パナソニックHDとUCバークレー、NVIDIA、スタンフォードの研究者ら、指先の触覚に即応するロボットAI「T-Rex」を開発

視覚・言語で約5Hzで動作を生成し、触覚で約20Hzで補正する。パナソニックは接触を伴う12の実タスクで他手法を上回ったとしているが、自社評価だ。
なぜ重要か
従来のVLAモデルは主にカメラ映像に頼り、触覚を使う場合も静的な情報として扱うことが多く、細かな力加減が難しかった。T-Rexは視覚・言語に基づく低頻度の動作生成と、指先の触覚に基づく高頻度の補正を一つのモデルに統合し、画像認識をやり直さずに滑りや押し込み過ぎに対応できる。評価タスクにはページめくり、卵の移し替え、鍵開け、電球のねじ込みなどが含まれる。パナソニックは製造現場のねじ締めや物流での壊れやすい物品の扱いを想定しており、arXivの結果の第三者による再現が焦点だ。
要点
- 視覚・言語による動作生成は約5Hz
- 触覚による補正は約20Hz
- 200種類超の日用品で学習データを収集
- 接触を伴う12の実環境タスクで評価
- 共同研究:UCバークレー、NVIDIA、スタンフォード、ローマ・ラ・サピエンツァ大学、ItalAI