NTTは、ロボットが動く前に行動後の環境を予測し、失敗を回避するフィジカルAI技術を開発しました。
物体の質量や向き、速度などを扱う「NTTワールドモデル」で、複数の行動候補を実行前に評価します。
小型ロボットによる棚積みタスクでは、成功率が従来の73.1%から92.3%に向上しました。
記事の概要
NTTは、ロボットの行動候補とカメラ・センサー情報から、行動後の周辺環境を映像として生成する技術を開発しました。
生成した映像を基に、荷崩れや物体の落下、衝突などを予測し、行動計画の成否をスコアで評価します。
ロボットはスコアを基に、複数の行動候補から成功につながる行動を選択できます。
同社は、物理法則に基づいて状態変化を予測する「物理制御アダプタ」を映像生成モデルに統合しました。
物理制御アダプタは、映像から物体ごとの位置や向き、速度、質量などを推定し、運動方程式に基づいて次の動きを計算します。
学習データに含まれない場面や動きにも対応できるため、形状や質量、配置が多様な空港手荷物や宅配便の扱いを想定しています。
公開ベンチマーク「OBJ3D」では、映像の類似度を測るLPIPSで従来手法を上回る精度を確認しました。
NTTは今後、資本業務提携するMujinと空港手荷物の社会実証を進め、物流・倉庫・製造・建設・小売りへの展開を計画しています。
記事のポイント
- 物理量を明示して予測: 物体の質量や向き、速度などを推定し、運動方程式に基づく状態変化を映像生成へ反映します。
- 棚積み成功率が向上: 小型ロボットによる模擬実験で、棚積みタスクの成功率が従来の73.1%から92.3%へ向上しました。
- 物流現場への展開: NTTはMujinと空港手荷物の社会実証を進め、物流や倉庫などへの応用を計画しています。
このニュースがもたらす影響
- 導入を検討する企業: 既存のロボット制御ソフトに予測・評価機能を加えられるため、導入判断では定型作業の自動化率だけでなく、荷崩れや衝突を含む不定形作業への対応力と判断理由の確認が重要になりそうです。
- ロボット開発企業: VLAやモーションプランナーが出す候補を実行前に検証できるため、制御性能だけでなく、未知の物体や配置に対する予測精度を含めて製品を評価する流れが強まる可能性があります。
- 物流・倉庫事業者: 空港手荷物での社会実証を起点に、扱う物品の形状や質量が揃わない現場でも自動化を検討しやすくなります。まずは失敗回避が効果に直結する積み込み・積み降ろしが候補になりそうです。
このニュースの背景
従来の映像生成モデルは、物体の消失や変形、物体同士の相互作用を正しく予測できない場合がありました。
学習データに依存するため、形状・質量・配置が多様で、あらゆる状況を事前に網羅しにくい現場では予測が破綻しやすい課題もありました。
NTTは物理量を推定して運動方程式に基づく状態変化を計算する仕組みを映像生成モデルに組み込み、未知の場面への対応を目指しています。
公開ベンチマークでの精度評価と棚積みタスクの成功率向上により、予測映像をロボットの行動選択に使う有効性を検証しています。
関連するニュース
- NTTは物理法則に基づいてロボットの行動結果を予測する技術を発表しました。
- NTTは、物理法則を組み込んだワールドモデルでロボットの荷崩れや落下を事前予測する技術を開発しました。
- アイリスオーヤマとNTT西日本が、カメラと異種ロボットを連携する施設管理AIの技術成立性を実証しました。
詳しい記事の内容はこちらから(引用元)
NTTは、ロボットが動く前に未来を予測して失敗を回避するフィジカルAI(人工知能)技術を開発した。ロボットの行動候補と…
https://xtech.nikkei.com/atcl/nxt/news/24/03478/?ST=nxt_idx_common