'指

Boston Dynamics の Atlas から Google の SayCan に至るまで、ほとんどの手で操作するロボットは、自分が持っているものを「感じる」ために必要な器用さを持っていません。 （もしそうしていたら、昨年7歳の少年はチェスロボットに指を鳴らされなかったかもしれない。） ロボットに物体を「見て」、それに向かって移動し、掴ませるのは非常に複雑である。 その物体を感じ、それに応じてグリップを調整する能力を追加することは、まったく別の課題です。 しかし、5年間の実験を経て、コロンビア大学の研究グループはまさにそれを達成したようだ。

arXiv (学術ジャーナルのプレプリント専用サーバー) 経由で共有された論文の中で、コンピューター科学者と機械技術者は、触覚と固有受容フィードバックを使用するロボットハンドを構築したと述べています。 固有受容とは、動きや位置を物理的に感知する能力であり、通常、生き物の筋肉や関節に関連して議論されますが、ロボットハンドは、それが動物に限定されたものではないことを証明しています。 固有受容機能と触覚フィードバックを活用する機能により、テーブルなどの受動的な支持面の助けを借りずに、ロボット ハンドが保持している物体を感知し、それに応じてグリップを調整できるようになります。

研究チームは、強化学習（RL）とサンプリングベース計画（SBP）アルゴリズムを組み合わせてロボットを訓練したと書いている。 RLを使用すると、ロボットが研究者が望むことをしたときは「ご褒美」信号が与えられ、ロボットがやるべきではないことをしたときは同様に「叱られる」信号が与えられた。 チームは技術的には RL を単独で使用することもできましたが、この手法にはエラーの余地が残されているため、予想される「すべきこと」と「すべきではないこと」からのわずかな逸脱が問題を引き起こすため、補足として SBP を使用しました。 SBP は、ロボットがやるべきことを実行して報酬を得るたびに、拡大し続けるデジタル ウェブに分岐を追加できるようにしました。これは、ロボットが新しい機会を与えられたときに実行できる一連の選択肢として機能します。

このトレーニングにより、物体を持ち上げるだけではないロボットハンドへの道が開かれます。 何かを掴んだ後、コロンビアチームのロボットは固有受容スキルを使用して、保持しているものの要点を把握することができます。 これにより、ロボットはグリップを維持するために使用する圧力を調整できます。 このロボットは、保持しているものをより適切に掴むために個々の指を動かす「指歩き」も行うことができます。 調整中、ロボットは物体が落ちないように少なくとも 3 本の指を物体の上に置いたままにし、テーブルやその他の表面を必要としません。 このロボットは視覚センサーに依存していないため、暗い場所でも明るい場所と同じようにグリップを調整して維持することができます。

ロボットハンドは単なる手であるため、同様の技術を使用して、自分が握っているものを「感じる」人型ロボットが登場するまでには、長い道のりが必要です。 しかし、その点に近づけば、今日の先行ロボットよりも物体をつかみ、保持し、位置を調整できる、より有能なヘルパーロボットが登場するかもしれません。