特定のタスクを遂行するためにソフトロボットを最適化することは膨大な計算問題だが、新しいモデルがその解決に役立つ。
MITの研究者らは、目標タスクのためにソフトロボットの制御と設計を効率的に最適化する手法を考案した。従来、これは計算上きわめて困難な取り組みとされてきた。
ソフトロボットは、弾力性があり、しなやかで伸縮する胴体を持ち、任意の瞬間において事実上無限の方法で動くことができる。計算の観点では、これはロボットの各部位がどのように動いているかを記述する、非常に複雑な「状態表現」にあたる。ソフトロボットの状態表現は、潜在的に数百万の次元を持つ可能性があり、複雑なタスクを完了させるためにロボットを動かす最適な方法を算出することを困難にしている。
来月開催される神経情報処理システム会議（Conference on Neural Information Processing Systems）において、MITの研究者らは、ロボットとその環境の基礎となる物理学など、他の要因にも基づいて、コンパクトで「低次元」でありながら詳細な状態表現を学習するモデルを発表する予定である。このモデルは、特定のタスクに合わせた運動制御と材料設計パラメータを反復的に協調最適化するのに役立つ。
「ソフトロボットは、任意の瞬間に無数の方法で曲がる無限次元の存在です」と、筆頭著者でコンピュータ科学・人工知能研究所（CSAIL）の大学院生であるアンドリュー・スピルバーグは述べている。「しかし実際には、柔らかい物体が曲がりやすい自然な方法があります。ソフトロボットの自然な状態は、低次元の記述によって非常にコンパクトに表現できることがわかりました。我々は、起こりうる状態の適切な記述を学習することで、ソフトロボットの制御と設計を最適化しています。」
シミュレーションでは、このモデルにより、2Dおよび3Dのソフトロボットが、特定の距離を移動する、または目標地点に到達するといったタスクを、現在の最先端の手法よりも迅速かつ正確に完了できるようになった。研究者らは次に、このモデルを実際のソフトロボットに実装する計画である。
この論文には、スピルバーグとともに、CSAILの大学院生であるアラン・ジャオ、タオ・ドゥ、ユアンミン・フーが参加している。また、CSAILの所長であり、アンドリュー・アンド・エルナ・ヴィテルビ電気工学・コンピュータサイエンス教授であるダニエラ・ルス、そして電気工学・コンピュータサイエンス学科のMIT准教授であり、計算製造グループの責任者であるヴォイチェフ・マトゥシクも参加している。
「ループ内学習」
ソフトロボティクスは比較的新しい研究分野だが、先進的なロボティクスにおいて有望視されている。例えば、柔軟なボディは、人間とのより安全なインタラクション、より優れた物体操作、そしてより高い操作性などの利点を、他の利点とともにもたらす可能性がある。
シミュレーションにおけるロボットの制御は、「オブザーバー」に依存している。オブザーバーとは、タスクを完了するためにソフトロボットがどのように動いているかを把握する変数を計算するプログラムである。これまでの研究では、研究者らはソフトロボットを、人手で設計されたシミュレーション粒子のクラスターに分解していた。粒子には、ロボットの取りうる動きを絞り込むのに役立つ重要な情報が含まれている。例えば、ロボットがある方向に曲がろうとしても、アクチュエーターがその動きを十分に抑えるため、無視できる場合がある。しかし、このような複雑なロボットでは、シミュレーション中に追跡するクラスターを手作業で選択することは難しい場合がある。
その研究を踏まえて、研究者らは「ループ内学習最適化」手法を考案した。この手法では、最適化されるすべてのパラメータが、多数のシミュレーションにわたる単一のフィードバックループ中に学習される。そして、学習による最適化と同時に（つまり「ループ内」で）、この手法は状態表現も学習する。
このモデルは、材料点法（MPM）と呼ばれる手法を用いている。これは、背景グリッドに囲まれた、フォームや液体などの連続体材料の粒子の挙動をシミュレーションする手法である。その過程で、ロボットとその観測可能な環境の粒子を、追加の計算を必要とせずに、ピクセルまたはボクセルと呼ばれる3次元ピクセルに取り込む。
学習段階では、この生の粒子グリッド情報が機械学習の要素に入力される。この要素は、画像を入力として受け取り、低次元表現に圧縮し、その表現を元の入力画像に復元することを学習する。この「オートエンコーダー」が、入力画像を圧縮する際に十分な詳細を保持していれば、圧縮データから入力画像を正確に再現することができる。
研究者らの研究では、オートエンコーダーが学習した圧縮表現が、ロボットの低次元状態表現として機能する。最適化段階では、この圧縮表現が制御器にフィードバックされ、制御器は、次のMPMシミュレーションステップにおいて、ロボットの各粒子がどのように動くべきかを示す計算された作動量を出力する。
同時に、制御器はその情報を使って、各粒子が目標とする動きを実現するための最適な剛性を調整する。将来的には、この材料情報は、各粒子の位置ごとにわずかに異なる剛性で印刷できる、3Dプリントによるソフトロボットの製造にも役立つ可能性がある。「これにより、特定のタスクに関連するロボットの動きに合わせたロボット設計を作成できるようになります」とスピルバーグは述べている。「これらのパラメータを同時に学習することで、設計プロセスをできるだけ容易にするため、すべてを可能な限り同期させた状態に保てます。」
最適化の高速化
すべての最適化情報は、ループの始点に戻されてオートエンコーダーの学習に用いられる。多数のシミュレーションを経て、制御器は最適な動きと材料設計を学習し、一方でオートエンコーダーは、ますます詳細になる状態表現を学習する。「重要なのは、この低次元の状態を非常に説明力の高いものにしたいという点です」とスピルバーグは述べている。
ロボットが一定時間をかけてシミュレーション上の最終状態に到達した後（例えば、目標地点にできる限り近づいた時点）、「損失関数」が更新される。これは機械学習における重要な要素であり、何らかの誤差を最小化しようとするものである。この場合、例えば、ロボットが目標からどれだけ離れた位置で停止したかを最小化する。その損失関数は制御器にフィードバックされ、制御器はその誤差信号を用いて、タスクを最も良く完了させるために、最適化されたすべてのパラメータを調整する。
研究者らが、圧縮ステップを経ずに、シミュレーションのすべての生の粒子を直接制御器に入力しようとした場合、スピルバーグは「実行時間と最適化時間が爆発的に増加するだろう」と述べている。圧縮された表現を用いることで、研究者らは各最適化反復の実行時間を、数分から約10秒にまで短縮することができた。
研究者らは、さまざまな2Dおよび3Dの二足歩行型および四足歩行型ロボットのシミュレーションにおいて、モデルを検証した。また研究者らは、従来の手法を用いたロボットがこれらのパラメータを最適化するために最大30,000回のシミュレーションを必要とする一方で、本モデルで学習させたロボットはわずか約400回のシミュレーションで済んだことも明らかにした。
「私たちの目標は、技術者が仕様から設計、試作、そしてソフトロボットのプログラミングに至るまでの過程において、飛躍的な進歩を可能にすることです。本論文では、ソフトロボットのボディと制御システムを協調最適化することの可能性を探りました。それは、遂行すべきタスクに合わせて調整されたソフトボディ型ロボットを迅速に作り出すことにつながりうるのです」とルスは述べている。
このモデルを実際のソフトロボットに展開するには、現実世界のノイズや不確実性に対処する必要がある。これらはモデルの効率と精度を低下させる可能性がある。しかし、将来的には、研究者らはソフトロボットのためのシミュレーションから製造までの完全なパイプラインを設計することを目指している。
