豆蔵、AWS上でNVIDIA技術を使ったヒューマノイド制御を検証

豆蔵は、AWSジャパンの開発支援プログラムで研究開発成果を発表しました。
AWSの計算資源とNVIDIA Isaac GR00T 1.7を使い、ヒューマノイドロボットによる板金部品の作業を検証しました。
VLAモデルと従来のロボット制御技術を組み合わせ、ピッキング・搬送・整列を実現しました。
製造・物流現場へのフィジカルAI導入に向けた知見を得ています。

記事の概要

豆蔵は、AWSジャパンの「フィジカルAI 開発支援プログラム by AWS ジャパン」に参画しました。
検証では、床に落ちた板金部品をヒューマノイドロボットがしゃがんで拾い、搬送・整列する一連の作業を実現しました。
上半身の制御には、オープンなVLAモデルであるNVIDIA Isaac GR00T 1.7を使いました。
遠隔操作で収集した359エピソードを使い、AWSのAmazon EC2「g6e.2xlarge」上で約8時間のファインチューニングを行いました。
VLAモデルとルールベース制御を組み合わせ、検証環境で上下整列85％、左右整列80％の成功率を確認しました。
下半身の制御では、NVIDIA Isaac LabベースのワークフローAGILEを使い、Amazon EC2「g7e.2xlarge」上で深層強化学習を約32時間実行しました。
下半身の複雑な関節動作を運動ポリシーで抽象化し、全身制御に必要な作業データを43エピソードに抑えました。
豆蔵は今後、AI技術と従来のロボット制御技術を組み合わせ、製造・物流向けアプリケーションの開発・導入支援を強化します。

記事のポイント

1. 359エピソードで追加学習： GR00T 1.7をAWS上で約8時間学習し、上下整列85％、左右整列80％の成功率を確認しました。
2. 下半身を強化学習で制御： AGILEを使って約32時間の深層強化学習を行い、しゃがみや前傾動作の運動ポリシーを構築しました。
3. 制御自由度を削減： 下半身の動作を高レベル化し、全身制御に必要な追加学習データを43エピソードに抑えました。

このニュースがもたらす影響

• 製造・物流企業： 導入を検討する企業は、VLAモデル単独の性能だけでなく、既存の制御技術との分担や現場データの収集量を含めて、対象作業ごとの実装条件を見積もる必要がありそうです。
• ロボット開発企業： 多自由度の動作をそのまま学習させるのではなく、下半身の複雑な動きを高レベルの指示に抽象化する設計が、学習データの削減と開発期間の短縮につながる可能性があります。
• 導入支援会社： 検証環境では整列成功率が確認された一方、実際の現場適用にはシミュレーションと実機の差や衝突への対応も必要です。AIと従来制御を組み合わせる設計力が提案の軸になりそうです。

このニュースの背景

豆蔵は、製造向けのヒューマノイドロボットによる板金整列アプリケーションを研究してきました。
今回の検証では、VLAモデルだけでは衝突や、ばら積み部品のピッキング成功率に課題が生じました。
このため、力制御やルールベース制御を組み合わせるハイブリッド構成が採られました。
下半身では深層強化学習とドメインランダマイゼーションを用い、シミュレーションと実環境の差を抑える手法も検証されています。

関連するニュース

• ネクフルは、既存のクラウドやNASを置き換えず、AIで社内ファイルを整理・検索できる「necfru drive」を月額5万円で提供開始しました。
• 日立製作所は、暗黙知の資産化からAIの安全運用まで支援する社会インフラ向け基盤を提供開始しました。
• 光数は、日本語専門文書をゼロから学習する小型AIモデルの研究開発を始め、Rerankerに依存しない検索を目指します。

詳しい記事の内容はこちらから（引用元）

豆蔵、AWSクラウド基盤上でNVIDIAのロボティクスAI技術を 活用し現場で動く「フィジカルAI」の社会実装を加速

株式会社豆蔵(本社：東京都新宿区、代表取締役社長：中原 徹也、以下 豆蔵)は、アマゾン ウェブ サービス ジャパン合同会…