより、全身制御の限界を探求するための非常に興味深い研究プラットフォームとなりました。しかし、油圧システムにはデメリットもあります。非常に複雑で、かなりコストがかかり、メンテナンスが難しく、汚れを生じさせます。以前の研究室はいつも薄い油の層で覆われていました。
人型ロボット開発の過程で、前世代のAtlasのために開発されたバッテリー技術を使用し、独自の電子アクチュエーターを構築することで、厳密により速く、より強く、よりコンパクトで、より清潔な人型ロボットを構築できることに気づきました。
単純な物体操作は、人々が意識的に時間をほとんど割かないものです。私たちは世界との相互作用を通じて一生をかけて、制御システムを訓練し、何が起こるかを予測し、身体のさまざまな部分に命令を送って操作タスクを実行する方法を知っています。ロボットは一般的にこのような豊かな経験を持っていません。
人工知能の分野で行われている刺激的な研究の一部は、実世界の現場や研究室、あるいはシミュレーションで生成される、すべてのロボットから生成される豊富なデータソースを活用して、同様の一般化能力と誤差修正能力を持つモデルをトレーニングすることです。根本的に新しい操作タスクを実行する際のエラーを修正できるようにするのです。これは、今後数年間でAIがロボットの能力に対する認識を大きく変えると予想される分野の一つです。
シーケンシングは、自動車製造の世界における物流タスクで、製造業者が多くのカスタマイズや車両のバリエーションを生産できるように作られました。シーケンシングはビジネス価値がありますが、研究の観点からも、汎用の操作ロボットを開発するために必要と考えられる多くの複雑性を示しています。
シーケンシングプロセスでは、数千の異なる部品のバリエーションを取り、車が生産される特定の順序に配置することで、より速く、より正確に車を生産できるようにします。このタスクのために、私たちはAtlasに望ましい最終状態の基本的な説明を与えました。特定の順序でエンジンフードを満たす必要がある出力カートがあります。また、エンジンフードを探せる場所の説明も提供しました。
この情報を得ると、基本的に出力カートの順序で進みます。例えば、出力の最初の位置を選び、必要なエンジンフードのタイプを決定し、それがどこにあるかを探し、そこから取り上げようとします。それが見つかれば続行します。この基本的な説明と、提供したタスク構造の説明があり、これら二つを組み合わせてシーケンシングを実行します。
Atlasは主に頭部にカメラを持っています。カメラで、相互作用する必要のある固定具やコンテナを認識します。単に物体を取り出したり挿入したりする特定のコンテナだけでなく、周囲のすべてのコンテナを見て、例えば衝突を避けるために歩みを計画できるようにします。同時に、物体も見ています。操作する物体のイメージを持ち、このメンタルモデルを使って、RGBカメラを直接使用して物体の位置を推定し、時間の経過とともに追跡します。
時には成功したことを知ることもあれば、失敗したことを知ることもあります。押し始めて、希望通りにフードを動かせないことを検知すると、後退して再試行します。フードを置いてから手を離します。その時点で成功したと考え、しっかりと配置されていることを確認するために追加の小さな押しを加えます。
360度回転は面白いですね。これは特に効率性のために存在しています。Atlasはより速く回転でき、頭を回転させたい場合は、単に頭を回転させることができます。この360度の動きのおかげで、前後の移動もより速くなります。
Boston Dynamicsはロボット工学、特に脚を持つロボットに関して非常に長い歴史があり、二足歩行に関しては約15年以上取り組んでいます。しかし、私たちは本当に高性能な機械として設計しました。物理的に可能なことの限界を探求することに興味を持ち、その周りに構築されたすべてのインフラストラクチャは、Atlasのパフォーマンスにすでに現れている真の加速要因だと思います。
私は偏っているかもしれませんが、今日の人型ロボットの最高峰だと思います。Atlas HDが持っていたすべての敏捷性を備えていますが、おそらくさらに優れています。
Boston DynamicsのAtlasの最新の偉業をご覧いただきました。この第3世代ロボットの映像は3月5日に公開されました。このロボットは現在、実際の自動車工場で働いています。Atlasがいかに正確に部品を操作しているかをご覧ください。驚くべきことに、各コンポーネントを特定し、つかみ、正確に配置しています。しかも、これはすべて事前にプログラムされたスクリプトなしで行われています。
テックブログの情報によれば、Atlasは現在、未知の部品にも瞬時に適応できる高度なAIを使用しています。この適応能力がすべてを変えています。2021年からBoston Dynamicsを所有しているヒュンダイは現在、自社工場でAtlasを自動車部品の仕分けのためにテストしています。
具体的に何の役に立つのでしょうか？Atlasや他のロボットは工場の物流を革命的に変える可能性があります。Imaginativeによると、初期のテストでは部品のシーケンス化エラーが37%減少したとのことです。しかしこれは始まりに過ぎません。Atlasの真の強みはその汎用性にあります。一つのタスクしかできない従来の産業用ロボットとは異なり、Atlasは大きな再構成なしに異なるミッション間を移動できます。
Boston Dynamicsの公式ブログが強調するように、これらのロボットは危険な環境で24時間年中無休で働くことができ、産業界の重要な問題を解決します。もちろん、これは仕事の未来について重要な疑問を投げかけます。Xでは議論が激しく行われています。例えば、ユーザーのwongunは「Atlasは労働者を置き換えるのか、それとも補完するのか」という質問を投げかけました。
現実はより微妙です。これらのロボットを導入している最初の工場では、ロボット監督者、AIメンテナンス技術者、ワークフロー設計者など、新しい職種も生まれています。未来は確かに、これらの機械と協力する方法を知っている人々のものでしょう。
あなたはどう思いますか？Atlasの隣で働きたいですか？もしこれらの人型ロボットとその能力に魅了されているなら、あなたに良いニュースがあります。私のトレーニングでは、これらの印象的な機械の背後にある、産業を革命的に変える技術を発見できます。これらのスキルを習得するには今が重要な時期です。この変革の波はまだ始まったばかりであり、この革命の正しい側にいることはもはやオプションではありません。
私のトレーニングを受ければ、わずか数時間で自分の分野で人工知能を活用し、あなたを疲弊させる繰り返しのタスクを自動化し、この新しい経済の中であなたを不可欠にする専門知識を開発する方法を学ぶことができます。あなたが開発者、マネージャー、退職者、または単にこれらのテクノロジーに情熱を持っているだけでも、このトレーニングは最新のAIの力を理解し活用するための鍵を提供します。リンクは説明欄とピン留めされたコメントにあります。
すでに700人以上の人々が、彼らの職業的未来のためにこの戦略的選択をしています。AtlasとHelixで見たように、技術革命はまだ始まったばかりであり、これらのイノベーションを今マスターする人々にとって、機会は膨大なものになるでしょう。
もしこの分析に興味を持ち、現在の地政学的問題の理解をさらに深めたいなら、私の新しいチャンネル「Vision Actu」をご覧ください。そこでは、私たちの現在と未来を形作るこのテーマやその他の多くのテーマについての詳細な分析を見つけることができます。新しい分析情報を見逃さないよう、両方のチャンネルに登録することをお忘れなく。また近いうちにお会いしましょう。
コメント