物理的な世界の中でどのように動くべきかを機械に教えるという探求において、研究者たちは長年、人間の先見明晰さを模倣した戦略に頼ってきました。それは、「行動する前に未来を想像する」というものです。新しい感覚に対して盲目的に反応するのではなく、ロボットは周囲の環境に関するメンタルモデル（精神的モデル）、つまり手を伸ばしたり、押したり、回転させたりした場合に何が起こるかを予測する簡略化された内部マップを構築します。この心の地図によって、マシンは数千もの可能な動きのシーケンスを瞬時にシミュレートし、ブロックを指定の位置まで滑らせたり、カップを掴んだりといった望ましい結果へと最も直接的に導く経路を選択することができます。これらのシミュレーションを機能させるためには、ロボットはカメラからの生の視覚データを、不要な詳細に囚われることのない本質を捉えたコンパクトで抽象的な表現、すなわち「隠れたコード」へと変換しなければなりません。課題は常に、この内部コードが単に世界の優れた記述であるだけでなく、行動のための優れたガイドであることを保証することでした。

Simple AIと中国科学院の研究チームによる最近の研究は、これらのメンタルモデルがいかにして現在構築されているかにおける、微細ながらも決定的な欠陥を明らかにしました。彼らは、ロボットの内部モデルが目の前の光景を正確に描写できていても――物体がどこにありどのような見た目であるかを正確に把握していても――依然として正しい解決策へとロボットを導けない可能性があることを発見しました。問題は、ロボットの空想の幾何学（ジオメトリー）にあります。ロボットが異なる可能性のある未来を比較するとき、その抽象空間内での現在の状態と目標との間の距離を測定します。もしこの隠れた世界における距離が、現実世界におけるタスクの真の難易度と一致していない場合、たとえロボットがシーンを完璧に理解していたとしても、誤った経路を選択してしまうのです。研究者たちは、アクションを内部マップの変化に直接結びつけるような特定の種類のトレーニングを導入することで、この幾ック的な不一致を修正できることを発見しました。この調整は、ロボットが世界について知っている内容を変えたのではなく、その知識を計画に用いる方法を根本的に改善したものであり、複雑な操作タスクにおいて大幅に高い成功率をもたらしました。

問題の核心は、「知ること」と「決めること」の区別です。テーブルの上にあるブロックを押そうとしているロボットを想像してみてください。その内部モデルは、ブロックのあらゆる可能な位置に対する隠れたコードを作成します。次に何をすべきかを判断するために、ロボットは現在のコードと目標位置のコードとの間の距離を計算します。適切に機能しているシステムでは、この隠れたコード内の最短距離は、現実世界における最も容易または直接的な経路に対応していなければなりません。しかし、研究者たちは標準的な学習手法を用いると、しばめて情報の距離が誤解を招くような隠れたコードが生成されることが分かりました。ロボットの心の中では短く見える経路が実際には行き止まりであったり、逆に長く見える経路こそが正解であったりすることがあるのです。これは、学習が視覚データの優れた記述を作ることに焦に集中しており、そのコード内の空間関係がロボットのアクションによる物理的な結果と一致することを保証していないために起こります。

これを証明するために、チームはロボットのプランニングのランキングと実際の成果との間の整合性を測定する方法を開発しました。彼らは多くのランダムな移動シーケンスを生成し、それらがシミュレーション環境内で実際にどのようにパフォーマンスを発揮したかと比較することでテストを行いました。その結果、ロボットのモデルは世界の状況を内部コードから正確にデコードできている一方で、プランのランキング付けは往々にして劣悪であることが判明しました。いくつかのケースでは、内部の距離指標が歪んでいるために、モデルは失敗する一連のアクションを、成功するアキションよりも一貫して好んでしまうこともありました。この不整合は情報の不足ではなく、ロボットは事実を知っていたものの、その内部の定規が歪んでいたのです。

そこで研究者たちは、この歪みを修正するためのDA-LeWMと呼ばれる新しい学習手法を導入しました。彼らは、ロボットの訓練メニューに2つの具体的な学習タスクを追加しました。第一のタスクは、内部状態の変化のみに基づいて取ったアクションを予測させることで、コードに動きに関する情報を保持させるよう強制するものです。第二のタスクは、現在の状態から特定の目標に到達するために必要なアクションを予測させることで、内部コードを目的と直接結びつけることです。これらを追加することは軽量であり、モデルの基本的なアーキテクチャやテスト時のロボットの計画方法を変更することはありませんでした。むしろ、学習フェーズにおける矯正レンズとして作用し、ポイント間の距離がタスクの難易度を真に反映するように、内部空間の幾何学的形状を形作ったのです。

この調整の結果は驚くべきものでした。物体を押す、ターゲットに向かって手を伸ばす、部屋をナビゲートするといったシミュレーションにおいて、この新手法により、従来の標準と比較して遥かに速い学習速度と極めて高い成功率を実現できました。ブロックを押すタスクにおいては、成功率は約49パーセントから92パーセント以上に跳ね上がりました。これは、プランニングアルゴリズム自体を変更することなく達成された劇的な改善です。ロボットが見ることができる対象についての賢さが増したわけではありません。むしろ、自身が知っていることを使う能力が向上したのです。研究者たちは、内部コードが潜在的な未来をランク付けするのが上手くなり、これによりロボットが一貫して成功につながる経路を選択できるようになったことを観察しました。この改善は単純な押し動作からより複雑なナビゲーションに至るまで、さまざまなタイプのタスクにおいて有効であり、内部モデルの幾何学的一致が効果的な計画のための普遍的な要件であることを示唆しています。

重要な点として、本研究は、性能の向上が単にロボットが環境の詳細を多く学習したことによるものであるという説を否定しました。研究者たちは、物体の位置や状態の値などの情報をデコードするロボットの能力を検証しましたが、旧手法と新手法の間でこれらのスコアはほぼ同一であることがわかりました。違いは純粋に、意思決定のためにロボットがその情報をどのように整理するかという点にあったのです。この発見は、モデルが世界を正確に記述できれば、自然とその制御にも優れるはずだという、この分野における一般的な仮定に異議を唱えるものです。本研究は、モデルが情報としては完璧であっても、幾何学的には壊れている可能性があること、そして実世界でのパフォーマンスのためには幾何学を修正することが不可欠であることを示しています。

また、研究者たちは、最適なパスを探す過程でロボットの計画プロセスがどのように進化するかについても調査しました。彼らは、新手法が、選択肢を最も有望な候補に絞り込む際にも、良好なプランへの明確な選好を維持するのを助けることを発見しました。古いモデルでは、ロボットが最も有望なオプションに注目しようとする際に内部のランキングが混乱しやすく、道を見失う傾向がありました。新しいトレーニングはこの内的距離を一貫させたため、ロボットは計画の最終段階においても自信を持って正しい一連のアクションを選択することができたのです。この安定性が、迅速かつ確実に解決策へ収束する鍵となりました。

今回の研究はシミュレーション環境で行われましたが、物理的なロボティクスへの影響は重大です。この研究は、ロボットが複雑なタスクを習得するためには、内部モデルが単に見るだけでなく、物理的世界と一致する形で動きの結果を理解するように訓練されなければならないことを示唆しています。エンジニアが、ロボットの内部マップが行動の真の幾何学に従うように設計すれば、より堅牢で効率的なシステムを構築できます。研究者は、これらの知見が特定のシミュレーションに基づいていることを認めており、予測不能な混沌とした現実世界においてこれらの原則がどのように通用するかについてはさらなる研究が必要であると考えています。しかし、内部表現の形状とロボットの行動の成功との間にある明白な関連性は、自律システムの未来に向けた、新たな、そして実践的な方向性を示しています。進むべき道は、必ずしもより大きく複雑なモデルを作ることではなく、その内部ロジックがナビゲートすべき現実と完全に一致するモデルを構築することなのです。