自分の手の指先に吸盤がついている様子を想像してみてほしい。吸盤は大きさや弾力性がさまざまで、段ボールのような平面の吸着に適したものや、例えば花瓶のように不規則な形状の物体を得意とするものもある。単体では扱える物は限られるかもしれないが、指全体がチームになって動くと幅広い物体に対応できるのではないか──。
そんな構想を、研究室から派生したスタートアップのAmbi Roboticsは思い描いている。同社は仕分け作業ロボットとそのオペレーティングシステム（OS）を開発しており、この3月末にステルスモードから脱したところだ。
Ambi Roboticsの創業メンバーは、一般的な機械なら尻込みしそうな業務にロボットをつかせようと考えている。それは、倉庫内にある商品のピッキング作業だ。
人間はどんな物体であっても、重すぎない限りは簡単に手に持てる。ところが、それがロボットにとっては極めて難しいことなのだ。世界中のロボット工学研究室で数十年かけて研究が重ねられてきたが、人間の手の器用さには機械はまだはるかに及ばない。そこで、手の指の代わりに吸盤を使う案が浮上したわけだ。
Ambi Roboticsは、ロボットが一般的な物体を掴む手法のモデル化に取り組んでいるカリフォルニア大学バークレー校の研究プロジェクト「Dex-Net」（The Dexterity Network）から誕生した。画像認識の人工知能（AI）を構築するプロセスを想像してほしいのだが、これはそのロボット版と考えてもらえばいい。
例えば、AIがネコを認識するように学習させたければ、まずは無数のネコの画像を含むデータベースを用意する必要がある。画像に含まれるネコを線で囲い、ニューラルネットワークに「これがネコですよ」と教えていく。ネットワークは膨大な数の事例を解析することで「一般化」ができるようになり、初見のネコも自動的に識別できるようになるわけだ。
立体的な物を“掴める”メカニズム
Dex-Netは、同じ仕組みを物を掴むためのロボットハンドに応用している。この研究では実際の倉庫を模したシミュレーションであらゆる物体の立体モデルをつくり、「しっかり掴む」には物体のどの部分に接触すればいいのかを算出する。球体のボールなら端の部分をつまむのではなく、円周の部分を挟んだほうが安定する、といった具合だ。当たり前のことにも思えるが、これをロボットは一から学習しなければならない。
「わたしたちのプロジェクトでは、学習用のサンプルが画像ではなく、しっかり掴める位置のある3Dの物体になるのです」と、カリフォルニア大学バークレー校のロボット研究者であるケン・ゴールドバーグは言う。彼はDex-Netの開発を手がけ、Ambi Roboticsの共同創業者でもある。「これをネットワークに取り込むと同じように学習していき、新たな物体を一般化できるようになります」。つまり、多くの物体で学習を重ねてきた経験を基に、初めて見る物体でもどこを掴めばいいのか計算できるわけだ。
はたしてAIに倫理や哲学は必要だろうか。ダイヴァーシティやインクルージョンを理解できるだろうか。汎用型AIか特化型AIかという二元論を超えて、技術的特異点の真のインパクトを読み解く。
小学校の図画工作の授業でつくった不格好なマグカップを思い浮かべてほしい。あえて奇妙な形を選んだとしても、おそらく取っ手を付けることは忘れなかっただろう。それを渡された両親は喜んだ様子を見せ、マグカップの取っ手を掴んで手にとったはずだ。これは一般的なマグカップを見てきた経験の蓄積によって、どこを持てばいいのかを心得ているからである。
Ambi Roboticsが開発したロボット用のOS「AmbiOS」は、ロボットにとってこの経験の積み重ねに相当する。「人間なら、たとえそれまでつくられたことのないようなマグカップでも、どう扱えばいいのか推測できますよね」と、Ambi Roboticsの共同創業者のスティーヴン・マッキンリーは言う。「その物体のほかの部分がどんな形状なのかをシステムが論理的に推測することで、その部分を持てばしっかり掴めるはずだと適切な判断ができるわけです」
あらゆる物体に対応
このAmbiOSは、幅広い構成のハードウェアとエンドエフェクターを扱うロボットのOSだ。エンドエフェクターとは、ロボット業界用語でロボットハンドの先端に取り付けるアダプターを指す。人間の手とは異なりさまざまな形状をしており、空気圧で吸着させる吸盤式もあれば、2本指で箸のように掴むパラレルグリッパーと呼ばれる手もある。いずれにしてもエンドエフェクターは、Dex-Netで学習してきた知識を応用することになる。
Ambi Roboticsの研究によると、ネット通販の倉庫で使うエンドエフェクタとして最も汎用性が高く、効率よく利用できるのが吸盤だった。吸盤をロボットハンドの先端に取り付けて実験したところ、扱った商品の96%をしっかり吸着できたという。箱の平面を難なく保持できるだけでなく、衣類を配送する際の梱包材として使われる柔らかいビニール袋も扱えたほどだ。
これに対して表面が多孔性の物体は吸盤では対応できなかったが、従来型の掴むグリッパーなら扱うことができた。多彩な特徴のある物体を扱うロボットなら、吸盤と2本指のグリッパーを組み合わせて装備する方法もあるだろう。
上の動画からは、Ambi Roboticsのロボットが作業している様子が見てとれる。まず、奥行きを検知するカメラが青い箱をのぞき、中にある物体を分析する。「どの方法で掴むのか、どう掴めば成功するのかをこの段階で判断しています」と、Ambi Roboticsの共同創業者のジェフ・マーラーは説明する。
続いてロボットは吸盤で物体を吸着させ、持ち上げてバーコードを読み取らせる。そしてアームが回転し、物体は隣で待つ移動式の台に載せられ、並んだ箱に収められる。
マーラーによると、Ambi Roboticsはネット通販企業などの顧客に合わせて、モジュラー式のハードウェアシステムを個別に設計する。アームやグリッパー、カメラ、箱といったものからなるシステムだ。さらにロボットに学習させるためのシミュレーターを開発し、ランダムな形状の物体を使ってさまざまな掴み方を覚えさせていく。
「この学習プロセスは1日足らずですが、それが終われば何年も実世界で動いていたかのように動作するようになります」と、マーラーは言う。「現場での初日から幅広い品を扱えるようになり、初めて見る微妙な差異にも一般的な法則を当てはめられるようになるのです」
なお、Ambi Roboticsはすでに話を進めている顧客もあるが、企業名は明かさない意向だという。
吸盤を使うことの意味
吸盤のある手を備えることで、ロボットは人間にはない優れた能力をもつことになる。
古くからロボット工学者たちは、5本指ではなく2本の指で挟む形式で手に似たグリッパーを設計してきた。人の手がもつ複雑さ、器用さをいくらか単純化したヴァージョンである。だが、人間の指先が物体を吸着できないからといって、ロボットハンドにその機能を与えられないわけではない。
「その意味では、吸盤は物の扱いにおける“車輪”のようなものと考えてもいいかもしれません」と、コロンビア大学のロボット研究者のマテイ・チョーカリーは語る（チョーカリーはAmbi Roboticsとかかわっていない）。言い換えれば、吸盤はつくられた環境に合わせてロボットが最適な作業をする際に力を発揮する設計上の特徴だが、進化の過程では現れなかった機能でもある。
不規則な場所を移動するには足が適しているが、人工物の平面上でロボットを動かすには車輪が最適だ。直線の道路を走るなら、例えばイヌよりもクルマのほうがはるかに速い。
「吸着させる動作も似たようなものです」と、チョーカリーは言う。人間の手は自然界をうまく操るべく進化しており、その点では非常に優れている。「森で食料を探したり動物に石を投げつけたりといった場合に、物体を手に吸着させることが最適な手段とは言えませんよね」と、彼は続ける。「一方で、倉庫のように人間がつくりだした環境において、人間が日々の生活で使うためにつくった物体を扱うなら、吸盤は素晴らしい手段になると思います」
倉庫での作業用ロボットに吸着ハンドを取り入れている企業は、Ambi Roboticsだけではない。このほどボストン・ダイナミクスが発表したロボット「Stretch」は、倉庫内を移動して吸盤つきのグリッパーで箱を持ち、積み上げることができる。これに対してAmbi Roboticsのロボットは、より細やかに物体を扱えるという違いがある。
ロボットは人間に置き換わらない
実際のところ倉庫という場所での作業は、ロボット工学にとって終わりのないチャレンジである。つまり、体系化されていない環境なのだ。
ロボットは過去数十年にわたって自動車の生産ラインで稼働し、例えばドアを持ち上げて所定の位置に取り付けるといった作業をこなしてきた。こうした作業はロボットに向いている。力強くて一貫性があるという特長を生かせる一方で、弱点である細かな動作や論理的な判断を求められない現場だからだ。
工場についてロボット工学者は、「体系化された環境」と位置づけている。機械が周囲の環境を分析したり動き回ったりする必要がなく、同じ動作を繰り返すだけでいいからだ。また、ここではロボットに小さな物体を細かな動きで扱うことは求められていない。あくまで単純な動作だけなのだ。
これに対してAmbi Roboticsは、体系的な面とそうでない面の両方をもつハイブリッドな環境に対応しようと取り組んでいる。例えば、ロボットアームが決まった場所に設置されており、その点では安定かつ一貫した環境だ。一方、箱の中身は何でもありで、ありとあらゆる商品がいろんな向きで重なり合っている。
そしてこのシステムは、現実世界ではなくシミュレーションで学んだ経験に基づいて動作する。画像認識AIが、初めて見るネコの写真の識別を学習する仕組みと同じだ。
はたしてAIに倫理や哲学は必要だろうか。ダイヴァーシティやインクルージョンを理解できるだろうか。汎用型AIか特化型AIかという二元論を超えて、技術的特異点の真のインパクトを読み解く。
「箱の中身を空っぽにする作業ができると証明することだけでも、ある意味では注目に値します」と、ゴールドバーグは言う。だが、それを素早く、しかも正確にこなせるのであれば、まったく別の話になる。
ゴールドバーグによるとAmbi Roboticsのロボットは、この仕分け作業を人間の2倍の速さでこなせる。しかも人間の労働者からの置き換えを意図しているのではなく、人間の仕事を補助するのだという。「これは商品の仕分け作業の自動化における過程のひとつにすぎません」と、ゴールドバーグは言う。「こうした全体の過程においては、人間による介入が欠かせないステップもあるのです」
とはいえ、物の扱いにかけては優れているロボットであっても、人間と同じように問題を解決できるわけではない。ロボットは定位置である囲いの外へと出ることもできないのだ。「ロボットが人間に置き換わるとは思いません」と、チョーカリーは言う。「ロボットは、あくまで道具なのです」
どの仕事をロボットが担うのかが論点に
それでも、さらなる自動化は必然の流れだろう。移動と物の扱いにかけてますますロボットが人間に追いついていくなか、仕事の現場でロボットが担う役割は増えていくはずだ。
例えばアマゾンは、すでに商品を載せて倉庫内を走り回る小型ロボットの導入を始めている。少なくともこの先しばらくは、ロボットがどれだけの数の仕事を奪うかよりも、人間の労働のどの部分をロボットが担うかが論点になると、専門家はみている。
新型コロナウイルスのパンデミックで経済が崩壊したことで、現時点ではロボットが人間の代役を務めてくれる状況にはほど遠いことが明確に浮き彫りになった。病院に導入されたロボットは薬の運搬や部屋の消毒はできるが、人の命を救ってはくれない。ロボットのなかで最も注目されてきた自律走行車も、独力で商品を配達できるようになるのはまだ先のことだ。
それでは、吸盤のついた手を使いこなすことならどうだろうか。これについては人間の出る幕はないので、喜んでロボットに独占させておくことにしたい。
※『WIRED』によるロボットの関連記事はこちら。
TEXT BY MATT SIMON
TRANSLATION BY NORIKO ISHIGAKI