Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

何十年もの間、ロボット製作の夢は、その作業の極めて高い難易度によって阻まれてきました。動いたり、掴んだり、あるいは握ったりする際に、自分自身を壊さずに済むような機械を設計するには、物理学への深い理解が必要であり、多くの場合、部品を微調整し試行錯誤しながらテストを繰り返す人間の専門家の直感に頼ることになります。このプロセスは時間がかかり、コストもかさみます。特に、硬い金属ではなく、生きている組織のように曲がったりねじれたりする柔軟な素材で作られた「ソフト」ロボットの場合はなおさらです。最近、研究室に新しいツールが登場しました。それが大規模言語モデルです。これらは膨大な量のテキストで学習された強力なコンピュータプログラムであり、コードを書いたり、複雑な概念を自然言語で説明したりすることができます。科学者たちは、これらのモデルが自動設計者として機能し、「階段を登ることができるロボットを作って」といった単純な指示から、即座に動作可能な設計図を生み出すことを期待してきました。しかし、大きな障壁が残っていました。これらのモデルは言葉には非常に長けていますが、自分自身が作り出すものの物理的な現実を理解することに失敗することが多いのです。彼らは、紙の上では完璧に見えるロボットを記述するかもしれませんが、実際に組み立てた瞬間に崩壊したり、絡まったりしてしまうような設計をしてしまうことがあります。

ある研究チームは、言語と物理学の間のこの溝を埋める新しい手法を開発し、人工知能が実際に機能するソフトロボットを設計できるシステムを作り上げました。研究者たちは、特定の種類の柔軟な機械である「腱駆動型連続体ロボット（tendon-driven continuum robot）」に焦点を当てました。多くの小さなセグメントで構成された、ヘビやタコの腕のような長い柔軟な脊椎を想像してみてください。硬いモーターの代わりに、これらのロボットは、体の内部を通る「腱」と呼ばれる細いケーブルを引っ張ることで、曲がったりねじれたりして動きます。この設計は非常に汎用性が高いのですが、ロボットの曲がり方が、その形状、ケーブルの張力、そして周囲の世界との接触の複雑な組み合わせに依存するため、設計が極めて難しいことでも知られています。研究者たちは、AIにゼロからこれらの機械を設計させたいと考えましたが、単にAIに「設計を書いて」と頼むだけでは不十分であることを知っていました。

これを解決するために、チームは「AID-SR」と呼ばれる多層的なシステムを構築しました。これは、コンピュータ設計者と一連の自動検査官による共同ワークショップとして機能します。プロセスは、人間が「壁のボタンを押せるロボットを設計して」といった高度な目標を与えることから始まります。次に、AIエージェントが、ロボットがどのような見た目になるべきかについて、いくつかの異なるアイデアを提案します。システムは、これらのアイデアを即座に受け入れるのではなく、各アイデアを厳格な一連のチェックにかけます。まず、デジタルシミュレータが設計をテストし、それが物理的に保持されるかどうかを確認します。もしロボットのモデルが崩壊したり、爆発したり、あるいはコンピュータの物理エンジン内で動けなくなったりした場合、システムは即座にエラーを検知し、「ケーブルが間違った場所に接続されている」といった具体的な注意書きと共に、設計をAIに送り返します。

この設計、テスト、修正というサイクルがループの中で繰り返されます。もし設計が物理テストに合格すれば、次に第2のAI判定員によって設計の論理性がチェックされ、その設計が果たして目の前のタスクに対して理にかなっているか（例えば、ロボットにはボタンに届くための十分なパーツがあるか、など）が問われます。最終的には、人間のエンジニアが高度な助言を提供するために介入することもできますが、システムは主に自律的に動作するように設計されています。この絶え間ないフィードバックループによって、AIは自身のミスから学ぶことを強制され、単なる巧妙な記述ではなく、物理的に安定した機械を生み出すまで、アイデアを徐々に洗練させていきます。研究者たちは、単純なリーチングや歩行から、複雑な把持や清掃動作に至るまで、14種類の異なるタスクを用いてこのシステムをテストしました。

結果は、このアプローチが驚くほどうまく機能することを示しました。コンピュータシミュレーションにおいて、システムは試行の96.2パーセントで物理的に有効な設計を生成することに成功しました。これは、AIが設計したほとんどすべてのロボットが、デジタル世界において崩壊することなく、実際に立ち上がり、動けることを意味しています。研究者が標準的な学習手法を用いてこれらのロボットに特定の作業を行わせたところ、約26.7パーセントがタスクを正常に完了しました。これは、AIが構造的に堅牢であるだけでなく、機能的にも有用な設計を生成できることを証明しており、大きな成果です。チームはコンピュータシミュレーションに留まりませんでした。彼らはシステムによって生成された最も優れた設計のうち3つを選び、3Dプリンティングと標準的な材料を用いて実世界で製作しました。完全にAIの指示によって作られたこれらの物理的なロボットは、シミュレーションと同様に、物体を掴んだり表面を移動したりといったタスクを遂行することができました。

この研究は、人工知能が物理的世界を理解することに長けてきてはいるものの、真に効果的であるためにはガイダンスが必要であることを浮き彫りにしています。AIは単に解決策を推測することはできません。自らのアイデアの結果を目の当たりにし、それを修正できる構造化されたプロセスを必要としているのです。言語モデルの創造力と、物理学の厳格なルール、そして人間の監視を組み合わせることで、研究者たちはロボット設計を自動化するための新しい経路を作り出しました。この成果は、近い将来、特定の困難な仕事のためにコンピュータにロボットの設計を依頼すれば、実世界で組み立てて使用できる準備が整った設計図が返ってくるようになることを示唆しており、機械を前例のないスピードと精度で私たちのニーズに合わせてカスタマイズできる未来へと私たちを近づけています。