たった60分で歩行を学習するロボットをUCバークレーが発表

カリフォルニア大学バークレー校の研究チームは、ロボットに60分以内で歩き方を教える手法を発表した。この手法では、シミュレーターを使わずにロボットを訓練することができるという点で、従来の深層強化学習の手法とは異なっている。

たった60分で歩行を学習するロボットをUCバークレーが発表
Photo by Aman Pal on Unsplash

カリフォルニア大学バークレー校の研究チームは、ロボットに60分以内で歩き方を教える手法を発表した。この手法では、シミュレーターを使わずにロボットを訓練することができるという点で、従来の深層強化学習の手法とは異なっている。

手法の名称は「DayDreamer」。World Models for Physical Robot Learning」と名付けられたこのプロジェクトは、Philipp Wu、Alejandro Escontrela、Danijar Hafner、Ken Goldberg、Pieter Abbeelによって率いられている。著者らによると、Dreamerアルゴリズムは、学習された世界モデルでの計画を通じて少量のインタラクションから学習し、ひいてはビデオゲームにおける純粋な強化学習を凌駕する可能性があるとのことだ。

ロボット工学の基本的な課題の1つは、実世界のシナリオで複雑なタスクを解決する能力をロボットに身につけさせることである。ロボットが試行錯誤を繰り返しながら学習する手法としては、強化学習(RL)が有名である。強化学習に基づく現在のアルゴリズムは、成功する行動を学習するためにシミュレーション環境とのインタラクションを多く必要とするため、実世界の多くのタスクには実用的ではない。

DayDreamerプロジェクトでは、研究者はDreamerアルゴリズムを4台のロボットに適用し、実世界で直接学習させました。彼らは、異なる行動空間、感覚モダリティ、報酬構造などの課題を克服することができた。

論文で発表された成果は以下の通り。

  • A1 Quadraped - 研究者は、シミュレータを使わずに、エンドツーエンドの強化学習設定で直接ロボットを訓練した。12個のダイレクトドライブモータで構成されるUnitree A1ロボットをゼロから訓練した。10分以内に、ロボットは押したり引いたりといった外部刺激に耐えられるように適応し、学習することができた。
出典:Philipp Wu et al(2022)
出典:Philipp Wu et al(2022)
  • UR5 Multi-Object visual pick and place - ロボットアームは、ボールを取って置くように訓練されています。このプロセスでは、3人称カメラの画像からボールの位置を特定し、それを把持して指定されたビンに移動させる。Dreamerは、8時間以内に1分間に2.5個の物体をピックする平均速度に到達することができた。
出典:Philipp Wu et al(2022)
出典:Philipp Wu et al(2022)
  • XArm visual pick and place - XArmでは、チームはRGBと深度モダリティを備えた3人称のRealSenseカメラと、ロボットアーム用の自己認識入力を使用し、ロボットアーム用の自己認識入力と共に、センサーフュージョン学習のためにワールドモデルを必要としました。ここでは、ボールの代わりに柔らかい物体を使用していますが、これはシミュレーションする上で難しいことです。XArmは10時間でこのタスクを完了させることに成功している。
出典:Philipp Wu et al(2022)
出典:Philipp Wu et al(2022)
  • Sphero Navigation - この課題は、Sphero Ollieというロボットが、トップダウンのRGB画像のみを感覚入力として、連続的な動作により指定された場所にナビゲートするもの。ロボットはピクセルから位置を特定し、過去の一連の画像の助けを借りてその方向を推測し、時間と共に勢いを増す劣駆動のモーターからロボットを制御する。Spero ollieは、このタスクを2時間以内に学習する。
出典:Philipp Wu et al(2022)
出典:Philipp Wu et al(2022)

DayDreamerのメーカーより前に、MIT Improbable AI Labの別のグループが同様のプロジェクトCheetahに取り組んでいた。このチームは、当時最速で動く4足歩行ロボットであるmini-Cheetahを開発している。

モデルフリー強化学習システムを用いたMITのmini-Cheetah. 出典:MIT CSAIL.
モデルフリー強化学習システムを用いたMITのmini-Cheetah. 出典:MIT CSAIL.

Read more

新たなスエズ危機に直面する米海軍[英エコノミスト]

新たなスエズ危機に直面する米海軍[英エコノミスト]

世界が繁栄するためには、船が港に到着しなければならない。マラッカ海峡やパナマ運河のような狭い航路を通過するとき、船舶は最も脆弱になる。そのため、スエズ運河への唯一の南側航路である紅海で最近急増している船舶への攻撃は、世界貿易にとって重大な脅威となっている。イランに支援されたイエメンの過激派フーシ派は、表向きはパレスチナ人を支援するために、35カ国以上につながる船舶に向けて100機以上の無人機やミサイルを発射した。彼らのキャンペーンは、黒海から南シナ海まですでに危険にさらされている航行の自由の原則に対する冒涜である。アメリカとその同盟国は、中東での紛争をエスカレートさせることなく、この問題にしっかりと対処しなければならない。 世界のコンテナ輸送量の20%、海上貿易の10%、海上ガスと石油の8~10%が紅海とスエズルートを通過している。数週間の騒乱の後、世界の5大コンテナ船会社のうち4社が紅海とスエズ航路の航海を停止し、BPは石油の出荷を一時停止した。十分な供給があるため、エネルギー価格への影響は軽微である。しかし、コンテナ会社の株価は、投資家が輸送能力の縮小を予想している

By エコノミスト(英国)
新型ジェットエンジンが超音速飛行を復活させる可能性[英エコノミスト]

新型ジェットエンジンが超音速飛行を復活させる可能性[英エコノミスト]

1960年代以来、世界中のエンジニアが回転デトネーションエンジン(RDE)と呼ばれる新しいタイプのジェット機を研究してきたが、実験段階を超えることはなかった。世界最大のジェットエンジン製造会社のひとつであるジー・エアロスペースは最近、実用版を開発中であると発表した。今年初め、米国の国防高等研究計画局は、同じく大手航空宇宙グループであるRTX傘下のレイセオンに対し、ガンビットと呼ばれるRDEを開発するために2900万ドルの契約を結んだ。 両エンジンはミサイルの推進に使用され、ロケットや既存のジェットエンジンなど、現在の推進システムの航続距離や速度の限界を克服する。しかし、もし両社が実用化に成功すれば、超音速飛行を復活させる可能性も含め、RDEは航空分野でより幅広い役割を果たすことになるかもしれない。 中央フロリダ大学の先端航空宇宙エンジンの専門家であるカリーム・アーメッドは、RDEとは「火を制御された爆発に置き換える」ものだと説明する。専門用語で言えば、ジェットエンジンは酸素と燃料の燃焼に依存しており、これは科学者が消炎と呼ぶ亜音速の反応だからだ。それに比べてデトネーシ

By エコノミスト(英国)
ビッグテックと地政学がインターネットを作り変える[英エコノミスト]

ビッグテックと地政学がインターネットを作り変える[英エコノミスト]

今月初め、イギリス、エストニア、フィンランドの海軍がバルト海で合同演習を行った際、その目的は戦闘技術を磨くことではなかった。その代わり、海底のガスやデータのパイプラインを妨害行為から守るための訓練が行われた。今回の訓練は、10月に同海域の海底ケーブルが破損した事件を受けたものだ。フィンランド大統領のサウリ・ニーニストは、このいたずらの原因とされた中国船が海底にいかりを引きずった事故について、「意図的なのか、それとも極めて稚拙な技術の結果なのか」と疑問を呈した。 海底ケーブルはかつて、インターネットの退屈な配管と見なされていた。現在、アマゾン、グーグル、メタ、マイクロソフトといったデータ経済の巨人たちは、中国と米国の緊張が世界のデジタルインフラを分断する危険性をはらんでいるにもかかわらず、データの流れをよりコントロールすることを主張している。その結果、海底ケーブルは貴重な経済的・戦略的資産へと変貌を遂げようとしている。 海底データパイプは、大陸間インターネットトラフィックのほぼ99%を運んでいる。調査会社TeleGeographyによると、現在550本の海底ケーブルが活動

By エコノミスト(英国)