6脚ロボット、ナナフシの歩行から1時間で学習 東北大とVISTECがAI訓練

何が起きたか

ロボットは不整地を移動し、脚を失っても適応する能力を示した。

詳細

研究チームは、ナナフシの短い動画クリップを解析し、その歩行周期をAIシステムに学習させた。学習した戦略を6脚ロボットに実装したところ、ロボットは約1時間で歩行を習得した。さらに、ロボットは不整地を移動し、脚を失った場合にも適応できることが確認された。

Key Facts

本紙の見方

今回の成果は、生物の歩行メカニズムをAIで模倣する「バイオインスパイアードロボティクス」の一例であり、特に「少ないデータから効率的に学習する」点で注目される。ナナフシの短い動画クリップから歩行戦略を抽出し、それをロボットに実装して1時間で歩行を習得させたことは、従来の強化学習が膨大な試行錯誤を必要とするのに対し、生物の神経回路の効率性を活用したアプローチとして新規性がある。本紙の過去報道（関連記事なし）との接続はできないが、公開情報では、近年のロボット歩行制御はモデルベースの手法からデータ駆動型へ移行しており、特に強化学習を用いた四足歩行ロボットの研究が盛んである。例えば、UnitreeやBoston Dynamicsの四足ロボットは、強化学習で不整地を走破するデモを公開しているが、それらは大量のシミュレーションと実機での試行を要する。今回の手法は、生物の歩行データを教師信号として利用することで、学習時間を大幅に短縮できる可能性を示唆しており、効率性の点で差別化されるとみられる。業界構造への含意としては、ロボットの歩行制御における学習データの重要性が再確認される。生物の行動データを活用するアプローチは、シミュレーション環境に依存しないため、実世界の多様な環境への適応が期待できる。また、6脚ロボットは安定性が高く、災害救助や点検用途での需要が見込まれるが、現状では研究段階であり、実用化にはさらなる耐久性やセンサー統合が必要とみられる。未確定の論点として、まず、ロボットの歩行速度やエネルギー効率などの定量的な性能指標が公開されていないため、実用化に向けた性能評価が不明である。次に、脚を失った場合の適応メカニズムがどの程度の欠損まで対応できるのか、また、学習に使用したナナフシの動画の長さや多様性が結果に与える影響も明らかでない。最後に、この技術が他の脚数や異なる形態のロボットに適用可能かどうか、汎用性の検証が今後の課題となる。

なぜ重要か

生物の歩行データをAIで学習させる手法は、ロボットの歩行制御における学習コストを大幅に削減する可能性を秘めており、災害救助や点検など実環境でのロボット活用を加速させる一歩となる。また、少ないデータで学習できる点は、データ収集が困難な分野での応用も期待される。