ロボティクスのスタートアップ企業であるCovariantは、物理的な世界でより役立つ機械を作るために、ロボットアームを制御できるChatGPTスタイルのチャットボットを実験しています。CovariantのCEOであるPeter Chenは、ChatGPTと通信するために使用されるインターフェースに似たチャットボットインターフェースの前に座り、「目の前のトートを見せて」と入力します。応答として、さまざまなアイテムが入ったビンの上にあるロボットアームを映し出すビデオフィードが表示されます。このチャットボットは、見たアイテムについて話し合うだけでなく、それらを操作することもできます。
このチャットボットは、ChatGPTのようなプログラムによって示される一般的で柔軟な能力をロボットに与えることを目指す一歩です。AIがロボットのプログラミングの長年の困難を解決し、狭い範囲の仕事以上のことをさせることができることを期待しています。Covariantが開発したRFM-1と呼ばれるモデルによって動力を供給されており、ChatGPTやGoogleのGeminiなどの背後にあるものと同様に、大量のテキストでトレーニングされていますが、物理的な世界での労働から得られた数千万例のロボットの動きのビデオとハードウェア制御および動作データも組み込まれています。
Covariantは2017年に設立され、機械学習を使用してロボットアームが倉庫のビンからアイテムを選び出すソフトウェアを現在販売していますが、通常は訓練されたタスクに限定されています。Covariantの共同創設者であり主任科学者であるPieter Abbeelは、RFM-1のようなモデルがロボットにより流暢に新しいタスクに取り組むことを可能にすると述べています。Covariantの戦略を、Teslaが販売した車からデータを使用して自動運転アルゴリズムをトレーニングする方法に例えています。
Covariantの取り組みの興味深い側面は、それが基礎となるAIモデルが世界の物理法則をよりよく理解するのを助けることができるということです。Abbeelは、OpenAIの非常にリアルなビデオモデルであるSoraが正確な人間の解剖学や基本的な物理法則のレンダリングに苦労するのと比較して、RFM-1は現実世界で何が可能で何が不可能かをよりよく把握していると指摘しています。
【ニュース解説】
ロボティクスの分野で、AIチャットボットを物理的な作業に応用する試みが進行中です。具体的には、Covariantというスタートアップ企業が、ChatGPTのようなチャットボットを使ってロボットアームを制御する技術を開発しています。この技術は、ロボットが言語を理解し、物理的なアクションを実行することを可能にすることを目指しています。これにより、ロボットがより幅広いタスクを柔軟にこなせるようになることが期待されています。
Covariantが開発したRFM-1というモデルは、大量のテキストデータだけでなく、ロボットの動きやハードウェア制御に関するデータも学習しています。これにより、RFM-1は言語だけでなく、物理的なアクションも理解し、それらを結びつけることができます。例えば、特定の物体をつかむ方法をビデオで示すことが可能です。
この技術の応用により、ロボットは倉庫でのピッキング作業など、特定のタスクに限定されず、より多様な作業をこなせるようになる可能性があります。また、Covariantの取り組みは、AIモデルが現実世界の物理法則をより深く理解する手助けをすることも期待されています。これは、ロボットがより現実に即した動作を学習し、実行できるようになることを意味します。
しかし、ロボットがより一般的な能力を持つためには、大量のデータが必要であり、その収集方法はまだ解決されていない課題です。また、この技術の発展は、ロボットが人間の仕事を代替する可能性を高めることから、労働市場に与える影響も考慮する必要があります。一方で、効率化や安全性の向上など、ポジティブな側面も多く、将来的には人間とロボットが協力して作業を行う新たな形態が生まれるかもしれません。
この技術の発展は、ロボティクスとAIの分野における大きな進歩を示しており、将来的には私たちの生活や働き方に大きな変化をもたらす可能性があります。
from The Quest to Give AI Chatbots a Hand—and an Arm.
