冒頭の画像・動画は仕組みを説明するための生成イメージです。NTTの試験映像や実機の記録ではありません。
棚の手前に箱を置くか、もう少し奥まで差し込むか。アームがどちらの位置にも届くとしても、積んである荷物がどう動くかは別の問題だ。NTTは11月11日、ロボットが動く前に複数の動かし方を比べ、荷崩れや落下が起きにくそうな案を選ぶ技術を発表した。空港の手荷物を想定しているが、今回の成功率は空港ではなく、小型ロボットを使った棚積み試験の数字だ。
「動ける」と「置いたあとも崩れない」を分ける
棚に箱を置く動作を思い浮かべてほしい。手前では箱が縁からはみ出すかもしれない。奥まで押すと、すでに積まれている別の箱に触れるかもしれない。これは仕組みを説明する例で、NTTが公開した試験場面ではない。
NTTの方式では、既存の制御ソフトが動作の候補を出す。その候補とカメラやセンサーの情報を使い、別の仕組みが「この動作のあと、周囲はどう変わるか」を映像として予測する。将来の状態を予測する仕組みをワールドモデルという。落下や衝突が起きそうかを候補ごとに評価し、実際に動かす前の選択に使う。
映像を作るだけでは、箱の重さや動きのつじつままで合うとは限らない。そこでNTTは、映像から物体の位置・向き・速さ・重さなどを推定し、運動方程式で次の動きを計算する部品を組み込んだ。計算の結果を映像生成に反映し、物体が突然消えたり変形したりするのを抑え、衝突後の動きもより正確に予測する狙いだ。重さは推定値であり、実際の箱を量った数字という意味ではない。
棚積みの成功率と、正解映像への近さは別の数字
NTTは、小型ロボットで荷物の積付けをまねた棚積み試験を行い、この技術を使わないときは73.1%、使ったときは92.3%の成功率だったと報告した。差は19.2ポイント。ただし、発表本文には試行回数や成功判定の詳しい内訳が示されていない。この差を、別の荷物や現場にもそのまま当てはめることはできない。
もう一つの評価では、物体が衝突する場面を含む公開ベンチマーク「OBJ3D」を使い、予測した映像が正解映像にどれだけ近いかを比べた。NTTは、自社の比較では従来手法より正解映像に近かったと報告した。比較条件の詳細は発表本文にはない。こちらは映像の近さを測った結果で、棚積みが成功した割合でも、現場で落下を防げる確率でもない。
空港で次に知りたいこと
NTTは空港手荷物の積込み・積降ろしを最初の用途として想定し、Mujinと実証を進める方針だ。現場での実績は今回の発表にはない。荷物が柔らかいとき、重心が片寄っているとき、荷物同士が重なって見えにくいときにも候補を見分けられるか。どの候補も良くないときは止まれるか。予測にかける時間を含めても現場の作業ペースに合うか。次の実証で見たいのは、成功率と一緒に、こうした失敗例や停止条件が示されることだ。
ロボットの映像で、最後に箱がきれいに積み上がる場面は目を引く。今回の発表で注目したいのは、その直前だ。実行した動きだけでなく、選ばなかった動きと、その理由まで見えると、技術が何を変えたのかが分かりやすくなる。


