新技術GenEM、ロボットに人間らしい振る舞いを実現 – DeepMindらが開発

2024年2月7日0:24

Last Updated on 2024-02-07 by admin

DeepMindとトロント大学、Hoku Labsの研究者たちは、ロボットに表現豊かな振る舞いを生成する新しい技術「GenEM」を提案しました。この技術は、大規模言語モデル（LLM）に含まれる豊富な社会的文脈を利用して、ロボットが人間のような振る舞いを模倣できるようにします。GenEMは、環境の文脈を理解し、ロボットの能力を使用して表現豊かな振る舞いを生成するために、様々なプロンプト方法を使用します。

従来の方法と比較して、GenEMはより多様で、人間のフィードバックや異なるタイプのロボットに適応できるとされています。この技術は、自然言語の指示からロボットの表現豊かな振る舞いを自動生成するために、LLMエージェントのシーケンスを使用します。各エージェントは、社会的文脈を理解し、望ましい表現豊かな振る舞いをロボットのAPIコールにマッピングする役割を果たします。GenEMは、ロボットの利用可能なアフォーダンス（例えば、音声、身体の動き、ライトストリップなどの視覚的特徴）を活用して、ロボットの意図を効果的に表現する多様な振る舞いを生成できます。

研究者たちは、ユーザーフィードバックの有無に関わらず、GenEMを使用してモバイルロボット上で生成された振る舞いを、プロのキャラクターアニメーターによって設計されたスクリプト化された振る舞いのセットと比較しました。その結果、一般的にユーザーは、プロのアニメーターによって慎重にスクリプト化されたものと同じくらい、GenEMによって生成された振る舞いを理解できると感じました。また、GenEMのモジュラーで多段階のアプローチは、指示を直接ロボットの振る舞いに変換する単一のLLMを使用するよりも優れていることがわかりました。特に、GenEMはプロンプトベースの構造のおかげで、特殊なデータセットにモデルをトレーニングする必要なく、適用されるロボットのタイプに依存しません。最終的に、GenEMはLLMの推論能力を利用して、単純なロボットのアクションのセットを使用して複雑な表現豊かな振る舞いを構成できます。

【ニュース解説】

DeepMind、トロント大学、Hoku Labsの研究チームが開発した「GenEM」という技術は、ロボットが人間と同じ環境で共存するために必要な、表現豊かな振る舞いを生成するための新しいアプローチを提案しています。この技術は、大規模言語モデル（LLM）の持つ豊富な社会的文脈を活用し、ロボットに人間のような振る舞いを模倣させることを可能にします。GenEMは、自然言語の指示に基づいて、ロボットの振る舞いを自動生成するために、LLMエージェントのシーケンスを使用します。これにより、ロボットは音声、身体の動き、ライトストリップなどの視覚的特徴を活用して、その意図を効果的に表現することができます。

従来のロボットの振る舞い生成方法は、ルールベースやテンプレートベースのシステムに依存しており、これらのシステムは固定的であり、新しい状況や人間の好みの変化に柔軟に対応することが難しいという問題がありました。GenEMは、これらの問題を解決するために、LLMの推論能力を利用して、ロボットの振る舞いを動的に生成します。これにより、特定のロボットや社会的相互作用に特化したデータセットや、複雑なルールの作成が不要になります。

GenEMの利点は、その柔軟性と適応性にあります。この技術は、人間のフィードバックに基づいて振る舞いを適応させたり、既存の振る舞いを組み合わせて新しい表現を生成することができます。また、プロンプトベースの構造により、特定のロボットタイプに依存せず、様々なロボットに適用可能です。これは、ロボット技術の応用範囲を広げ、より自然で人間らしいインタラクションを実現するための重要なステップです。

しかし、GenEMはまだ初期段階にあり、さらなる研究と開発が必要です。現在のところ、一度のみの人間とロボットの相互作用や限られたアクションスペースでのテストに限定されています。将来的には、より豊富なプリミティブアクションを持つロボットでの応用や、より複雑な社会的相互作用のシナリオでのテストが期待されます。

この技術の発展は、ロボットが人間社会においてより自然に溶け込み、有用な役割を果たすことを可能にします。しかし、ロボットの振る舞いが人間にとって理解しやすく、受け入れられるものであることを確保するためには、倫理的な考慮や人間とロボットの相互作用に関するさらなる研究が必要です。また、この技術の進化に伴い、ロボットに関する規制やガイドラインの更新も必要になる可能性があります。

from DeepMind’s GenEM uses LLMs to generate expressive behaviors for robots.