カテゴリー別アーカイブ: ロボティックス

UC Berkeleyは高度なAIでロボットの頭脳を開発、ピッキングロボがアマゾン倉庫で仕分け作業をする日

2020年1月、サンフランシスコでAIのカンファレンス「RE•WORK」(#reworkAI)が開催された。「Deep Learning Summit」(#reworkDL)という分科会でロボティックスの最新技法が議論された。ピッキングロボ(商品仕分け作業ロボ)に焦点をあて、技術開発の歴史を振り替えり、ロボットの頭脳を構成するAI技法の進化について講義された。AIの進化がロボットの機能や性能を押し上げ、ピッキングロボが人間の技能を凌駕する日が見えてきた。

出典: Ken Goldberg

ピッキングロボ

このセッションではカリフォルニア大学バークレー校のKen Goldberg教授(上のグラフィックス、中央の人物)が「The New Wave in Robot Grasping」と題して講演した。講義ではピッキングロボがオブジェクトを掴む技法について、それを制御するAIにフォーカスし、技術進化の過程や開発思想が示された。ピッキングロボとは商品を仕分けするロボットで、アームの先端に装着されたグリッパーで商品を掴み、これを別のトレイに移す作業をする(下の写真)。この際、グリッパーは異なる形状のオブジェクトをいかに正確に速く掴むことができるかがカギになる。

ロボット開発の流れ

ピッキングロボの性能や機能はロボットの頭脳であるAI技法により決まる。AIの進化によりロボットがインテリジェントになり、オブジェクトを上手く掴むことができるようになる。第一世代は「数値解析」というアプローチで、数学的にピッキングの問題を解いてきた。第二世代は「経験則」で、ロボットが繰り返し掴み方を学習し技量をあげてきた。現在は第三世代で、両者を組み合わせた「複合型」の開発思想を取っている。

出典: AUTOLAB

第一世代:Robotics 1.0

第一世代は「数値解析」でオブジェクトの形状や重心などを把握し、ロボットがこれを掴んだ時の成功確率を計算するアプローチを取る(下の写真)。計算して成功確率が高い個所をロボットが掴む(下の写真では右端)。しかし、オブジェクトの形状は複雑で、掴み方は沢山ある。このため、この手法では計算量が膨大になり精度が上がらない。(このネットワークは「Dex-Net 1.0」と呼ばれ、Goldberg教授らにより開発され、GitHubに公開されている。)

出典: Jeffrey Mahler et al.

第二世代:Robotics 2.0

このため、第二世代ではロボットがオブジェクトの掴み方を繰り返し学習し技量をあげるアプローチ「経験則」が取られた。ここでは深層強化学習(Deep Reinforcement Learning)が使われ、ロボットは膨大な数のピッキングを繰り返す。この手法の代表がGoogleの「Arm Farm」で、複数のロボットを並列に稼働させ学習効率を上げた(下の写真)。しかし、この手法ではAIが技量を学習する速度が遅く、業務で使えるようになるには長い年月を要す。

出典: Google

第三世代:Robotics 3.0

第三世代では両者の技術を統合して技量をあげるアプローチ「複合型」が取られた。ここではコンピュータビジョン(CNN)が重要な役割を果たし、3Dカメラが捉えたオブジェクトを立体的に把握し、掴む場所を特定する(下の写真)。具体的には、オブジェクトの形状を把握して、数値解析の手法で掴む場所の候補を把握する。次に、コンピュータビジョンはこれらの候補を解析し、掴むことに成功する確率を計算する。ロボットは成功確率の高い場所を掴む。このAIは数多くの3Dモデルで掴み方を学習しており、経験から最適な場所を特定できる。(このネットワークは「Dex-Net 2.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

吸引方式のグリッパーにも対応

通常のグリッパーに加え、吸着パッド型のグリッパー(Suction Cup Gripper)についてもAIが開発されている。このモデルはネットワークが吸引するために最適な場所を特定する。モデルはオブジェクトの表面に吸引する場所を示す(下の写真)。緑色が安定して掴めるポイントで、赤色が不安定なポイント示す。吸着パッド型のグリッパーは緑色のポイントに当てられ、ここを吸引してオブジェクトを持ち上げる。(このネットワークは「Dex-Net 3.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

最新モデルは二種類のグリッパー対応

最新モデルは異なるグリッパーで構成されたロボットハンドを制御することができる。ピッキングロボは通常のグリッパー(Parallel-Jaw Gripper)と吸着パッド型グリッパー(Suction Cup Gripper)から構成され(下の写真)、AIはこれらグリッパーがオブジェクトを掴む場所を算定する。ロボットは最適なグリッパーを使ってオブジェクトを掴むことができ精度と速度が向上する。このネットワークはオブジェクトを掴む精度は95%以上で、毎時300個のピッキングができる。(このネットワークは「Dex-Net 4.0」と呼ばれる。)

出典: Jeffrey Mahler et al.

応用分野 

ピッキングロボはEコマースの配送センター(下の写真)に適用されることを想定している。ここでは人間がトレイから商品を取り出し、別のトレイに移す作業を繰り返す。この作業をピッキングロボが代行する。特に、アマゾンなどがこの技術に注目しており、ピッキングロボを導入し処理効率を向上させることを計画している。ただ、ロボットが人間の仕事を奪うという問題が発生するため、導入には雇用対策も求められる。一方、商品を移し替えるような単純作業は人気がなく、常に人手不足の状態で、これをピッキングロボが解消すると期待している。

出典: Seattle Times  

ロードマップ

ピッキング技術はこれで完成ではなく、ピッキングロボは奇妙な形状をしたオブジェクトや初めてみるオブジェクトを正しく掴めるかが今後の課題となる。異なる形状のオブジェクトを正しく掴むことがロボット技術のグランドチャレンジで、各社がピッキング技術開発でしのぎを削っている。AIの進化でロボットのピッキング精度と速度が大きく向上し、Dex-Net 4.0のケースではロボットが毎時300個のオブジェクトを掴むことができる。人間の能力は毎時400-600個で、近いうちにピッキングロボがこれを上回るといわれている。ピッキングロボをEコマースの配送センターに適用することが視界に入ってきた。

Googleは家事や介護ができる汎用学習ロボットを開発中、高度なAIでブレークスルーを狙う

Googleの持ち株会社Alphabetはロボット開発を進めているが、2019年11月、最新状況を公開した。ロボットは「Everyday Robots」と呼ばれ、家庭やオフィスで日々のタスクを実行する。ロボットは自分で学習する機能を備え、煩雑な環境の中を自律的に動き、ごみの分別などをこなす。最終的には家庭に入り、家事をこなし、高齢者の介護を手掛ける。Everyday Robotsは高度なAIが求められ、Google BrainやWaymoと密接に開発研究を進める。

出典: Alphabet X

ロボットの概要

ロボットはGoogleのムーンショット工場「Alphabet X」で開発されている。ロボットは駆動機構に円柱状の本体が乗り、ここにアームが接続されている(上の写真)。頭部にカメラなどのセンサーを搭載し、AIがイメージを解析し周囲の環境を理解する。煩雑なオフィスの中を社員に交じって安全に移動する。

ロボットの視覚とアーム操作

ロボットはアーム先端のグリッパーで日常のオブジェクトを掴んだり動かしたりする(下の写真)。ロボットは搭載されたセンサーで収集したデータを解析し、何を見ているのか、また、何を聞いているのかを理解する。更に、ロボットは世界の中でどこにいるのかを把握し、日常生活の中で人間に交じり、タスクを安全に実行する。つまり、ロボットは常識を持ち人間の同僚のように振る舞う。

出典: Alphabet X

ロボットの位置付け

いまのロボット(下のグラフ、Industrial Robotics)は管理された環境で厳密に定義されたタスクを実行する。自動車工場の製造ロボットがこれに該当し、規定されたパーツを定義された動作とタイミングでシャシに搭載する。このために、操作を逐一プログラミングする構成で、ロボットはそれに沿って正確に稼働する。この結果、ロボットはオフィスや家庭のように予定外の事象が発生する環境では動くことはできない。

出典: Alphabet X

汎用学習ロボット

これに対して、Everyday Robotsは人間に交じり、想定外の事象が起きる環境で、日々のタスクを安全に実行する(上のグラフ、Everyday Robots)。自動運転車より難易度が高いというポジショニングとなる。また、Everyday Robotsは人間のしぐさを見てタスクの実行方法を学び、また、他のロボットから学習する機能もある。そして、ロボットはクラウドのシミュレーション環境の中でタスクを学んでいく(下の写真、Lidarで周囲のオブジェクトを把握している様子)。

出典: Alphabet X

ごみの分別を学習

Everyday Robotはごみを分別するタスクを学習している(下の写真)。箱に入っているごみを、ボトルはリサイクルのトレイに、また、紙コップはランドフィルのトレイに移し替える。ロボットはごみの種類を把握して、それをグリップで掴み、指定された場所に移す。学習を重ね、今では95%の精度でごみの分別ができる。数多くのロボットが並列してごみ分別タスクを実行することで学習速度を上げる。

出典: Alphabet X

Googleのロボット開発の歴史

Googleのロボット開発は紆余曲折を経て今の形に収束した。Googleがロボット開発に着手したのは2013年12月で、Android生みの親Andy Rubinが指揮を取った。GoogleはBoston Dynamicsなどのロボットベンチャーを相次いで買収した。しかし、ロボット開発は難航し、プロジェクトは中止となり、GoogleはBoston DynamicsをSoftBankに売却した。更に、Rubinは人事問題で2014年末に会社を離れ、Googleのロボット開発は失敗の象徴として語られる。

ロボット開発再開

しかし、2016年ころ、Googleのロボット開発はAlphabet Xに集約され、ここで再出発することとなった。今度は最新のAIをロボットに適用することでインテリジェントなロボットを目指した。Googleのアプローチはコモディティ・ハードウェアに最新のAI技法を取り込み高度なロボットを開発するというもの。研究施設にはロボットアームが40台並び、オブジェクトのピッキングなどのタスクが実施された。多数のロボットアームが稼働することから、この施設は「Arm Farm」と呼ばれた。ロボットが多重でタスクを実施することでアルゴリズムを教育する速度が向上した。

深層強化学習

この頃、DeepMindは深層強化学習(Deep Reinforcement Learning)という手法で囲碁システム「AlphaGo」を開発し、人間の囲碁のチャンピオンを破った。Googleはこの手法をロボットに応用し、学習速度をあげるアプローチを取った。AlphaGoがシミュレーション環境で囲碁の技を磨いてきたように、ロボットもシミュレーション環境でピッキングを繰り返しスキルを上げた。

出典: Google

Alphabet Xキャンパス

Everyday Robotはこの延長線上にあり、ロボットは、昼間は研究所の中でごみ分別作業を繰り返し、夜間はシミュレーション環境でこのタスクを実行する。ちょうど、自動運転車Waymoが市街地を走行し、同時に、シミュレーション環境で試験走行を繰り返すモデルに似ている。WaymoとEveryday RobotはAlphabet Xの同じキャンパスで開発されている(下の写真)。また、ロボットはWaymoが開発したLidarを搭載しており、これで周囲のオブジェクトを把握し、自動で走行する。

出典: VentureClef

ブレークスルーはあるか

Everyday Robotsは深層強化学習など高度なAIを搭載し、自分でごみの分別方法を学んでいく。ごみの分別ができると次のタスクに進むが、既に基礎教育ができているので、研究チームは新しいスキルを短時間で習得できると見込んでいる。ロボットは異なるタスクでも学習速度をあげ、Everyday Robotは汎用学習ロボットに到達するというシナリオを描いている。しかし、この仮説が実証された事例はなく、本当に汎用学習ロボットに到達できるのか、大きな挑戦となる。Googleの高度なAIでこの壁を破れるのか、世界が注目している。

Googleは新体制でロボット開発を強化、高度なAIでブレークスルーを狙う

Googleは新体制でロボット開発を加速している。新組織は「Robotics at Google」と呼ばれ、Vincent Vanhouckeが指揮を執る。VanhouckeはAI研究部門「Google Brain」でイメージ認識技法(Computer VisionやPerception)の研究をリードしてきた。新組織はGoogle本社にオフィスを構えAI部門と連携して研究開発を進める。🔒

出典: Andy Zeng et al.

シリコンバレーで宅配ロボットの営業運転が始まる、企業キャンパスで社員にランチを配送

Amazonは宅配ロボット「Amazon Scout」の実証実験を始めたが、ベンチャー企業はすでにシリコンバレーで営業運転を展開している。Starship Technologiesは宅配ロボット「Starship」を企業キャンパスで運用し、社員向けにランチを配送するサービスを始めた。🔒

出典: Starship Technologies

Amazonは宅配ロボット「Scout」の運用を開始、人に代わりロボットが商品を配達する

Amazonは配送ラストマイルを担うロボット「Amazon Scout」の実証実験を始めた。Amazonで購入した商品は人間ではなくロボットが配送する。既に多くのベンチャー企業が配送ロボットを開発しているが、Amazonの参入で技術競争が激しくなる。同時に、AmazonがScout投入したことは、商品の宅配をロボットが担う時代が到来したことを意味する。

出典: Amazon

Amazon Scoutの概要

Amazonは2019年1月、配送ロボットAmazon Scout (上の写真)を発表した。Scoutはクーラーボックスに車輪が六つ付いた形状で、自動運転車のように自立走行する。Scoutは歩道を人が歩くくらいの速さで進み、注文を受けた商品を消費者宅まで配送する。プライム会員向けのサービスで、Amazonで買い物をして同日配送などのオプションを選択すると、Scoutがその商品を無料で配送する。

トライアルを開始

Amazonは6台のScoutを使ってSnohomish County(ワシントン州)でトライアルを始めた。Scoutの運用は月曜日から金曜日までの日中に限られる。注文を受けるとScoutが最適ルートを算定し、自動走行して商品を宅配する。当初は、Amazonのスタッフが安全確認のためにロボットに随行する。

商品の受け取り

Scoutが配送先に到着すると消費者宅の玄関前の歩道に停止する。消費者のスマホにメッセージが送信され、Scoutが到着したことを知らせる。消費者はアプリを操作(PINの入力か)してScoutの貨物ベイのカバーを開き、商品を取り出す(下の写真)。Scoutは商品が取り出されたのを確認して、カバーを閉めて、自律的に帰還する。

出典: Amazon

住民サービスの向上

Scoutはシアトルのアマゾン研究所で開発された。Scoutは歩道を自律走行し、路上のペットや歩行者をよけて安全に移動する。Snohomish CountyはScoutによる商品配送を歓迎するとのコメントを出している。住民サービスが向上するとともに、環境にやさしい方式での配送に期待を寄せている。

地方政府の評価が分かれる

一方、配送ロボットを歓迎しない自治体も少なくない。サンフランシスコは配送ロボットが歩道を走行することを禁止している。市街地では歩道の幅は狭く、配送ロボットが高齢者や身体障碍者の通行を妨げる、というのがその理由。反対に、配送ロボットを積極的に受け入れる自治体は多い。上記に加え、シリコンバレーのMountain ViewやSunnyvaleは配送ロボットが次世代インフラを支える基礎技術と評価し、実証実験を進めている。

技術的課題課題

Scoutなど配送ロボットは歩道を走行して商品を配送する仕組みとなる。歩道の走行は一般道路の走行より難しいとされる。歩道は狭く歩行者で込み合っている。更に、人は歩道を整然と歩くのではなく、ロボットが予測できない行動を取る。歩道を集団で歩いたり、商店から歩道に飛び出すことも珍しくない。歩道にはカフェのテーブルや自転車などが置かれており、配送ロボットはこれらの事象を理解して対応することが求められる。

受け取り手順の問題

更に、人間でなくロボットが商品を届けると、受取手順が問題になる。高級住宅地では敷地に入る際にマニュアルでゲートを開ける必要がある。また、アパート形式の建物では配送ロボットは玄関先まで行くことができない。戸建ての住宅であっても、到着した際に、受取人が不在の時は配送ロボットは荷物を玄関先に置いておくことができない。配送ロボットが通行人によりいたずらをされるケースも報告されている。今後、実証試験などを通してこれらの課題を解決する必要がある。

実際に事故が発生

ロボットが生活に入ってくる中、全米各地で事故が報告されている。Washington(コロンビア特別区)のショッピングモールGeorgetown Waterfrontで、警備ロボット「Knightscope」はステップで転倒し池に転落した(下の写真)。警備ロボットの厳格なイメージが傷つき、企業はハードウェア以上のダメージを受けた。

また、配送ロボット「KiwiBot」はBerkeley(カリフォルニア州)で配送中に突然火を噴きだし火災となった。消防が駆け付ける前に周囲の通行人が消し止め大事には至らなかったが、企業イメージの低下は避けられない。これらの事故が示しているように、ロボットの技術完成度はまだまだ未熟で、抜本的な技術革新が求められる。

出典: Bilal Farooqui

ロボット配送時代に

Amazonはラストマイルの配送ではドローン「Prime Air」の技術開発を早くから始めているが、ロボット配送では市場参入が遅れた。AmazonがこのタイミングでScoutを投入したことは、配送ロボット市場の機が熟したと判断したのかもしれない。解決すべき課題は多いが、Amazonの参入で市場が活性化し、一気にロボット配送の時代に突入する予兆を感じる。