リコーは8月31日、人間やロボットの作業動画から行動を学習し、さまざまなロボットに適用できるフィジカルAI技術を開発したと発表しました。
AWSジャパンの「フィジカルAI開発支援プログラム」の支援を受け、シミュレーション環境などで有効性を確認しました。
製造業や物流業、保守業務などでの活用を目指し、今後は実機での検証を進めます。
記事の概要
今回の技術では、作業動画から行動を抽象化する「Latent Action Model（LAM）」を採用しました。
LAMは「物を持つ」「移動する」「対象物を運ぶ」などの行動を共通の表現として学習する仕組みです。
獲得した行動表現をVision-Language Model（VLM）の学習に活用し、多様なロボットや作業に対応しやすいVLAモデルを生成します。
従来はロボットごとに制御方式や身体構造が異なるため、実機データを収集し直して学習する必要がありました。
今回の技術は人間の作業動画も学習データに使い、開発コストの削減やデータ拡充の効率化につなげます。
検証では、部品のピックアンドプレース作業を題材に、3種類のシミュレーション環境と実機環境で動作を確認しました。
シミュレーションで学習した成果を実機へ移行する「Sim2Real」技術により、導入期間の短縮と開発効率の向上を図ります。
開発基盤にはAWSの「Amazon EC2」と「Amazon S3」を採用し、大規模な動画データ処理とAIモデル学習に活用しました。
記事のポイント
- LAMで行動を共通化： 人間やロボットの作業動画から行動を抽象化し、ロボットの機構に依存しない共通表現として学習します。
- 人間の動画を活用： 実機ロボットのデータ収集に加えて人間の作業映像を使い、開発コスト削減とデータ拡充を目指します。
- AWSでSim2Real： AWSの計算・データ基盤とシミュレーションを組み合わせ、実機への移行や複数現場への展開を進めます。
このニュースがもたらす影響
- 導入検討企業： ロボット導入時に機種ごとの再学習を前提とせず、既存の作業映像を含むデータ資産をどう学習に転用できるか、実機検証前から評価する必要が生じそうです。
- ロボット開発者： 機体単位でモデルを作り込むより、共通の行動表現と各機体の制御を接続する設計が重要になります。複数機種へ展開する際の検証方法も見直される可能性があります。
- 現場運用部門： 製造・物流・保守で自動化対象を広げる際、熟練者の作業映像をデータとして蓄積し、技能継承とロボット展開の両方に使う運用を検討しやすくなります。
このニュースの背景
製造現場や物流倉庫では、人手不足と熟練作業者の技能継承が課題になっています。
従来のロボット向けAI開発では、ロボットごとに制御方式や身体構造が異なるため、実機データを集め直す必要がありました。
特に複雑な機構を持つロボットでは、十分な実機データの収集が導入拡大の障壁になっていました。
今回の検証では、シミュレーションで学習した成果を実機へ移行するSim2Real技術も使われています。
関連するニュース
- イコールコンディションが、現場作業を撮影して手順化するAI動画マニュアル「manupi」の実証を始めます。
- kozokaAIが製造・流通・卸売向け受注AIエージェントをV2へ更新し、照合や例外確認を強化しました。
- CAICAテクノロジーズがAIエージェントでCOBOL資産の解析から刷新まで支援します。
詳しい記事の内容はこちらから（引用元）
リコーは、人間やロボットの作業動画から行動を学習し、さまざまなロボットへ適用するフィジカルAI技術を開発したと発表した。…
https://japan.zdnet.com/article/35252095/