AIが人間の行動を観察するだけで同じ行動を模倣する技術をNVIDIAが公開

NVIDIAは、AIが「物体を移動させる」などの人間の行動を観察するだけで、行動前後の物体の位置関係からAIが自ら実行計画を立案して、同じ行動を実行することができる技術を公開しました。

[1805.07054] Synthetically Trained Neural Networks for Learning Human-Readable Plans from Real-World Demonstrations
https://arxiv.org/abs/1805.07054

New AI Technique Helps Robots Work Alongside Humans - NVIDIA Developer News CenterNVIDIA Developer News Center
https://news.developer.nvidia.com/new-ai-technique-helps-robots-work-alongside-humans/

NVIDIAが公開した新しいAI技術は以下のムービーで、わかりやすく解説されています。

Research at NVIDIA: Researchers Help Robots Work Alongside Humans - YouTube

「青」「緑」「赤」「黄」のブロックと「赤いおもちゃの自動車」が並べられた机の上で……

人が、ブロックを下から「赤」「黄」「緑」「青」の順に積み上げます。

この後、最初とは異なる位置にブロックをバラバラに配置。

この様子を観察していたAIは、先ほど人が行っていたように「赤」「黄」「緑」「青」の順にブロックを積み上げました。

この技術は、赤で示された4つのニューラルネットワークで実現しています。

1つ目が「オブジェクト検知ネットワーク」。物体の姿勢を知覚して、空間内にある物体の頂点の位置を予測します。

2つ目の「関係推論ネットワーク」は物体の位置関係を推測します。

3つ目が「プログラム生成ネットワーク」で、物体の位置関係を再現するための実行計画を作り……

4つ目の「実行ネットワーク」で、AIが生成した実行計画をロボットに実行するように命じます。

この4つのネットワークの中で、オブジェクト検知ネットワークと、関係推論ネットワークが作り出す情報は、人間でも読める内容で出力されます。

今回のデモの場合は……

AIが認識した5つの物体は「赤のブロック」「黄色のブロック」「緑のブロック」「青のブロック」「赤いおもちゃの車」と認識しています。今回のデモ用に用いられているAIは、「～の上」「～の左」の2つの位置関係を学習しているようです。

次に「緑のブロックの上に黄色のブロック」「赤のブロックの上に青のブロック」を配置するように学習させ……

ブロックをバラバラに配置すると、AIは「赤の上に青を置く」「緑の上に黄色を置く」と計画してブロックの移動を行います。

このとき、AIが推測した物体の位置関係に誤差が生まれることで、「緑のブロックの上に黄色のブロックを置く」などの処理で実行中にエラーが発生することがあります。

通常のプログラムならここで止まってしまいますが、このAIの場合は再度状態をチェックして……

失敗した処理をやり直し、自らエラーを修復することが可能です。

通常AIの学習にはラベル付けされた大量の学習用データを必要とする「教師あり学習」がよく利用されますが、NVIDIAはこの技術の実現にあたりAIの学習に画像データを使用する「教師なし学習」を採用しています。このため、ラベル付きデータを用意するための労力を削減できる利点があるとしています。

NVIDIAによると、AIの学習に今回デモで使用された「ブロック」や「おもちゃの自動車」のような現実の画像は全く使用していないとのことです。実際に「赤いおもちゃの車」を学習には、以下の画像の左上にあるものが使用されています。このため、今回NVIDIAが公開したデモでは、現実世界の情報がほとんどわからないような学習法であっても、実際の物体を把握できることも実証されたことになります。