マイクロソフトがドローンなど自律型システムの構築を容易にする新プラットフォームを発表

2019.05.13

 米国シアトルで開催された Microsoft Build 2019でマイクロソフトは、救命措置を支援するロボット、遠隔地の施設を点検してくれるドローン、工場の機器を自律的に調整してくれるシステムなど、自律型システムの構築を容易にするための新プラットフォームを発表した。このコンポーネントの最初のバージョンは、現在、限定的プレビュープログラムとして利用可能

マイクロソフトがドローン関連のロボティクスに本腰を入れ始める

米国で開催されたMicrosoft Build開発者カンファレンス

 Microsoft Build開発者カンファレンスでマイクロソフトは、自律型システムの構築を容易にするプラットフォームの最初のコンポーネントを発表した。開発者が専門家と協力してMicrosoft AIとAzureツールを使い、物理システムを自律的に実行できるインテリジェントエージェントを構築する限定プレビュープログラムになる。

 開発者が自律システムを作成するのを支援するマイクロソフトのプラットフォームは、以下になる。

 ・データサイエンスのスキルがなくても、ドメインエキスパートが自分の知識を使ってAIシステムを構築できるようにする独自の機械教育ツール

 ・MicrosoftのAirSimや業界のシミュレータなど、安全でありながら非常に現実的な環境で機械の学習を可能にするシミュレーションテクノロジ

 また、マイクロソフトの多様なIoT(Internet of Things)サービス、使いやすい深層強化学習プラットフォームやその他のAIソリューション、および開発者がインテリジェントなロボットシステムを構築できるようにするROS for Windowsなどのツールも利用できる。そして、デバイス上でもクラウド内でも、安全なプラットフォームを構築できる。

 限定プレビュープログラムに参加する初期の開発者は、マイクロソフトと協力してインテリジェントで自律型のフォークリフトを開発しているToyota Material Handlingのような企業と同じ自律システムツールを使用する方法を学べる。

 Sarcosのエグゼクティブバイスプレジデント兼最高マーケティング責任者であるKristi Martindaleは、次のように述べている。

 「今日、商用のGuardian Sロボットを制御している人は、狭いスペースやさまざまな地形でそれを導くためにジョイスティックのボタンやレバーを押すことに注意を向けなければなりません。階段のような共通のランドスケープ上でヘビの各セグメントを適切に操作するには、いくつかのステップが必要です。マイクロソフトのツールチェーンの要素を使用して、エンジニアは、蛇型ロボットが障害物を回避し、階段を移動し、金属製の壁を独力で登ることを可能にする自律制御システムを開発することができました。現実のシナリオでは、オペレーターはロボットを誘導する役割を果たします。しかし、Guardian Sロボットが周囲の状況を感知して、階段を横切るためにすべての中間動作を実行できる場合、オペレーターはシーンの評価とより重要な判断の呼びかけに集中することができます」

 マイクロソフトが公開したブログによれば、マイクロソフトのAI開発者プラットフォームは、自動化システムから自律システムへの加速を目指している。対象となるロボットは、ドローンを含むあらゆる遠隔制御機器となる。

 例えば、地震の余波の中で、がれきや狭い空間を通って這う蛇のようなロボットは、救助隊員などが行くことができない、あるいは調査できない場所にアクセスできる。また、小さなロボットのカメラを通した目視検査プラットフォームは、工業用パイプラインの亀裂を探したり、不安定な建物の中に閉じ込められた人を見つけたり、事故現場での有害ガスの有無など、最初の対応者への安全上のリスクを検出できる。

 しかし、現在のロボットの多くは、安全な距離で作業している誰かによって制御されている。誰かがカメラを通してシーンを見て、ビデオゲームのジョイスティックのようなコントローラーで遠隔操作している。現在、MicrosoftとSarcos社は、Guardian Sにインテリジェント機能を追加して自律的にナビゲートできるようにすることで、オペレーターがより重要な決定に集中できるようにしている。

 自動化された産業用アプリケーションとロボットを使用するという考えは新しいものではない。ロボットアームは、製品を組立ラインに沿って移動させ、工作機械は金属の塊を部品に変える。車は運転者の操作なしでギアをシフトする。

 しかし、それは実際に自律的なシステム、つまり周囲の状況を感知し、なじみのない状況に直面したときの対処方法を知っているシステムからはかけ離れている。特定のタスクを変更せずに繰り返し実行する代わりに、これらの自律システムは、困難な問題を解決するために変化する環境に動的に対応できる。自律システムによって稼働するロボットは、人々の仕事の方法を変革し、人々にとって危険か費用がかかる仕事を解決するための大きな可能性を有する。

ドローンなどロボットの自律システム開発を支援するマイクロソフト

 マイクロソフトは、すべての開発者や組織に向けて、ロボットやドローンなどが簡単に自律化できるように、エンドツーエンドのツールチェーンを構築し、各自のシナリオに合った自律システムの開発を支援する。そして、生命を脅かす状況で救難者を救助することができるロボットや、リモート機器を検査することができるドローン、自律的に機器を調整して工場のダウンタイムを減らすシステムなどの開発を可能にする。

 マイクロソフトのビジネスAI担当副社長、Gurdeep Pallは、「私たちは、顧客にAIの専門家チームを持つことなく、その目的を達成する一助になりたいと思っています」と話している。

自動化システムから自律システムへの進化

MicrosoftのBusiness AI担当ゼネラルマネージャーで元Bonsai CEOのMark Hammond氏は機械学習を使って深層強化学習アルゴリズムが自律システムソリューションを作成するのに役立つプラットフォームを開発した、MicrosoftのDan DeLongによる写真

 Bonsai社の元CEOで、マイクロソフトのビジネスAI担当ゼネラルマネジャーを務めるMark Hammond氏は、「自律システムについて考えると、後部座席に座って本を読んでいる間に自律走行する完全自律走行車のビジョンを直視する人が多い」と指摘する。

 しかし、自動車メーカーは、何年もの間、運転手が湿った滑りやすい路面で危険に遭遇したときに何をしようとしているのかを感知するクルーズコントロールやアンチロックブレーキシステムなど、自律機能を自動車に組み込んできた。運転手が車輪をロックするような方法でブレーキをかけた場合、その制御システムが引き継ぎ、自動車がけん引力を失うのを防ぐ。

 マイクロソフトのビジョンは、スマートビルディングやエネルギー企業から産業メーカーまで、他の種類の企業が自社の産業における自律性に向けてこれらの段階的なステップを達成するのを支援すること。

 Hammond氏によると、サルコス社のロボットの例が示すように、多くの人が現状のテクノロジーで最大の価値を見つけようとしている。それに対して、「物理的な世界と相互作用する機械的システムを持っているあらゆる種類の操作において、おそらくよりスマートにより自律的にすることができます。しかし、人々を特定の運用周期の中にとどめることは依然として非常に望ましいことであり、目標は本当にそれらの人間ができることの能力を向上させることです」(Hammond氏)

 強化学習はAIの一分野であり、アルゴリズムは一連の決定を実行することによって学習し、どのアクションが最終目標に近づくかに基づいて報酬またはペナルティを課している。それは、地質が塊であるか砂であるか岩であるかに応じて地下ドリルを操縦する方法やトラクターブレードを傾ける方法を決定するなど、機械が自律制御タスクを行う方法を学ぶのを助けるのに適している。

 しかし、徹底的な強化学習アルゴリズムがビデオゲームのプレイヤを凌駕する一方で、現実世界のタスク習得は、より困難になっている。物理的な世界では、自律システムが遭遇する可能性のある動的な環境(人や物が予測不可能な方法で移動したり、気温や天候が少しずつ変化したり)は、はるかに複雑になる可能性がある。システムが長い一連のステップのどこでうまくいかなかったかを正確に特定することは、困難な計算作業だ。

 マイクロソフトの自律システムプラットフォームは、マシンティーチングと呼ばれる独自のアプローチを使用して、これらの課題のいくつかを克服する。それは開発者または専門家の知識(AIの背景は持っていないがドリルを操縦する方法や安全なレベルでオフィスビルの気流を保つ方法を理解している人)に頼るものだ。

 強化学習アルゴリズムを使って問題をランダムまたは素朴に解決する方法を探る代わりに、Inklingというプログラミング言語を使用して、より単純な問題を最初に解決する方法を示し、重要な問題についての手がかりを提供する。これにより、学習プロセスが短縮され、アルゴリズムがはるかに早く解を見つけられるようになる。

 マイクロソフトのプラットフォームは、非AI専門家が報酬システムを確立し調整することを可能にする。それは本当にうまくいく解決策に到達するための鍵となる。そしてタスクに取り組むためのアルゴリズムを選択して設定し、機械学習の専門家がカスタムビルドソリューションを作成する必要性を排除する。

 一例として、住宅、建物、産業のエネルギー管理をデジタル化する世界的企業であるSchneider Electricと協力して、大型商業ビルの冷暖房に使用されるHVACシステムの二酸化炭素排出量削減に役立つかどうかをテストした。

 Schneider ElectricのEco Buildings Division担当シニアバイスプレジデント兼最高技術責任者であるBarry Coflanは、次のように述べている。

 「Schneider Electricは持続可能社会に焦点を当てています。大きな建物は炭素排出の最大の原因です。長年の関係を中心に、マイクロソフトのツールチェーンとシュナイダーが提供するシミュレーションを使用して概念実証テストを実施し、AIシステムをトレーニングして、会議室の換気と暖房を制御するHVACシステムを自律的に実行しました。それは、省エネと他の目標、例えば室内の温度を快適に保つこと、二酸化炭素レベルが上がらないようにするのに十分な新鮮な空気があることを確認してバランスをとる必要がありました」

 MicrosoftのHammond氏によると、これらすべての要因(異なる物理システムによって制御される要素)を最適化するには、単純なサーモスタットよりもはるかに高いインテリジェンスが必要になるという。システムは常に変化している環境変数を考慮する必要があり、一日を通して変動するエネルギーコスト、部屋から出入りする人々、外の天気がしていること、空気がどのように流れるかの物理学も求められる。

 そこで、機械学習のアプローチを使用して、Schneider Electricとマイクロソフトの専門家は最初に温度をうまく制御するための強化学習システムをトレーニングした。その後、AIシステムは、空気の質を健全なレベルに保つために空気の流れを制御する方法を学習した。それからは部屋の占有がそれらの結果にどのように影響したかを考えることを学んだ。

 これらすべての要因を考慮すると、MicrosoftのAIシステムは、快適さと空気の質を維持しながら、室内のエネルギー消費量を約20%削減することができた。チームは現在、さまざまなタイプの部屋にまたがってシミュレーションを拡張し、さらに省エネを促進するための共同作業の第2段階に着手している。

 Coflan氏によると、段階的なアプローチとさまざまな評価を重ねることで、AIシステムがどのように学習しているかを理解し、最大の要因を追跡できたという。

 「私たちがしていることの多くには安全上の問題があるので、AIシステムがどのように意思決定を下しているのかを本当に理解する必要があります。このアプローチにより、システムの賢さが増し、安全性と再現性に欠かせない監査証跡が得られます。私たちの顧客もそれを望んでいるでしょう。」とCoflanは話している。

Azureで大規模にシミュレーションを実行

 実際の工場や風力発電所や高速道路では、学習中にロボットやインテリジェント制御システムが何百万ものミスを犯すことは許されない。そのため、強化学習アルゴリズムは何千ものシミュレーション環境で再現する必要がある。例えば、自律ドローンの実現には、遭遇するかもしれない何百万もの実世界のシナリオが求められる。

 マイクロソフトのツールチェーンには、AirSimも含まれている。これは、もともとマイクロソフトの研究者がAIを使用してドローン、自動運転車、またはロボットを忠実度の高いシミュレーション環境で学習するために開発したオープンソースシミュレーションプラットフォーム。開発チームは、顧客と協力して既存の業界固有のシミュレータを使用して自律システムをトレーニングできる。

 トレーニング環境では、Azureクラウドでこれらのデータを大量に消費するシミュレーションを実行し、システムは何千もの異なる意思決定シーケンスを並行してテストできる。

 マイクロソフトの主任研究マネージャであるAshish Kapoor氏は「一度に何千ものシミュレーションを生成することができ、それぞれで通りを横断する歩行者が異なり、道路のカーブが異なる場合、AIシステムは短時間でより多様な経験を集めることができます。Azureはこれらのシミュレーションを大規模に実行する機能を提供します。これは非常に重要です」と話している。

 AirSimは、開発者がより複雑な問題のさまざまな部分を解決するために、さまざまなAIおよび制御ツールを訓練することを可能にする。公開された動画のように、トヨタのマテリアルハンドリングのための自律型フォークリフトの開発を支援する際に、研究者は課題を学習とデバッグがより簡単なサブコンセプトに分割している。

 「複雑なシナリオでは、パレットを拾うなどの基本的な制御作業についてフォークリフトを訓練するために強化学習を使用することが合理的であるかも知れません。機械教育は、リフトを水平に調整してから適切な角度を見つけるなど、システムが段々と困難なステップで学習するのに役立ちます」(Kapoor氏)

YouTubeに公開された自律システムによるトヨタのフォークリフトシミュレーション映像

 しかし、問題の他の部分は、障害物の検出と回避のアルゴリズム、ロボット工学の経路計画、または古典的な制御技術など、まったく異なるツールによってよりよく解決される可能性がある。大きなタスクを小さなタスクに分解することで、開発者はその特定の仕事に最適なツールを選択して展開できる。

 Hammond氏は、「開発、運用、そしてエンドツーエンドのライフサイクル管理をカバーするインテリジェントな自律システムを構築したい開発者のための包括的なプラットフォームの提供に取り組んでいます」と述べている。

https://www.microsoft.com/en-us/ai/autonomous-systems

いいね!と思ったらシェア!
関連するタグ
関連する記事