MITの研究者が開発した新たな学習システムは、ロボットが材料を目標とする形状に成形し、固体や液体との相互作用を予測する能力を向上させます。「学習ベースの粒子シミュレーター」として知られるこのシステムは、産業用ロボットにより繊細な触感をもたらす可能性があるほか、粘土の形状のモデリングや寿司用の粘り気のあるご飯を握るといった、個人向けロボティクスへの興味深い応用も見込まれます。
ロボットの計画において、物理シミュレーターは、さまざまな材料が力にどのように反応するかを捉えたモデルです。ロボットは、固い箱を押したり、変形しやすい粘土をつついたりするなど、物体との相互作用の結果を予測するために、これらのモデルを使って「訓練」されます。しかし、従来の学習ベースのシミュレーターは主に剛体に焦点を当てており、液体や柔らかい物体を扱うことはできません。より正確な物理ベースのシミュレーターの中には多様な材料を扱えるものもありますが、ロボットが現実世界の物体と相互作用する際に誤差を生じさせる近似手法に大きく依存しています。
5月に開催される国際学習表現会議（ICLR）で発表される論文において、研究者らは、異なる材料の小さな部分（「粒子」）が、突かれたり押されたりした際にどのように相互作用するかを捉えることを学習する新しいモデルについて説明しています。このモデルは、動きの背後にある物理法則が不確実または未知である場合でも、データから直接学習します。ロボットはこのモデルを指針として、液体や剛体、変形可能な材料が触れた力に対してどのように反応するかを予測できます。ロボットが物体を扱う中で、このモデルはロボットの制御をさらに洗練させることにも役立ちます。
実験では、2本の指を持つロボットハンドが、「RiceGrip」と呼ばれ、寿司用ご飯の代わりとなる変形可能なフォームを、「T」字形などの目標とする形状に正確に成形しました。要するに、研究者らのモデルは、ロボットが人間と多少似た方法で三次元物体を再構築するために活用できる、「直感的物理」の頭脳として機能するものです。
「人間は頭の中に直感的な物理モデルを持っており、物体を押したり握ったりするとどのように振る舞うかを想像することができます。この直感的なモデルに基づいて、人間は現在のロボットの能力をはるかに超える驚くべき操作作業を成し遂げることができます」と、コンピュータサイエンス・人工知能研究所（CSAIL）の大学院生で筆頭著者のYunzhu Li氏は述べています。「私たちは、ロボットが人間にできることを実行できるように、このような種類の直感的なモデルを構築したいと考えています。」
「生後5か月の乳児は、すでに固体と液体に対して異なる予想を持っています」と、CSAILの大学院生で共著者のJiajun Wu氏は付け加えます。「私たちは幼い頃からそれを理解しています。だからこそ、ロボットのためにモデル化すべきことなのかもしれません。」
Li氏とWu氏とともにこの論文に参加しているのは、CSAILの研究者であり、電気工学・コンピュータサイエンス学部（EECS）の教授であるRuss Tedrake氏、脳・認知科学学部の教授で、CSAILおよびCenter for Brains, Minds, and Machines（CBMM）のメンバーであるJoshua Tenenbaum氏、そして、EECSの教授であり、MIT-IBM Watson AI Labのディレクターを務めるAntonio Torralba氏です。
動的グラフ
「粒子相互作用ネットワーク」（DPI-Nets）と呼ばれるこのモデルの重要な革新は、いわゆる粒子の複雑な振る舞いを捉えることができる、数千のノードとエッジで構成される動的相互作用グラフを作成したことです。グラフでは、各ノードが一つの粒子を表します。隣接するノードは有向エッジで相互に接続されており、それは一方の粒子からもう一方の粒子への相互作用を表します。シミュレーターでは、粒子は、何らかの液体や変形可能な物体を構成するために組み合わされた数百の小さな球体です。
これらのグラフは、グラフニューラルネットワークと呼ばれる機械学習システムの基礎として構築されます。訓練において、モデルは時間の経過とともに、さまざまな材料の粒子がどのように反応し、形を変えるかを学習します。これは、摂動を受けた際に粒子がグラフ内でどの方向へ、どこまで移動するかを予測するために、質量や弾性などの各粒子のさまざまな特性を暗黙的に計算することによって行われます。
次にモデルは、信号をグラフ全体に瞬時に広げる「伝播」手法を活用します。研究者らは、剛体、変形可能体、液体といった材料の種類ごとにこの手法を調整し、一定の段階的な時間ステップにおける粒子の位置を予測する信号を送るようにしました。各ステップで、必要に応じて粒子を移動させ、再接続します。
例えば、固い箱が押されると、摂動を受けた粒子は前方へ移動します。箱の内部のすべての粒子は互いに剛体として接続されているため、物体内の他のすべての粒子は、計算された同じ距離、回転、およびその他の次元だけ移動します。粒子間の接続は維持され、箱は一つの単位として移動します。しかし、変形可能なフォームの一部がへこまされると、効果は異なります。摂動を受けた粒子は大きく前方へ移動し、周囲の粒子はわずかに前方へ移動し、さらに遠くの粒子はまったく移動しません。カップの中で液体が揺さぶられる場合、粒子はグラフの一端から他端へ完全に飛び移ることもあります。グラフは、影響を受けるすべての粒子がどこへ、どれだけ移動するかを予測することを学習しなければならず、これは計算上複雑です。
形成と適応
論文の中で研究者らは、2本指のRiceGripロボットに、変形可能なフォームから目標形状を挟み出す作業を課すことで、モデルを実証しています。ロボットはまず、奥行きを検知するカメラと物体認識技術を使用して、フォームを特定します。研究者らは、認識された形状の内部にある粒子をランダムに選択し、粒子の位置を初期化します。次に、モデルは粒子間にエッジを追加し、フォームを変形可能な材料向けにカスタマイズされた動的グラフに再構築します。
学習されたシミュレーションのおかげで、ロボットは、一定の力を加えた各接触が、グラフ内の各粒子にどのように影響するかをすでによく把握しています。ロボットがフォームを押し込み始めると、粒子の現実世界での位置と目標とする粒子の位置を繰り返し照合します。粒子が一致しない場合は、モデルに誤差信号を送信します。その信号によってモデルが調整され、材料の現実世界の物理により適合するようになります。
次に研究者らは、部分的にしか観測できない状況における相互作用を、ロボットがより適切に予測できるよう、モデルの改良を目指しています。例えば、表面の箱しか見えず、他の箱の大部分が隠れている場合でも、箱の山が押されたときにどのように動くかを把握することなどが挙げられます。
研究者らはまた、画像上で直接動作させることによって、このモデルとエンドツーエンドの知覚モジュールを組み合わせる方法も模索しています。これはDan Yamins氏のグループとの共同プロジェクトとなります。Yamins氏は最近MITでポスドクを終え、現在はスタンフォード大学の助教授を務めています。「私たちは常に、部分的な情報しかないこうしたケースに対処しています」とWu氏は述べています。「私たちは、ごく一部しか見えない状態でも、すべての粒子の動きを学習できるよう、モデルを拡張しています。」
