マサチューセッツ工科大学（MIT）は今週、特定のデータセットに焦点を当てた従来の訓練方法を放棄し、大規模言語モデル（LLM）の訓練で用いられるような膨大な情報を使用する、全く新しいロボット訓練モデルを発表しました。研究者らは、模倣学習 ― エージェントがタスクを実行する個体を模倣することで学習する手法 ― は、わずかな課題に対しても失敗する可能性があると指摘しています。これらの課題には、異なる照明条件、異なる環境設定、新たな障害物などが含まれます。これらの状況において、ロボットは変化に適応するための十分なデータを持っていないのです。

私たちは長年、家事を手伝ってくれ、会話相手になってくれ、さらにはアイアンマンのジャービスのように何でもできる、人間のように賢いロボットを持つことを夢見てきました。しかし、理想は高く、現実は厳しいものです。ロボットに何かを教えるのは、簡単にできることではありません。それはまるで、恋人に理屈を教えるようなもので、苦労する割に効果がない可能性があります。なぜでしょうか？それは、現実世界があまりにも複雑で、予期せぬ出来事や変化に満ちているからです。恋人に簡単な理屈を教えるだけでも苦労するのに、人間の思考を持たないロボットに教えるのは、さらに難しいのです。

ノルウェーのスタートアップ企業1X Technologiesは最近、人工知能ベースの世界モデルをロボット向けに開発する上で大きな進歩を遂げたことを発表しました。簡単に言うと、これらのモデルはロボットの仮想的な試験場のようなもので、様々な状況下でロボットをテストし、改良することができます。実地テストは全く必要ありません。1Xは、これが「ロボット問題」つまり、絶えず変化する環境下で、様々なタスクのために訓練されたロボットを信頼できる方法で評価する方法、の解決策であると考えています。例えば、一台のロボットが…