ヒューマノイド・ロボットの時代が現実のものとなる

今月初め、中国・福建省の高校の卒業式で、人型ロボット「シュアンシュアン」が壇上に上がり、外交官から握手を求められ、生徒や教師の間で喜びの声が上がった。このような瞬間は、人型ロボットがますます目に見える形で公共の場に登場するようになり、意味のある変化を示している。

このような出来事は、一時の好奇心以上のものを反映している。この記事では、ヒューマノイドが単なる見世物から機能的な道具へとどのように進化していくのか、また、一見ハードウェア主導のように見えるが、この達成が、台本にない環境で歩き、対話し、学習することを可能にする統合インテリジェンスに深く依存している理由を探る。また、早期の展開と永続的なパートナーシップを通じた商業化へのアプローチについても見ていく。

ヒューマノイドがAIを現実世界に押し出す方法

AIにおいて最も見過ごされている課題のひとつは、バーチャルなパフォーマンスと物理的な信頼性のギャップです。チャットボットは行動することなく流暢なテキストを生成することができ、視覚モデルはナビゲートしたり落下の危険を冒すことなく写真の段差を識別することができますが、ヒューマノイドにはそのような余裕はありません。

AIが現実の世界で機能するためには、静的なデータセットや管理された設定を超えなければならない。床が凸凹していたり、物の置き場所がずれていたり、予測不可能な人間の行動や微妙な非言語的合図など、常に変化する状況の中で認識し、判断し、行動しなければならない。つまり、日常的にノイズや曖昧さ、失敗の可能性に直面することになる。

ここで、言語が空間、時間、結果とつながる体現された推論が、単純な形だけの予測を凌駕する。例えば、誰かが「滑りやすいから気をつけて」と言ったとき、ロボットはその言葉の文字通りの意味だけでなく、空間的なリスクや必要なリアルタイム調整も把握しなければならない。

同時に、マルチモーダル学習が不可欠になる。単一の入力チャンネルだけでは十分な信頼性が得られないからだ。カメラは滑りやすい床を見逃すかもしれないが、足の圧力センサーは突然の牽引力の低下を検知できる。同様に、音声認識は騒がしい倉庫内ではうまくいかないかもしれないが、視覚やジェスチャーの手がかりがそのギャップを埋めてくれる。

汎化も不可欠だ。ロボットはまったく同じ環境を2度見ることはできない。床が濡れていたり、照明が変わっていたり、昨日まであった場所に箱がなかったりすると、適応しなければならない。その違いがロボットの成否を決めるのです。

ヒューマノイドでは、このような理由から、商業パートナーと共に早い段階からテストを開始しています。ロボットをアクティブな環境に置くことで、潜在的な欠陥を発見し、ロールアウト前に機能を最適化します。シミュレーションや台本に沿ったデモで優れた働きをするロボットと、プレッシャーの中で信頼を得るロボットとは違います。

私たちは、ヒューマノイドが今後2年以内に実用化されることを知っています。しかし、私たちは待ちません。私たちにとって、商業化は早い段階から始まります。そのためには、実際のユースケースを中心に長期的な協力関係を築く必要がある。パイロット・プログラムを通じて、私たちはパートナーにテクノロジーを紹介するだけでなく、彼らとともに学びます。この学習プロセスにより、初日からコスト構造や性能の信頼性を改良することができ、規模を拡大するにつれて最適な総所有コストを確保することができるのです。

ヒューマノイドが一般知能の究極のテストベッドである理由

過去1世紀にわたり、私たちはヒューマン・スケールに合わせた環境を構築してきました。ドアの取っ手、フォークリフト、倉庫......すべてが特定の寸法、移動範囲、暗黙の社会的行動を想定している。ヒューマノイドはこのような現実に適応しなければならない。

階段を上るにせよ、物を運ぶにせよ、指差しのジェスチャーを解釈するにせよ、話し方のためらいを検知するにせよ、ロボットは視覚的分類やあらかじめプログラムされた動作をはるかに超えた文脈を把握しなければならない。ロボットは、意図を推測し、観察によって新しいタスクを学習し、様々なレイアウトでスキルを適用し、反復によって向上する必要がある。実際にこのシステムは、AIが実世界のシナリオで達成できることを拡大します。

ヒューマノイドでは、遠隔操作を使ってこの開発を加速させています。初期段階では、人間のオペレーターがロボットを主要なタスクに誘導します。この実践的なデータにより、新しい行動が訓練されます。時間をかけて、これらの事例が私たちのエンド・ツー・エンド・モデルに反映され、信頼できる自律性へと着実に前進していきます。

狭いシステムから統合されたインテリジェンスへ

今日のAIシステムは、孤立したタスクに秀でていることが多い。しかしヒューマノイドには個別のスペシャリストは必要ない。スムーズに統合するためには、モダリティやタイムスケールを超えて推論できるシステムが必要なのだ。

単純なコマンドを考えてみよう："向かいの倉庫から黄色い箱を持ってこい"。ヒューマノイドはこれを、スピーカーの位置を特定し、廊下を移動し、正しい箱を特定し、グリップを調整し、障害物を避け、安全に戻ってくる、というステップに分解しなければなりません。

各ステップには、視覚、ナビゲーション、言語、操作、フィードバックといった異なるサブシステムが関わっています。全体の信頼性は、状況が変化する中で、これらの部分間のシームレスなコミュニケーションにかかっている。

私たちのソリューションはモジュラー・アーキテクチャーです。これにより、システム全体の協調を維持しながら、サブシステムを独立して開発することができる。また、一から作り直すことなく、複数の環境にまたがって機能を拡張することも可能です。こうして、段階的なデモからオープンワールドでのパフォーマンスへと移行していくのです。

賭けは巨大で、しかもグローバルだ

ヒューマノイドを未来的なものとして否定するのは簡単です。しかし、私たちの顧客は、その必要性が急務であると語っています。倉庫や組立ラインなど、かつては多くの人で賑わっていた作業現場も、今では人手不足に悩まされている。

労働力不足は人口動態の変化を反映している。日本では人口の30％近くが65歳以上である。欧州では、給与総額が1兆7,000億ドルにも上る重要部門が、若年労働者の獲得に苦戦している。こうした役割の多くは、もはや労働者に望まれるものでも、受け入れられるものでもない。

ヒューマノイドは、在庫の移動、パレットへの積み込み、機械の操作など、反復的で激しい、あるいは危険な職務を、疲労や危害のリスクなしにこなすことができる。そのため、人間の労働者は複雑で創造的、あるいは対人関係の仕事に集中することができる。

これはまた、長期的な経済の回復力を高める。労働力が不足したり、信頼性に欠ける場合、インテリジェントな機械は、安全性、品質、適応性を犠牲にすることなく、継続性を維持するのに役立ちます。

もうひとつの重要な要素はコンプライアンスである。多くのチーム、特に規制の緩やかな地域ではこの問題への取り組みが遅れていますが、私たちはここから始めました。ヨーロッパの安全性とデータに関する法律は、世界で最も厳しいもののひとつです。これをハードルと考えるのではなく、競争上の優位性として捉えています。他の市場が規制を強化すればするほど、私たちはその準備を整えなければなりません。

新たなAI競争 - しかし、あなたが考えているような競争ではない

今日のAIの議論では、計算能力、パラメータ数、トレーニングデータセットが中心となっていることが多い。しかし、真のブレークスルーは別の方向からやってくるかもしれない。ここでは、AIは単に予測するだけでなく、実行しなければならない。

その意味で、真の競争とは、公共の場で安全に動作し、規制を遵守し、人々と自然に協力する、有能なシステムを生み出すことなのだ。このようなシステムは、データからだけでなく、実世界での経験を通じて学習し、日常のワークフローにシームレスに適合する。

そのため、私たちは導入まで待つことはありません。当初から、私たちは商業パートナーと協力し、実際の環境にシステムを組み込むことで、最も重要なところ、つまり実践を通じての改善を保証します。

このような実践的な学習こそが、狭量なAIシステムには欠けている部分なのだ。AIシステムは私たちに多大な恩恵をもたらしたとはいえ、このような複雑さを扱うようには作られていない。ヒューマノイドは、協調性、頑丈さ、驚きから学ぶ能力など、より多くのものを要求する。

すべてを自動化するのではなく、人間中心の世界の中で理解し、ナビゲートし、協力するマシンを作るのだ。