Last Updated on 2024-03-11 by admin

OpenAIのスピンオフ企業であるCovariantは、ロボットが人間のようにタスクを学習できるAIモデル「RFM-1」を開発しました。このモデルは、Covariantが世界中の倉庫で使用しているアイテムピッキングロボットから収集した数年分のデータと、インターネットからの言葉や動画を組み合わせて訓練されました。RFM-1は、テキスト、画像、動画、ロボットの指示、測定値といった5種類の入力を使ってモデルを操作できます。例えば、スポーツ用品でいっぱいの箱の画像を見せ、テニスボールのパックを拾うように指示すると、ロボットはそのアイテムを掴み、テニスボールがなくなった後の箱の画像を生成したり、ロボットがそのタスクを実行している様子を鳥瞰図で見せる動画を作成したりすることができます。

Covariantは、このモデルが実際の環境で展開されることで、より能力が向上し効率的になることを期待しています。しかし、RFM-1はまだ限界があり、例えば「バナナをトート2に戻す」という指示に対して、スポンジやリンゴなど他のアイテムを拾うなどしてタスクを完遂するまでに苦労する場面もあります。

Covariantの新しいモデルは、ロボットに世界の仕組みを物理方程式やコードといった複雑な、タスク固有のコードを使って手動で教えるのではなく、人間が学習するのと同じ方法、つまり観察を通じて教えるというパラダイムシフトを体現しています。このモデルは、任意のロボットタスクを解決するための非常に効果的な柔軟な脳として機能することが期待されています。

Covariantは、RFM-1が継続的に学習し、洗練されることを目指しており、将来的にはモデル自身が作成した動画でトレーニングするというメタラーニングに取り組む予定です。

【ニュース解説】

OpenAIのスピンオフ企業であるCovariantが開発したAIモデル「RFM-1」は、ロボットが人間のようにタスクを学習する能力を持つことが特徴です。このモデルは、Covariantが運用するアイテムピッキングロボットから収集した膨大なデータと、インターネット上の言葉や動画を組み合わせて訓練されました。RFM-1は、テキスト、画像、動画、ロボットの指示、測定値など、多様な入力を受け付けることができ、これによりロボットがより柔軟に、そして効率的にタスクを実行できるようになることが期待されています。

この技術の進歩は、ロボットが単にプログラムされた命令を実行するのではなく、実際の環境や状況に応じて適応し、学習する能力を持つことを意味します。例えば、倉庫での作業では、ロボットが未知のアイテムや予期せぬ障害物に遭遇した場合でも、適切な対応を自ら学習し、タスクを完遂することが可能になります。これにより、人間の作業者に代わって、より複雑で変化する作業環境でロボットを活用することが現実的になります。

しかし、この技術にはいくつかの課題も存在します。例えば、RFM-1が特定のタスクを正確に理解し、実行するためには、十分な量と質の訓練データが必要です。また、ロボットが誤った学習をしてしまうリスクもあり、これは特に、ロボットが自身で生成した動画で学習を進める「メタラーニング」の段階で顕著になる可能性があります。誤った情報に基づく学習は、ロボットの行動に予期せぬ問題を引き起こすことがあります。

さらに、この技術の発展は、ロボットと人間の労働市場における関係にも影響を与える可能性があります。ロボットがより複雑なタスクをこなせるようになると、人間の労働者に代わって作業を行うケースが増えるかもしれません。これは、一部の職種における雇用機会の減少につながる可能性がありますが、一方で、新たな技術を管理・運用するための新しい職種が生まれることも期待されます。

最終的に、RFM-1のようなAIモデルを活用したロボット技術の発展は、産業界における生産性の向上、作業の効率化、そして新たな技術革新の促進に寄与することが期待されます。しかし、その過程で生じる潜在的なリスクや課題に対しても、適切な対応策を講じる必要があります。

from An OpenAI spinoff has built an AI model that helps robots learn tasks like humans.

SNSに投稿する