マサチューセッツ工科大学（MIT）は今週、模倣学習が小さな課題の導入で失敗する可能性がある問題に対処することを目的とした、ロボットの新しい訓練モデルを発表しました。研究者によると、模倣学習は照明、異なる環境、新しい障害物などの状況で失敗する可能性があり、これはロボットが適応するための十分なデータを持っていないためです。

研究チームは、GPT-4のようなモデルを探し、この問題を解決するための強力なデータ手法を見つけ出そうとしました。そして、異なるセンサーや異なる環境からの情報を統合する、異種プリトレーニングトランスフォーマー（HPT）と呼ばれる新しいアーキテクチャを導入しました。その後、トランスフォーマーを使用してデータをまとめて訓練モデルに投入します。トランスフォーマーが大きくなるほど、出力は向上します。

ロボットが電話をかける、ロボットカスタマーサービス、ロボット翻訳

ユーザーはロボットの設計、構成、そして実行したい作業を入力し、新しいモデルを使用してロボットを訓練することができます。研究者によると、この手法は、大規模言語モデルと同様に、ロボット戦略におけるブレークスルーを実現できる可能性があるとのことです。

この研究の一部はトヨタ研究所からの資金提供を受けています。トヨタ研究所は昨年、TechCrunch Disruptで、一夜にしてロボットを訓練する方法を初めて発表しました。最近では、画期的なパートナーシップを締結し、ロボット学習研究をボストンダイナミクスのハードウェアと組み合わせる予定です。

カーネギーメロン大学のデービッド・ヘルド准教授は、「私たちの夢は、ダウンロードして訓練なしで使用できる汎用的なロボットブレインを持つことです。まだ初期段階ですが、大規模言語モデルと同様に、規模の拡大がロボット戦略におけるブレークスルーをもたらすことを期待して、努力を続けていきます」と述べています。