人工知能（ＡＩ）にロボットを操縦させる研究が加速している。移動やピッキングなどの簡単な動作をディープラーニング（深層学習）にかけてロボット制御する試みだ。より複雑な作業を獲得させようと、ロボットに適したＡＩモデルが提案されている。同時にＡＩモデルからロボットの制御モデルを抽出する研究も進む。動作獲得と制御抽出が交われば、制御すら難しかったロボットが働けるようになる。（文＝小寺貴之）

人のまねから

　早稲田大学の尾形哲也教授と日立製作所の伊藤洋研究員らは、組み立て作業の基本となるペグ挿入をＡＩに習得させた。ＡＩに６関節アームを操縦させ、直径８ミリメートルの穴に７ミリメートルの突起を差し込ませる。まず人間がアームを操作して穴を探り、挿入する動作を数回教える。その動作スキルをＡＩが学習して習得する。尾形教授は「人の作業のまねから始めるとＡＩの学習回数を１００から１０００分の１に抑えられる」と胸を張る。

　関節角だけを学習するＡＩと関節角とモーターの電流値を学習するＡＩを用意した。関節角だけでは成功率は２５％に留まるが、電流値も学習させると成功率が８７・５％に向上した。電流値からモーター負荷を読み取り力覚センサーを代替した。

　電流値のようなノイズの多いデータを学習するために、早大は「Ｓ―ＣＴＲＮＮ」というＡＩモデルを開発した。尾形教授は「ノイズ分散を予測し、分散の大きさで誤差を割る。これでＡＩが学習しやすい構造を優先的に学習できる」と説明する。

ソフトロボ制御

　九州工業大学の池本周平准教授と大阪大学の細田耕教授らは、ロボットの動きを学習したＡＩモデルから、ロボット制御に使う数式（制御モデル）を抽出している。もともと深層学習などのＡＩモデルは大量の線形応答関数の塊といえる。この数式をすべて合わせれば制御モデルが得られる。通常の硬いロボットは数式で表しやすいが、軟らかい「ソフトロボット」は数式で表すことが難しい。ソフトロボは安全性の高さなどからロボットの応用可能性を広げる新たな領域として期待されている。

　池本准教授らはソフトロボをグニャグニャと動かして入力とロボの動きをＡＩに学習させた。一つのモーター駆動の関節と１１個の軟らかい関節を持つアームを動かして学習させ、ＡＩモデルから制御モデルを抽出した。するとＡＩは２―３個の関節を持つアームとして１２関節アームを認識していた。

２つを融合　

　制御モデルの抽出では、やみくもにロボをグニャグニャと動かしただけではＡＩはロボを制御できないと判断してしまう。これはアームが取り得るすべての状態のデータをとれないためだ。

　例えば１２関節アームでは５０００億以上のデータが要る。そこでデータがとれる部分と、とれない部分を「カルマンの正準分解」という手法で分けた。これでＡＩは制御可能なアームとして学習し、制御モデルが抽出できるようになった。

　池本准教授は「ソフトロボの身体は連続的に曲がるように変形し、無数の関節があるようにふるまう」と説明する。ＡＩを経由することでソフトロボを制御しやすくなる。硬いロボの動作獲得とソフトロボの制御に深層学習が貢献している。この二つが融合すれば制御すら難しかったソフトロボにも仕事ができるようになるかもしれない。