Real-Time Model Checking for Closed-Loop Robot Reactive Planning

あなたは、リモコンカーを迷路の中へと走らせているところを想像してみてください。ほとんどの場合、あなたは目の前にあるものだけを見ています。壁が見えたら、曲がります。また別の壁が見えたら、再び曲がります。これが今日の多くのロボットの動き方です。彼らは反射神経のようなものです。彼らは「今」に対して反応しますが、「次の瞬間」については考えていません。

問題は何でしょうか？ この「見て、曲がる」という戦略は、しばしばロボットを立ち往生させてしまいます。ロボットが袋小路（行き止まりの道）に突っ込んでいく様子を思い浮かべてください。壁を見て左に曲がり、別の壁に当たり、右に曲がり、3つ目の壁に当たり、そして角に閉じ込められ、永遠に同じ場所をぐるぐると回り続けます。それはまるで、自分の尻尾を追いかける犬のようなものです。目の前の問題には反応していますが、その通り全体が罠であることを全く理解していません。

この論文において、グラスゴー大学とストラスクライド大学の研究チームは、ロボットにスーパーコンピュータを必要とすることなく、数ステップ先を考えることができる「脳」を与えようと試みました。彼らは、ロボットがその場でリアルタイムに脱出を計画できるよう、**モデル検査（model checking）**と呼ばれる手法を使えるかどうかを検証したかったのです。

「メンタル・ムービー（心の映画）」戦略

単に反応するのではなく、研究者たちはロボットに、次に何が起こり得るかという短い「メンタル・ムービー」を再生するように教えました。彼らは、世界の物理現象すべてをシミュレーションしようとはしませんでした（それを行うには時間がかかりすぎ、電力も消費しすぎるからです）。代わりに、彼らは非常に巧妙なトリックを用いました。周囲の状況だけを見て、「もし左に曲がったら、壁にぶつかるか？ もし右に曲がったら、壁にぶつかるか？」と問いかけるのです。

彼らは、ロボットのコードの中に、カスタムメイドの小さな「プランナー（計画機）」を直接組み込みました。これは、チェスのプレイヤーが宇宙のあらゆる可能なゲームを計算するのではなく、チェックメイトを避けるために次の3手を見極めるようなものです。

この「メンタル・ムービー」がどのように機能するかを説明します：

1. 妨害（ディスターバンス）： ロボットが目の前にある障害物を察知します。
2. スナップショット： 周囲のエリアの素早いスナップショットを取ります。
3. テスト： 「もし左に曲がったら安全か？ もし右に曲がったら安全か？」と問いかけます。
4. 計画： これらの答えを繋ぎ合わせます。「もし左に曲がったら、一瞬は安全だが、その後に壁にぶつかる。だから、代わりに右に曲がるべきだ。そうすれば、開けた道につながる。」

これにより、ロボットは「袋小路」が来ることを予見し、その中に閉じ込められるのではなく、それを回避する経路を選択できるようになります。

彼らが否定したもの

研究者たちは、自分たちの手法が「何ではないか」についても明確に述べています。

• それは「ブラックボックス型」のAIではありません： 彼らは、ディープラーニングや強化学習（試行錯誤を通じて学習するタイプのAI）の使用に対して明確に反対しています。彼らは、これらの手法は「推測」のようなものであり、トレーニング用のシミュレーションでは機能するかもしれませんが、環境の構造を理解していないため、現実世界では硬直した危険な間違いを犯す可能性があると指摘しました。
• それは「グローバルマップ（全域地図）」ではありません： ロボットは、世界全体の巨大な地図を必要としません。自分がいま世界のどの位置にいるのかも知りません。ロボットが知っているのは、自分に対して「相対的な」壁の位置だけです。これは大きな意味を持ちます。なぜなら、グローバルマップの作成は困難であり、間違いも起きやすいからです。
• それは（現時点では）「目標追求型」ではありません： 論文では、現在のロボットはあくまで「障害物を回避すること」に特化していると認めています。ロボットが到達しようとしている特定の目的地（例えば「キッチンへ行く」など）は持っていません。ただ、衝突せずに前進し続けたいだけなのです。著者らは、将来的にはこれを他のシステムと組み合わせることで、目標を見つける手助けができる可能性があると示唆していますが、今回の研究においては、純粋に「立ち往生しないこと」に焦主しています。

証拠：効果はあったのか？

チームは、低電力の小型ロボット（Raspberry Pi 3とレーザースキャナーを使用）を用いて、現実世界のラボ環境でアイデアをテストしました。彼らは単にコンピュータ・シミュレーションを行ったのではなく、実際にロボットを床の上に置きました。

袋小路テスト：
彼らは行き止まりの道を作り、ロボットを中に入れました。

• 従来の方法（反応型）： 標準的な「反応する」ロボットは、角で立ち往生しました。壁に当たっては跳ね返り、最終的に衝突しました。あるテストセットでは、15回の走行のうち3回衝突しました。
• 新しい方法（モデル検査）： 「メンタル・ムービー」を持つロボットは、一度も立ち往生しませんでした。行き止まりを察知し、方向転換するか回避するための経路を計算し、スムーズに脱出しました。同じテストにおいて、衝突は0回でした。

プレイグラウンド（遊び場）テスト：
彼らはまた、障害物のある広いエリアをロボットに徘徊させました。

• 旧式のロボットは、ある走行では袋小路のエリアで合計89秒、別の走行では79秒間立ち往生しました。全テストを通じて合計6回衝突しました。
• 新しいロボットは、袋小路のエリアを訪れましたが、毎回それを回避し、こうした狭い場所にいた時間は合計でわずか12秒であり、衝突は0回でした。

スピードとサイズ： 「低電力」の奇跡

この研究の最も印象的な部分の一つは、プランナーがいかに高速で、かつ小型であるかという点です。

• スピード： ロボットは、リアルタイムと見なされるために、100ミリ秒以内に意思決定を行う必要がありました。彼らのシステムは驚異的に速く、平均決定時間はわずか10.1ミリ秒でした（最も遅い場合でも18.76ミリ秒でした）。最も複雑な計画（4ステップ先まで考える場合）でも、平均して約11.49ミリ秒しかかかりませんでした。
• サイズ： プランナーが使用したメモリは極めて微量でした。実際のプランニング部分で使用されたメモリは約372バイトでした。これを比較するために言えば、一枚の高解像度写真は数百万バイトあります。これは、ロボットが火星探査機や単純な配送ロボットに見られるような、非常に安価で低電力のハードウェア上で、このスマートなプランナーを動作させられることを意味します。

結論

著者たちは、特化した軽量版のモデル検査を用いることで、ロボットが小さなコンピュータ上で動作しながら、袋小路に陥るのを避けるために数ステップ先を「考える」ことができることを示しました。これは、ロボットが単に目の前のものに盲目的に反応するのではなく、周囲の世界の形状を理解することで、より安全で信頼性の高いものにするためのステップです。

論文では、この手法は現在、障害物の回避に限定されており、まだ特定のターゲットへとロボットを誘導するものではないと記されていますが、その結果は、この「メンタル・ムービー」アプローチが、ロボットを角に閉じ込めないための、強力で説明可能、かつエネルギー効率の高い方法であることを示唆しています。これは、ロボットに少しの先読み能力を与えるために、巨大なスーパーコンピュータは必ずしも必要ではないということを証明しています。