ロボットは自己対戦でサッカーを学べるか、Skild AIの具身AI実験

はじめに

自己対戦は、これまで囲碁やチェスのようなデジタル環境で大きな成果を上げてきました。Skild AIはこの考え方をロボットの運動学習に応用し、Messinatorというヒューマノイドロボットを披露しました。アルゼンチン代表のユニフォームを着たロボットは、シミュレーション上のサッカー場で訓練され、シュート、ドリブル、ボールキープ、相手へのチャレンジ、転倒後の起き上がりを見せています。ただし、現時点の情報は主に企業の技術記事とデモに基づくもので、プロ選手と同等の実力を示すものではありません。

どのように学習したのか

Messinatorの基盤には、Skild AIが開発するロボット基盤モデルS1があります。S1が重視するのは、ロボットの「文脈学習」です。タスクの実演動画を見せると、その目的を読み取り、自分の身体に合った動作へ変換することを目指します。ロボットごと、タスクごとに一から制御器を作る方法とは異なり、新しい作業への適応を容易にする発想です。

サッカーの訓練では、NVIDIA Isaac Simで構築した仮想フィールドにロボットを配置し、最終目標をゴールに設定しました。Skild AIの説明によれば、ドリブル、ボールを守る動作、タックル、起き上がりに個別の報酬を与えたわけではありません。ロボットは過去に保存された自分のモデルと対戦し、新しいモデルが勝つと、そのモデルが次のより強い対戦相手になります。

この仕組みによって、エンジニアが動作を一つずつ指定しなくても、勝利につながる行動が残っていきます。初期段階では歩行も安定しなかったロボットが、訓練を重ねるにつれて転倒から立ち上がり、相手をかわし、身体でボールを守り、ボールを奪おうとするようになったとされています。これらは明示的な動作リストではなく、ゴール達成に役立つために獲得された行動です。

共通のロボットの頭脳を目指す

Messinatorは単独のプロジェクトではありません。Skild AIは、異なるハードウェアを一つのモデルで制御するSkild Brainという構想も示しています。また、形状の異なる多数のロボットをシミュレーションで学習させ、脚の故障、関節の固定、車輪の障害、追加荷重などに適応させる「omni-bodied」訓練についても説明しています。

多様な身体を経験させれば、特定ロボットの歩き方を暗記するだけでは対応できません。モデルは、重心、バランス、関節運動、力学の関係をより一般的に学ぶ必要があります。基盤モデルが身体の制御を担い、自己対戦が課題に対する戦略を探すという役割分担です。

意義と課題

ロボット学習では、通常、大量の実演データ、細かな報酬設計、ハードウェアごとの調整が必要です。サッカーは連続制御、衝突、相手の動き、瞬時の判断を含むため、自律探索の能力を試す課題になります。今回のデモは、シミュレーション内の自己対戦が、人間が明示的に教えていない行動を見つける助けになる可能性を示しました。

一方で、シミュレーションと現実の差は残ります。仮想環境では物理条件やセンサー、相手の動きを管理できますが、現実世界は予測しにくいものです。標準ベンチマーク、訓練コスト、長期的な安定性に関する情報も限られています。したがって、Messinatorは「メッシを倒すロボット」というより、具身AIの訓練方法を検証する興味深い実験と捉えるのが適切です。

出典：量子位