ヒューマノイド ロボットとは?

ロボット学習は、適応アルゴリズムおよび、仮想環境と実環境の両方における包括的なトレーニングによって推進されます。 これにより、ヒューマノイド ロボットは、二足歩行での移動、物体操作、社会的相互作用など、複雑なスキルを習得し磨きをかけることができます。

開発者は、データ取り込みと処理パイプライン、トレーニング フレームワーク、コンテナー化されたマイクロサービスを含む最適化されたソフトウェア スタックを使用して、拡張性と効率性に優れたトレーニングを実現します。AI 基盤モデル、シミュレーション環境、合成データ、強化学習や模倣学習などの専門的な学習手法が、ロボットがさまざまな場面で物体をつかんだり、障害物を回避したりするなどのタスクを実行させるために使用されます。

トレーニングでは、実際のシナリオを正確にシミュレーションするデジタル ツインを使用し、ロボット モデルが学習し改善するためのリスクのない環境を提供します。 これにより、物理的な損傷のリスクが排除され、多くの異なるモデルを同時にトレーニングすることで、より迅速な反復処理が可能になります。 シミュレーションにおいては、オペレーターは簡単にシーンにばらつきやノイズを導入することができ、ロボット モデルがより豊富な経験データから学習できるようになります。

ロボットのスキルがデジタル世界で十分に磨き上げたら、そのモデルを実際のロボットにデプロイできます。場合によっては、現実世界でロボットを稼働させ練習しながらトレーニングを継続することもあります。

ヒューマノイド ロボットの重要な新しいトレーニング手法には、以下のようなものがあります。 

• 機械学習: ヒューマノイド ロボットには、データを分析して過去の行動から学習し、センサーから出力されるデータを処理してリアルタイムで情報に基づいた意思決定を行うことができる機械学習アルゴリズムが搭載されています。  
• 模倣学習: ロボットは、人間が示す動作を模倣することで新しいスキルを習得することができます。これらの動作は、センサーやカメラで捉えられ、観察された動作を模倣するロボット コマンドに変換されます。 このアプローチは、従来のプログラミング手法ではコード化が難しい、繊細で複雑なタスクをロボットに学習させるのに特に効果的です。
• 強化学習: この手法では、アルゴリズムが数学的な方程式を用いて、ロボットの正しい行動に対して報酬を与え、誤った行動に対して罰を与えます。 試行錯誤や関連する報酬システムを通じて、ロボットは時間をかけて適応し、パフォーマンスを向上させます。

ヒューマノイドを安全に動作させ、人間と連携できるように設計するには、安全に関するいくつかのコンセプトを統合する必要があります。 

• 従来の機能安全性 ロボットのハードウェアとソフトウェアが確実に動作し、危害を与えないように設計されていることを保証します。
• ロボティクス安全性 事故を防止するための緊急停止と保護停止を可能にします。 
• 人間と機械の協調安全性 人間の存在や行動を認識し、適切に対応するようにします。
• センサーの安全性 ヒューマノイドが環境を正確に認識できるように、ロボット センサーの精度をテスト、検証します。
• AI の安全性は、ヒューマノイドが依存するアルゴリズムが誤った解釈を回避し、新たなリスクをもたらさないことを確認します。

 従来の機能安全とロボティクスの安全性は、IEC 61508、ISO 13849、ANSI/RIA R15.606 などの既存の安全規格によりサポートされています。 また、AI の安全性に関する ISO/IEC TS 22440 や、ヒューマノイドの安全性基準を調査し、開発するために IEEE が立ち上げた新しい研究グループなど、いくつかの新しい規格も登場しています。

ヒューマノイド ロボットの目標は、人間のために作られた環境で効率的に動作することです。これにより、ロボット用のスペースを再設計することなく自動化を進めることが可能になります。ヒューマノイド ロボットは、倉庫や流通センター、実店舗、臨床環境などに多くの利点をもたらす大きな可能性を秘めています。

• 人間とロボットの相互作用: 人体をモデルにしたヒューマノイド ロボットは、さまざまなタスクで人間と共に作業を行うことができます。
• 汎用性と適応性: ヒューマノイド ロボットは、もともと人間が使用するために設計されたツールやインフラを活用することができます。
• 生産性: ヒューマノイド ロボットは、他の作業者と同じ環境で作業することで、日常的なタスクの遂行を強化します。
• 安全性向上: ヒューマノイド ロボットは、危険なタスクを実行したり、人間の安全を脅かす場所での作業が可能です。 これにより、職場での事故を減らし、産業現場や災害対応など、危険な状況に人間をさらす必要性を低減できます。

製造からヘルスケア、災害対応から顧客サービスまで、ヒューマノイド ロボットは、作業者の安全性、生産性、ユーザー体験を向上させます。 ヒューマノイド ロボットのほとんどのユース ケースは初期の研究開発段階ですが、人間の労働力を強化するヒューマノイドの可能性に、業界全体から大きな期待が寄せられています。

製造
メーカーでは自動化を推進するために、工場にヒューマノイド ロボットを導入し、人間の作業者と共に作業を行うことができます。ヒューマノイドは、人間の柔軟性に似た自由度 (DOF: Degrees of Freedom) を備えており、組立ラインのタスクを補助するために部品を扱ったり、反復的な作業や肉体的に負荷の高い作業を実行したり、検査や保守作業を実施したりできます。

倉庫と物流
ヒューマノイド ロボットは、商品のピッキングや梱包、納品物の受け取り、在庫管理、繊細な操作を必要とする資材の取り扱いなどのタスクを行うことができます。また、ロボット アーム、自律型移動ロボットなどの他のロボット、さらには作業を行う人間との連携も可能です。

ヘルスケア
ヒューマノイド ロボットは、人間の医療従事者を補完し、患者ケア、医療施設の運営、医療処置に革命をもたらす可能性があると期待されています。

ホーム アシスタント
ヒューマノイド ロボットは、掃除、調理、洗濯などの日常的な作業を行うことができます。自然言語処理と機械学習により、人間とコミュニケーションを取ることもでき、日常的な習慣や好みに適応することもできます。

カスタマー サービス
ヒューマノイドは、小売店、空港、ホテル、その他の公共スペースでのカスタマー サービス業務に従事できます。情報の提供、顧客のさまざまな場所への案内、基本的な問い合わせ対応などができ、業務効率と顧客体験の両方を向上させます。

限られた学習データ
ヒューマノイド ロボットを効果的に活用するための AI モデルのトレーニングには、膨大な量のデータが必要です。 ヒューマノイドがトレーニングして模倣する人間の正確な動きと、現実世界のシナリオでの予測不可能な特性により、最適なロボットのパフォーマンスに必要なデータを収集し、ラベル付けすることは非常に困難です。 このため、合成的に生成されたデータは、さまざまな環境や動きをシミュレーションする人工的なデータセットを作成することで、この課題に対処するのに役立ちます。

設計
ヒューマノイド ロボットは、軽量で、汎用性が高く、パワフルであることが求められます。また、その制御システムは、二足歩行の動きに必要なバランスと協調性を提供する必要があります。一方で、高度なセンサーとアクチュエーターは、人間の手の器用さを模倣するのに十分な精密さと繊細さが必要です。さらに、オンボードのコンピューティング システムは、ヒューマノイドの形状に収まるほど小さく、同時に、高度な AI モデルを低遅延で実行できるだけの演算能力を備えている必要があります。

エネルギー効率
ヒューマノイドは、バッテリーを搭載するスペースが限られているため、エネルギー消費を最小限に抑えながら機能を最大限に発揮できるように動作する必要があります。自律ロボットは、電力供給を急速に消耗することなく、複雑なタスクを実行できることが重要です。

自由度
自由度の向上により、ヒューマノイド ロボットは、より器用に、そしてより人間に近い動きで動作できるようになり、より幅広いタスクを実行し、さまざまな環境に適応できるようになります。しかし、そのためには、複雑な機械システムと制御システム間の連携が必要です。

NVIDIA AI と Omniverse™ プラットフォームは、ヒューマノイド ロボティクス開発を加速します。 NVIDIA では、ヒューマノイド ロボティクス開発を支援する、以下の 3 つの主なコンピューティング プラットフォームを提供しています。

1. NVIDIA NeMo は、NVIDIA DGX™ スーパーコンピューター上で実行され、ロボティクス用途向けに AI モデルをトレーニングします。
2. NVIDIA Isaac™ Lab や NVIDIA Isaac Sim などのロボット学習およびシミュレーションのフレームワークは、NVIDIA Omniverse を基盤としており、ロボットをシミュレーションされた世界でトレーニングさせ、ロボットのスキルを強化することが可能です。
3. Jetson™ Thor 上で動作する NVIDIA Isaac は、ヒューマノイド ロボットが複雑なタスクを実行し、人間と機械の両方と安全かつ自然にやりとりできるようにします。Jetson Thor は、NVIDIA Blackwell アーキテクチャをベースに構築されており、統合された機能安全プロセッサ、高性能 CPU クラスター、および 100 Gb のイーサネット帯域幅を備え、ヒューマノイド ロボット向けのマルチモーダル AI モデルを実行します。