深層学習の急速な発展は、大規模なデータセット、モデル、計算量に依存しています。自然言語処理やコンピュータビジョン分野では、研究者らはモデル性能とデータ規模の間に冪乗則関係があることを発見しました。しかし、ロボット分野、特にロボット操作分野では、同様の大規模な法則はまだ確立されていません。清華大学の研究チームは最近、論文を発表し、ロボット模倣学習におけるデータ規模の法則を探求し、効率的なデータ収集戦略を提案しました。この戦略により、たった半日で十分なデータを収集し、…

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。

MITは今週、模倣学習が小さな課題でも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、ロボットの新しいトレーニングモデルを発表しました。研究者らは、照明、異なる環境、新しい障害物などの状況下では、ロボットが適応するための十分なデータがないため、模倣学習が失敗する可能性があると指摘しています。そこで研究チームは、GPT-4のようなモデルを活用し、この問題に対する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。

スタンフォード大学の研究者らが、統合型遠隔操作に関するデータ収集のための低コストな統合型遠隔操作システム「Mobile ALOHA」を発表しました。Mobile ALOHAは、元のALOHAに車輪式のベースを追加することで移動能力を持たせた拡張版です。研究者らは、静止状態のALOHAデータセットを用いて模倣学習を行い、事前学習と共同学習によって移動操作タスクにおいて良好な性能を達成しました。この研究は、日常的に統合型遠隔操作を必要とするタスクに役立ちます。

DeepMindは、人間教師から直接タスクを学習できる新しい人工知能エージェントシステムを発表しました。このシステムは、人間のデータに頼らず、文化伝達による模倣学習の形式を通じて学習します。ネイチャー誌に掲載された研究では、模倣学習のプロセスとその利点が紹介されています。この方法は、ロボットのトレーニングやカスタマーサービスシステムにおいて重要な意味を持ちます。DeepMindは、人工知能のトレーニングにおけるデータ収集とプライバシーの問題を解決しました。

本研究は、大規模なロボット訓練データ生成を可能にするMimicGenシステムを紹介します。デジタルツイン技術を用いて、シミュレーション環境下で人間の操作データを複製します。わずか200回未満の人間のデモンストレーションから、5万件もの訓練データを自律的に生成します。合成データとシミュレーションは、無限の訓練データを得ることができるため、AIの発展に不可欠です。MimicGenは、ピックアンドプレースや組み立てなどの、長シーケンスタスクや高精度タスクに適しています。