顧客概要

顧客は、フィジカルAIとロボティクス向けの⾼精度データセットに特化したAIデータソリューションプロバイダー。未加⼯の⼈間動作データと⾃律型マシンによる実⾏の間のギャップを埋めることで、グローバルのTier 1サプライヤーやロボティクスOEMを⽀援している。

課題

従来のロボットの学習は遠隔操作やシミュレーションに依存していますが、これらの⼿法は規模拡⼤において⼤きな障壁に直⾯しています。⾼コスト、厳格なハードウェア依存性、そしてエンボディメント‧ギャップにより、ロボットが様々なプラットフォームや環境にわたって汎⽤的な知能を獲得するために必要な、多様で「In-the-wild（実際の多様な環境下）」なデータを収集することはほぼ不可能でした。

当社の強み

スタンフォード⼤学、コロンビア⼤学、およびTRIの研究者によって開発された「Universal Manipulation Interface (UMI)」は、ロボットに実世界との相互作⽤を教えるアプローチにパラダイムシフトをもたらす。データ収集プロセスをロボット本体から切り離すことで、UMIは⼈間が⼿持ち式のグリッパーを使⽤して、あらゆる場所でタスクのデモンストレーションを⾏うことを可能にし、そのデータをさまざまなロボットプラットフォームに展開できるようにする。

ソリューション

• データ収集 ： ⼈間がUMIグリッパーを使⽤し、50種類の異なる実環境（カフェ、キッチン、屋外など）の場所でカップを配置するインタラクションデータを収集。
• 学習：この視覚‧空間データセットに基づいて、ディフュージョンポリシーを学習。
• 展開：学習した同⼀のポリシーを、UR5eおよびフランカの両⽅のロボットアームに展開。
• 結果： 研究者がタスクの途中で受け⽫を動かしたり、照明を変更したりするような環境変化が⽣じた場合でも、ロボットは70〜100%のタスク成功率を達成した。ResNetなどの従来のビジョンモデルと⽐較して、極めて⾼い堅牢性を⽰した

使⽤技術

主な結果