Robotics

ロボティクスは、ロボット、すなわち周囲を感知し、何をするかを決定し、モーターなどのアクチュエーターを通じて物理世界に働きかける機械を設計、構築、プログラミングする工学分野です。機械工学、電気工学、制御理論、コンピューターサイエンスを組み合わせています。従来の産業用ロボットは、柵で囲まれたセル内で事前にプログラムされた動作を繰り返しますが、人工知能（AI）により、新しいロボットは、位置が毎回異なる部品の発見、人の回避、手書きのコードではなく実演からの操作スキルの学習など、変化への対応が可能になっています。

ロボットの仕組み：認識、計画、行動#

多くのロボットソフトウェアは、認識、計画、行動の構造に従って継続的に動作します。

• センシング: カメラ、深度センサー、ライダー、慣性計測装置（IMU）、関節エンコーダー、力・トルクセンサーで、環境とロボット自体を計測します。
• 認識: コンピュータービジョンモデルは、生の画像を物体、人、表面、距離に変換します。具体的には、物体検出、セグメンテーション、姿勢推定、深度推定を行います。
• 状態推定とマッピング: センサーフュージョンとカルマンフィルターなどのフィルターを使って、ロボットの位置と動きを推定します。また、ビジュアルSLAMは、ロボットを追跡しながら未知の空間の地図を作成します。
• 計画: タスクプランナーが次の動作を決定し、モーションプランナーが車輪やアームの衝突のない経路を計算します。
• 制御: PIDループからモデル予測制御までの低レベルコントローラーが、計画に沿ってモーターを動かします。多くの場合、毎秒数百回実行されます。

ROS 2（Robot Operating System）などのミドルウェアは、名前付きトピックを介してメッセージを交換する個別のプロセスとして、これらの要素を接続します。各動作によって次にセンサーが捉えるものが変わるため、このループが成立します。

制御ループにおけるビジョン#

認識処理は、ロボット自身のコンピューター上で計画に間に合う速度で結果を出す必要があります。このコンピューターには、NVIDIA Jetsonのような組み込みGPUモジュールがよく使われます。UltralyticsのROSクイックスタートでは、Ultralytics YOLO26をROSノードとして実行します。このノードはカメラトピックを購読し、注釈付きの検出結果とセグメンテーション、検出クラス名、深度画像から得た物体までの距離を公開し、他のノードが利用できるようにします。同じ認識から動作への処理は数行のPythonで実装できます。ここでは、カメラ映像に人が現れた瞬間に移動ロボットを停止させます。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"

# Sense-act loop: read frames as they arrive and stop as soon as a person is detected
for frame_idx, result in enumerate(model.predict(video, stream=True, classes=[0])):
    if len(result.boxes) > 0:
        print(f"Person detected in frame {frame_idx}: sending stop command")
        break

stream=Trueを使うと、動画の読み込みに合わせてモデルがフレームごとに1つの結果を返します。source=0のようなライブカメラのインデックスを使う場合も、同じパターンです。

学習ベースのロボティクス#

学習済みの認識技術はすでに標準的に使われており、計画や制御にも学習がますます広がっています。

• 模倣学習: ロボットは、遠隔操作による実演から行動クローニングを通じて学習します。アクションチャンキングや拡散ポリシーなどの技術により、洗濯物を畳む、コネクターを挿入するといった繊細な操作にも実用的になりました。
• シミュレーションにおける強化学習: 強化学習を使い、数百万回のシミュレーション試行で学習したポリシーを、ドメインランダム化によって実機に適用します。物理特性や外観を変化させ、現実世界がさらなる変化の一例に見えるようにします。四足歩行ロボットやヒューマノイドの俊敏な歩行・走行コントローラーは、この方法で学習されることが一般的です。
• ロボット基盤モデル: 視覚・言語・行動モデルは、カメラ画像と自然言語の指示をモーターコマンドに直接変換します。例として、Physical Intelligenceのπ0、Google DeepMindのGemini Robotics、ヒューマノイド向けのNVIDIAのオープンモデルIsaac GR00Tがあります。Open X-Embodimentデータセットのように、22種類のロボットから集めた100万件を超える軌跡データを統合して学習します。

これらの手法は、身体を通じて認識し行動するエージェントを扱うAI研究分野である身体性AIやフィジカルAIに分類されることがよくあります。

ロボティクスとロボティック・プロセス・オートメーション#

ロボティック・プロセス・オートメーション（RPA）は名称に「ロボティック」とありますが、ハードウェアは使用しません。RPAの「ボット」は、業務アプリケーション間のデータコピーや請求書の処理など、繰り返し行うデジタル業務を自動化するソフトウェアです。ロボティクスには、必ず物理的な機械が関わります。たとえば、Boston Dynamicsの四足歩行ロボットSpotは、建設現場を歩き回って検査画像を撮影します。

用途#

• 製造: 多関節アームは溶接、塗装、組み立てを行い、協働ロボット（コボット）は速度と力を抑えて人の隣で作業します。ビジョン技術は、ビンピッキングの誘導や部品の欠陥検査に使われます。
• 物流: 自律走行搬送ロボット（AMR）は、搭載された地図と認識機能を使って倉庫内を移動し、障害物を避けて経路を変更します。一方、従来の無人搬送車（AGV）は、固定されたテープやワイヤーの経路に沿って走行していました。
• 農業: ロボットはビジョンで植物を識別し、除草、間引き、収穫を行います。
• 医療: 遠隔操作式の手術システムは、外科医の手の動きを精密な器具の動きに変換します。また、移動ロボットは病院内で物資を運搬します。
• 輸送: 自動運転車やドローンは、より高速で同じ認識・計画・行動のループを実行する移動ロボットです。

国際ロボット連盟によると、2024年には世界で54万2,000台の産業用ロボットが導入され、その54%が中国に設置されました。稼働台数は約466万台に達しています。