AIBR プレミアム
拓海さん、最近ロボットの話が増えて現場も騒がしいんですが、結局どこまで人と一緒に働けるんですかね。
素晴らしい着眼点ですね！最近の研究は、人の意図を正確に取ることでロボットが自然に動けるようになる、というところに注目していますよ。
具体的にはどういう手法なんでしょう。うちの現場のオペレーターは言葉が曖昧だし、手振りもバラバラです。
大丈夫、一緒に整理できますよ。今回の論文は、ジェスチャー、発話、視線といった複数の手がかりを合わせて、どの情報をどれだけ信用するかを機械が学ぶ方法です。
これって要するに信頼できる情報に重みをかけて、ロボットの判断を安定させるということ？
?ですよ。もう少し噛み砕くと、過去のやり取りをまとめてバッチ学習し、その経験から各センサーや入力の”信用度”を調整する方法なんです。
投資対効果の観点で言うと、どれくらいのデータややり取りが要るんですか。現場で少ないやり取りでも効くなら助かりますが。
要点を三つで説明しますね。第一に、著者らはおよそ32?64回程度の対話でバッチ学習を行えば信頼度を適切に学べると示しています。第二に、学習は既存の分類器を利用しつつ、環境ごとの不確実性まで考慮する設計です。第三に、ロボットの最終判断は、学習した重みを使った”Opinion Pool”という統合方式で決めるため、場面に応じた柔軟性があります。
なるほど。現場の雑音や遮蔽があるときに、どの情報を信じるか自動で決めてくれるわけだな。それは助かる。
その通りです。収集するのは実際の対話データと人の簡単なフィードバックだけで、複雑なラベリングは不要です。ですから現場導入のコストは比較的低く抑えられますよ。
それならまず小さく試して効果が見えれば拡張できそうですね。現場の反発も少ないはずです。
大丈夫、一緒にやれば必ずできますよ。最初は限定した作業領域で導入し、32回ほどの対話を集めて学習すれば、重みが安定してきます。その後、別の作業や環境に移す際は再学習で調整できます。
分かりました。要するに、ロボットに”誰を信じるか”を学ばせることで、現場での判断ミスを減らす仕組みを作るということですね。ありがとうございます、拓海さん。
