カリフォルニア大学バークレー校の研究者らは、特権学習を用いたロボットビジョン追跡技術を開発しました。この技術により、ロボットは目標の動きや意図を予測し、動的な意思決定タスクを成功裏に実行できます。
この技術は四足歩行ロボットで成功裏に実証され、ロボットは人間や他のロボットと追いかけっこをすることができ、複雑な追跡行動を示しました。障害物処理には課題が残されていますが、このブレークスルーはロボット工学を現実世界の応用へと大きく前進させました。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
最新の報道によると、アップルはロボット技術の開発に積極的に取り組んでおり、人型ロボットと非人型ロボットの開発を計画しています。これらのロボットは現在、社内検証段階にあり、アップルはこれをスマートホームエコシステムに統合することを目指しています。アナリストの郭明錤氏はソーシャルメディアで、アップルの重点はロボット自体の外観デザインではなく、ユーザーとロボットのインタラクション体験であると述べています。アップルのデザインコンセプトは、三星のスマートホームロボットBallieと幾分類似しています。Ballieはバスケットボールのような形状をしており、主人を迎えるなど、家庭内で様々なタスクを実行することができます。
ロボット技術の発展において、シミュレーション環境と現実世界のギャップは大きな課題となっています。このたび、NVIDIA GEAR研究所とカーネギーメロン大学の研究チームが共同で、このギャップを縮めることを目的とした新しいフレームワークASAP（Aligning Simulation and Real Physics）を開発しました。このシステムは、ロボットのシミュレーションと現実の動作の誤差を約53％削減することに成功し、従来の方法よりも大幅な改善を示しています。
OpenAIは最近、ロボット工学の進歩を探求するため、ロボットプロジェクトを開始したことを発表しました。1月11日、OpenAIハードウェア部門のディレクターであるCaitlin Kalinowski氏がソーシャルメディアで、OpenAIがカスタムセンサーを搭載したロボットの開発に着手し、ウェブサイトで関連する求人情報を公開したことを明らかにしました。今回の募集は、電子感知エンジニア、ロボット機械設計エンジニア、技術プロジェクトマネージャーの3つの重要な役割を含んでいます。電子感知エンジニアの主な職務は、設計と…
世界最大の技術専門組織であるIEEEが最近、調査報告書『2025年以降の技術的影響』を発表しました。この報告書は、ブラジル、中国、インド、英国、アメリカの技術リーダー355人を対象に調査を行い、将来の技術開発動向を深く掘り下げています。調査によると、回答者の58％が、AI技術が2025年に最も影響力のある技術分野になると考えており、2年連続で首位となりました。それに続くのは、クラウドコンピューティング（26％）とロボット工学（24％）です。その他注目されている分野としては、拡張現実などが挙げられます。
先日、カリフォルニア大学バークレー校BAIRラボのSergey Levine研究チームは、現実世界における複雑な操作スキルを学習するロボットの課題を解決することを目的とした、HIL-SERLという強化学習フレームワークを発表しました。この新技術は、人間のデモンストレーションと修正を効率的な強化学習アルゴリズムと組み合わせることで、ロボットはわずか1～2.5時間で、動的な操作、精密な組み立て、両腕協調など、様々な精密で巧みな操作タスクを習得できます。以前は、ロボットに新しいスキルを学習させるには、
スイス連邦工科大学ローザンヌ校（EPFL）の最近の研究が、IEEE ロッテルダム国際ロボットとオートメーション会議で発表されました。この研究は、ロボットハンドが既存の制限を突破し、より多くの物体を把持する方法を探求することを目的としています。研究チームは、深層学習モデルが、多指ハンドによる巧みな把持操作技術を大幅に向上させるものの、雑然とした環境では、接触情報に基づく把持は十分に探求されていないことを指摘しています。この問題に対処するため、研究者らは、様々な物体を拾い上げ、自らから離れて這い上がるために後方に曲げることができる、人にヒントを得たハンドを設計しました。
グーグルDeepMindのGNoMEシステムが40万種類の安定した物質を予測し、A-Lab自律システムが実験室でその物質の生成に成功しました。GNoMEは220万種類の潜在的な化合物を提案し、A-Labは最新のロボット技術を用いてわずか18日間で41種類の新規無機材料を生成しました。この技術的ブレークスルーは、クリーンエネルギーや電子機器などの分野における材料発見を加速し、AIによる科学発見における新たな章を開くものと期待されています。A-Labチームはアクティブラーニングアルゴリズムを用いて合成プロセスを改善し、41種類の新材料の生成に成功しました。
カリフォルニア大学バークレー校が、Reinforcement Learning from AI Feedback（RLAIF）手法に基づくStarling-7Bを発表しました。RLAIFは他のAIモデルからのフィードバックを活用することで、コスト削減と透明性の向上を実現し、Starling-7Bのパフォーマンスを大幅に向上させています。MT-BenchとAlpacaEvalのベンチマークテストで優れた成果を示し、特に安全性と有用性の面で高い評価を得ています。研究では、RLAIFが主に有用性と安全性を向上させたことが示されています。
Google DeepMindのロボティクス責任者であるBrian Heater氏が、汎用目的ロボット、ジェネレーティブAI、そしてオフィスWiFiの重要性について語りました。同チームは最近、33の研究機関との共同でOpenX-Embodimentを発表しました。