ロボットの「脳」と「身体」の間に欠けている層

ロボットは、周囲を解釈し、次に何が起こるべきかを判断できる強力な #AI モデルを持つことができます。さらに、そのハードウェアも動作を実行できる場合があります。
しかし、「何をすべきか分かっている」と、それを実際に成功させて行うことの間には、最も難しい部分があります。
ロボットは、知覚を動作へ、動作を物理的な接触へ、接触をフィードバックへ、フィードバックを修正へと変換しなければなりません。
コップを拾うための指示は、言語のレベルでは簡単です。しかし物理的な実行は簡単ではありません。ロボットは、どこへ動くべきか、どれくらいの速さで動くべきか、どの程度の力を加えるべきか、そして物体がずれたり滑り始めたりした場合にどう対応するかを理解する必要があります。
これは知能と身体性の間に欠けている層です。意思、行動、結果、そして適応の連続したつながり。
@InvLambda は、人が介在する（human-in-the-loop）遠隔操作によって、この層の構築を支援しています。人間のオペレーターがロボットシステムと対話し、AIモデルが判断内容を物理的な結果へどう変換するか理解するために必要な、豊かな行動データを生成します。
オペレーターが判断を行います。ロボットは物理的な環境を提供します。遠隔操作は、この両者の相互作用を捉えます。
その相互作用が生み出すのは、静的なデータセットだけでは十分に提供できないものです。すなわち、行動が現実に出会ったときに何が起きたのか、オペレーターがどう反応したのか、そして動作がどのように修正されたのかの記録です。
より高能力な自律ロボットへの道は、このフィードバックループを通って進みます。
知覚 → 行動 → 結果 → 修正 → 学習。
Inverted Lambda は、このループの中にある人間の知性を捉え、それを、ロボットの「脳」と「身体」の間のギャップを埋めるのに役立つ学習用のシグナルへと変える取り組みを行っています。
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach