ヒューマノイドは、人間の形状をモデルにした汎用二足歩行ロボットで、生産性を高めるために人間と共に作業するように設計されています。物体をつかんだり、容器を移動したり、箱の積み降ろしをしたりするなど、さまざまなタスクを学習し、実行することができます。
ヒューマノイド ロボットは、人工知能 (AI) モデルを使用して知覚、感知、計画を行い、さまざまな環境下で複雑なタスクを自律的に実行することで、これまでにない速さで学習し適応しています。 これらのロボットは、洗練されたアクチュエーター、センサー、ロボット搭載コンピューターおよびソフトウェアを備え、人間の器用さを模倣した動きや相互作用、さらにはセルフナビゲーションまで支援します。ロボットは、シミュレーション環境内でさまざまな動きや反応を学習することで、現実世界の予測不可能なシナリオにも対応できるようになります。
厳しい AI 学習の後、最適化されたモデルとソフトウェア ワークフローがロボットに搭載されたコンピューティング システムにデプロイされます。オンチップ コンピューティング、AI、アクチュエーター、センサー、マニピュレーション、器用さ、移動方針を効果的に組み合わせることにより、ヒューマノイド ロボットは、さまざまなタスクを担う可能性を秘めた汎用性が非常に高いロボットになります。
私たちの世界は人間によって人間のために作られているため、ヒューマノイド ロボットは、人間中心の環境において最小限の調整で効率的に動作できる能力に優れています。
ロボット学習は、適応アルゴリズムおよび、仮想環境と実環境の両方における包括的なトレーニングによって推進されます。 これにより、ヒューマノイド ロボットは、二足歩行での移動、物体操作、社会的相互作用など、複雑なスキルを習得し磨きをかけることができます。
開発者は、データ取り込みと処理パイプライン、トレーニング フレームワーク、コンテナー化されたマイクロサービスを含む最適化されたソフトウェア スタックを使用して、拡張性と効率性に優れたトレーニングを実現します。AI 基盤モデル、シミュレーション環境、合成データ、強化学習や模倣学習などの専門的な学習手法が、ロボットがさまざまな場面で物体をつかんだり、障害物を回避したりするなどのタスクを実行させるために使用されます。
トレーニングでは、実際のシナリオを正確にシミュレーションするデジタル ツインを使用し、ロボット モデルが学習し改善するためのリスクのない環境を提供します。 これにより、物理的な損傷のリスクが排除され、多くの異なるモデルを同時にトレーニングすることで、より迅速な反復処理が可能になります。 シミュレーションにおいては、オペレーターは簡単にシーンにばらつきやノイズを導入することができ、ロボット モデルがより豊富な経験データから学習できるようになります。
ロボットのスキルがデジタル世界で十分に磨き上げたら、そのモデルを実際のロボットにデプロイできます。場合によっては、現実世界でロボットを稼働させ練習しながらトレーニングを継続することもあります。
ヒューマノイド ロボットの重要な新しいトレーニング手法には、以下のようなものがあります。
ヒューマノイドを安全に動作させ、人間と連携できるように設計するには、安全に関するいくつかのコンセプトを統合する必要があります。
従来の機能安全とロボティクスの安全性は、IEC 61508、ISO 13849、ANSI/RIA R15.606 などの既存の安全規格によりサポートされています。 また、AI の安全性に関する ISO/IEC TS 22440 や、ヒューマノイドの安全性基準を調査し、開発するために IEEE が立ち上げた新しい研究グループなど、いくつかの新しい規格も登場しています。
ヒューマノイド ロボットの目標は、人間のために作られた環境で効率的に動作することです。これにより、ロボット用のスペースを再設計することなく自動化を進めることが可能になります。ヒューマノイド ロボットは、倉庫や流通センター、実店舗、臨床環境などに多くの利点をもたらす大きな可能性を秘めています。
製造からヘルスケア、災害対応から顧客サービスまで、ヒューマノイド ロボットは、作業者の安全性、生産性、ユーザー体験を向上させます。 ヒューマノイド ロボットのほとんどのユース ケースは初期の研究開発段階ですが、人間の労働力を強化するヒューマノイドの可能性に、業界全体から大きな期待が寄せられています。
製造
メーカーでは自動化を推進するために、工場にヒューマノイド ロボットを導入し、人間の作業者と共に作業を行うことができます。ヒューマノイドは、人間の柔軟性に似た自由度 (DOF: Degrees of Freedom) を備えており、組立ラインのタスクを補助するために部品を扱ったり、反復的な作業や肉体的に負荷の高い作業を実行したり、検査や保守作業を実施したりできます。
倉庫と物流
ヒューマノイド ロボットは、商品のピッキングや梱包、納品物の受け取り、在庫管理、繊細な操作を必要とする資材の取り扱いなどのタスクを行うことができます。また、ロボット アーム、自律型移動ロボットなどの他のロボット、さらには作業を行う人間との連携も可能です。
ヘルスケア
ヒューマノイド ロボットは、人間の医療従事者を補完し、患者ケア、医療施設の運営、医療処置に革命をもたらす可能性があると期待されています。
ホーム アシスタント
ヒューマノイド ロボットは、掃除、調理、洗濯などの日常的な作業を行うことができます。自然言語処理と機械学習により、人間とコミュニケーションを取ることもでき、日常的な習慣や好みに適応することもできます。
カスタマー サービス
ヒューマノイドは、小売店、空港、ホテル、その他の公共スペースでのカスタマー サービス業務に従事できます。情報の提供、顧客のさまざまな場所への案内、基本的な問い合わせ対応などができ、業務効率と顧客体験の両方を向上させます。
限られた学習データ
ヒューマノイド ロボットを効果的に活用するための AI モデルのトレーニングには、膨大な量のデータが必要です。 ヒューマノイドがトレーニングして模倣する人間の正確な動きと、現実世界のシナリオでの予測不可能な特性により、最適なロボットのパフォーマンスに必要なデータを収集し、ラベル付けすることは非常に困難です。 このため、合成的に生成されたデータは、さまざまな環境や動きをシミュレーションする人工的なデータセットを作成することで、この課題に対処するのに役立ちます。
設計
ヒューマノイド ロボットは、軽量で、汎用性が高く、パワフルであることが求められます。また、その制御システムは、二足歩行の動きに必要なバランスと協調性を提供する必要があります。一方で、高度なセンサーとアクチュエーターは、人間の手の器用さを模倣するのに十分な精密さと繊細さが必要です。さらに、オンボードのコンピューティング システムは、ヒューマノイドの形状に収まるほど小さく、同時に、高度な AI モデルを低遅延で実行できるだけの演算能力を備えている必要があります。
エネルギー効率
ヒューマノイドは、バッテリーを搭載するスペースが限られているため、エネルギー消費を最小限に抑えながら機能を最大限に発揮できるように動作する必要があります。自律ロボットは、電力供給を急速に消耗することなく、複雑なタスクを実行できることが重要です。
自由度
自由度の向上により、ヒューマノイド ロボットは、より器用に、そしてより人間に近い動きで動作できるようになり、より幅広いタスクを実行し、さまざまな環境に適応できるようになります。しかし、そのためには、複雑な機械システムと制御システム間の連携が必要です。
NVIDIA AI と Omniverse™ プラットフォームは、ヒューマノイド ロボティクス開発を加速します。 NVIDIA では、ヒューマノイド ロボティクス開発を支援する、以下の 3 つの主なコンピューティング プラットフォームを提供しています。