ロボティクスが難しい理由

ロボティクスが難しい14の理由

AIの進歩は急速に進んでいますが、目に見える進歩のほとんどは知識労働、つまりコンピュータ内で実行できる活動の領域にあります。

サンフランシスコのAIシーンでは、ロボットがすぐに登場するという広く信じられている見方があります。広く能力を持つAIの開発競争と並行して、広く能力を持つロボット――物理的な知能を備えたヒューマノイドマシン――の開発でも同様に積極的な競争が行われています。料理や掃除をし、物を運んだり、さらにそれ自体を製造したりできる人工労働者たちは、多くの予測では経済成長を「爆発」と特徴づけられるものへと導くでしょう。

つまり、データセンターのAIはすぐにすべての知的労働を吸収し、ヒューマノイドボディのAIはすぐにすべての肉体労働を吸収するという考え方です。しかし、重要な違いがあります。知的領域の進歩は見ることができますが、AIの物理的な側面はほとんどテスト施設やデモビデオに限定されています。ChatGPTに相当するもの――あなたや私が、あるいはAIコミュニティのほとんどの人が手に取れるようなもの――は存在しません。

そこで私たちはデモビデオに頼ることになります。残念ながら、それらは進歩を評価するための貧弱なツールです。100回の試行のうち、成功した1回のタスクを見ているのかもしれません。ロボットがまだ対応できない課題を避けるように、シナリオが慎重にアレンジされている可能性があります。ビデオは、実際よりも速く、より確実にロボットが動作しているように見せるために編集されているかもしれません。ここに非常に印象的なデモがありますが、不審なほど多くのカメラカットがあります。

（私は最近のWorld Humanoid Robot Gamesのビデオをまだあまり見る機会がありません。これらは、選択的な提示にはあまり適さない公開プラットフォームを提供する上で価値があります。私が視聴した数本のビデオには、いくつかの印象的な偉業が含まれていましたが、以下に挙げる多くの課題には対応していませんでした…そして、壮絶な失敗もたくさんありました。）

デモは、ロボットがすでにできることに注目を集めます。次に問題となるのは、何が欠けているのかということです。今日の投稿では、広く能力を持つ人工労働者への道で克服しなければならない技術的な課題をカタログ化します。次にロボットが何か印象的なことをしているのを見たときは、自問してみてください。ロボットはこれらの能力のうちどれを実証したのか、そしてデモシナリオはどのような課題を避けている可能性があるのか？

（車輪付きロボットを厳密なヒューマノイドロボットと比較した場合、一部の課題は容易になることに注意してください。車輪付きロボットはより多くの重量を運ぶことができるため、強度、耐久性、電子機器用の電力はそれほど課題ではなくなります。また、車輪付きロボットは転倒しにくいです。しかし、それらは階段を登ったり[1]、散乱物を乗り越えたり、戸棚の中に手を伸ばすために角度を変えたりすることはできません。）

手、器用さ、そして協調性

[画像の説明：おそらく最後の人間らしい仕事は、クローズアップマジックになるでしょう]

人間の手は、対向する親指など、工学的な奇跡です。それは約2ダースの「自由度」（各関節が曲がることができる独立した関節や方向）と、約17,000の触覚センサーを持っています。私たちの脳は、触覚、視覚、さらには聴覚の手がかりを使用して、あらゆる種類の繊細なタスクを正確かつ確実に実行し、手を見事に制御できます。

現在のロボットの「マニピュレーター」は、そのかすかな模倣にすぎません。既存のロボットハンドの中には、1つまたは別の物理的属性において人間の基準に匹敵するものがあります。例えば、一部は27もの自由度を持っています。しかし、柔軟性、感度、強度、信頼性、その他の物理的属性の全体的なパッケージに匹敵するものはありません。これらの要因の組み合わせは、特に一致させるのが難しいです。たとえデモがより印象的になっているとしても。例えば、一部の企業はロボットの指先に数千の触覚センサーを詰め込むことに成功しましたが、これらの小さなセンサーが激しい使用に耐えられるようにした企業はありません[2]。

制御の問題は、物理的な構築の問題と同じくらい困難かもしれません。有能なロボットは、複雑な物体を掴むための適切な関節位置のセットを見つけ、シャツを折りたたむ、オムレツをひっくり返す、または限られたスペースでボルトを締める一連の動作を計画し、そして（突然のシフトに即座に反応する必要があるかもしれない）柔らかいまたはぐにゃぐにゃした素材を扱う必要があります。

視覚的理解

[画像の説明：コンピュータビジョンは過去10年から20年で信じられないほどの進歩を遂げました（そしてLLMにつながったディープラーニングブームの火付け役となりました）。しかし、複雑な視覚シーンを理解すること――混雑した環境からオブジェクトを選び出し、どこを掴むべきか、どこに足を置くのが安全か、そして何かを倒さないようにする方法を判断すること――は解決された問題ではありません。]

コンピュータビジョンは過去10年から20年で信じられないほどの進歩を遂げました（そしてLLMにつながったディープラーニングブームの火付け役となりました）。しかし、複雑な視覚シーンを理解すること――混雑した環境からオブジェクトを選び出し、どこを掴むべきか、どこに足を置くのが安全か、そして何かを倒さないようにする方法を判断すること――は解決された問題ではありません。

計画と反応

汎用ロボットは、タスクを個々のステップに分解し、それらのステップを環境に関連付けることができる必要があります。ねじ回しを機械の一部に挿入するために腕をどのように操作しますか？棚の奥にあるスパイスボトルへの道を開く最も速い方法は？リビングルームの床にあるアイテムをどの順序で拾い上げますか？

真の自律性には、より大規模で複雑なタスク――食事を作る、バスルームの配管をする、エンジンを修理する――の計画が必要になります。ましてや、予期せぬ事態――固着したボルト、腐った農産物、キッチンに飛び込んできた子供――に直面して再計画する必要性については言うまでもありません。

指示の理解

現在のAIが知識労働タスクで失敗する場合、それはしばしば十分なコンテキストが提供されなかったためです。ロボットもコンテキストを必要とします。消耗品はどこに保管されていますか？食事はどのように調理してほしいですか？その介護施設の入居者はどれくらいの介助が必要で、歩行のぎこちなさは正常なのか、それとも転倒しそうになっている兆候なのか？

コンテキストが得られたら、ロボットは推論、計画、そして判断力と常識を行使する必要があります。ChatGPTやClaudeのようなLLMベースのシステムはこれらの分野で大きな進歩を遂げていますが、物理的な領域は追加の課題をもたらします[3]。LLMの成功は、トレーニングのために利用可能な既存の膨大なデータプール――これまでに書かれたすべての書籍、ウェブ、その他の膨大な既存データプール――によって大いに助けられました。物理的なタスクのために、この規模の広さと深さのデータを一致させることは困難でしょう。「効率的な学習、汎化、適応性／オン・ザ・ジョブ学習は要件のように思われます。」

協力

[画像の説明：AIエージェントはほとんど孤立して、静的な環境で動作します。私たちはめったに、物事が変化する状況にそれらを置いたり、調整を求めたりしません。私たちがそうするとき、物事はしばしば狂ってしまいます。仮想世界では、プライベートワークスペースを自由に作成でき、何も持ち上げるのに重すぎることはないため、孤立は手配しやすくなります。ロボットはしばしば人々と、あるいは互いに協力する必要があります。]

AIエージェントはほとんど孤立して、静的な環境で動作します。私たちはめったに、物事が変化する状況にそれらを置いたり、調整を求めたりしません。私たちがそうするとき、物事はしばしば狂ってしまいます。仮想世界では、プライベートワークスペースを自由に作成でき、何も持ち上げるのに重すぎることはないため、孤立は手配しやすくなります。ロボットはしばしば人々と、あるいは互いに協力する必要があります。

速度

[画像の説明：記事より、これは「H1がソファに移動し、服を1枚拾って洗濯機に入れるのにほぼ2分かかった」と述べています。]

今日の汎用ロボットは、人間よりもはるかにゆっくりと移動することがよくあります。課題には、強度、制御（速度が速いほど計画と反応の時間が短くなる）、および安全性（速く動くロボットはより強くぶつかり、回避するのが難しい）が含まれます。

一部のアプリケーションでは、遅くて着実でも完全に許容できる場合があります。夜通しかけて洗濯物を片付けたり畳んだりしても構わないかもしれません。しかし、低速のロボットは、料理人や介護士としてはあまり役に立ちません。倉庫では邪魔になる可能性があります。そして、それ自身の費用を賄うのに十分な仕事をするのが難しくなるでしょう。

強度

[画像の説明：それは…完全に成長したロボットとしては、印象的な重量ではありません。]

一部の産業用ロボットは非常に強力です。しかし、ヒューマノイドロボット――または他の高度に移動可能な「汎用」ロボット――は通常そうではありません。強度と管理可能な重量、多数の関節、操作可能なフレームを組み合わせることは困難です。強力なモーターはより多くの熱を発生させ、バッテリーをより速く消耗させます――ロボットがすでに苦労している2つの領域です（下記参照）。そして、強力で重いロボットは、より大きな安全上の課題をもたらします。

移動性

[画像の説明：ED-209はオートキャノンとロケットランチャーを持っていたかもしれませんが、階段には敵いませんでした]

汎用ロボットの適切なフォームファクター、特に下半身に関しては、まだ結論が出ていません。車輪を持つべきか、それとも足を持つべきか？2本足、4本足、それとも他の数？車輪は安価で、より安定しており、より信頼性が高いです。足は障害物を乗り越えたり階段を登ったりするのに適しています。二足歩行フレームはより操作性が高いですが、何か問題が発生した場合に転倒する可能性も高くなります。いずれにしても、問題は、ロボットが作業環境を確実に移動できるかどうかです。

安全性

[画像の説明：残念ながら、はい、それは子供を腹部にキックしているロボットです（ビデオ）。幸い、子供は無事でした。]

汎用ロボットの安全上の考慮事項は、ほぼ無限です。グリッチのある、または誤動作するロボットは、人にぶつかったり、人に倒れかかったり、人に物を落としたり、人に液体をこぼしたり、ガラスを割ったり、火をつけたりする可能性があります。

LLMベースのエージェントの安全性は、メールの送信やファイルの削除などの個別の操作のレビューに部分的に依存しています。ロボットは常に移動しており、レビューが必要な潜在的に危険な動きとして少数の特定の動きを単独で特定することはそれほど簡単ではありません。

自動運転車が処理できない状況に遭遇したり、グリッチが発生したりした場合、路肩に寄るか、最悪の場合、ブレーキをかけることができます。突然フリーズした汎用ロボットは、ストーブの上に物を置いたままにしたり、ステップの途中で倒れたり、介助している人を転ばせたりする可能性があります。

そしてもちろん、子供がロボットの前に飛び出すなど、人間の行動によって危険が発生する可能性があります。私は、子供が金属のロボットよりも、柔らかい人間にぶつかる方が良いと思います。そして現状では、その小さないたずらを避けるために、人間の反射神経と適応性に頼る方が良いと思います。

（ロボットがより強力で、重く、能力が高くなるほど、リスクは大きくなります。）

耐久性

今日の二足歩行ロボットは、通常、充電前に数時間しか動作しません。これは制限要因にはならないと私は推測しています。回避策が必要な場合は、バッテリーパックの交換、床下充電グリッド、または近くの大きな車輪付きバッテリーへのケーブル接続など、何らかの方法を見つけるでしょう[4]。

しかし、過熱が継続的な操作における深刻な課題であることを学んで驚きました。人間サイズのロボットは、人間よりも約2倍の熱を発生させますが、ロボットは熱を分散・放散するための同じエレガントなメカニズム（全身循環と発汗）を持っていません。

次に、信頼性の問題があります。ロボットには多数の可動部品があり、その多くは、サイズ、重量、パフォーマンスの限界を押し上げるように設計されているため、必然的に扱いにくいものです。その結果、汎用ヒューマノイドロボットの現在の試みは頻繁な故障を経験しています。（人間の体と比較してください。人間の体は常に摩耗から回復しており、自己修復し、軽微な故障を補うための実質的な能力を持っています。）

汎化；エッジケース

[画像の説明：どういうわけかWaymoは、車に浸水した交差点に運転しないように教えるのを忘れましたか？]

Waymoはエッジケースの処理に苦労しています。最近、浸水した道路に進入したり、燃えている花火の上を走行したりする様子が観察されています。これは、自動運転車が20年以上開発されており、特にWaymo車は2億2000万マイル以上（典型的なアメリカ人が一生のうちに運転する距離の250倍）を走行しているにもかかわらずです。

（花火の件については少し寛大に見てあげてもいいかもしれません。250周年はそう頻繁には訪れません。しかし、Waymoのエンジニアリングがこれほど堅牢でありながら、驚くほど優れた安全記録を生み出し、同時に深い水に喜んで入り込むほどずさんであるのか、私には理解できません。）

運転中に発生する奇妙なエッジケース（古典的な例はほうきを持った女性が車椅子に乗ったアヒルを追いかけている状況です）のすべてに対して、家庭やビジネスで動作するロボットはさらに多くの状況に遭遇するでしょう。それらは、より多様なタスクを、より多様な機器（異なるツール、それらのツールを掴むための異なるロボットボディ）を使用して、より多様な環境で実行することになります。工場フロアの制御された環境の外で信頼性の高い運用を達成することが、おそらく最も困難な課題でしょう。

コンピューティング

器用さ、協調性、視覚的理解、計画、反応、理解、協力――そしてこれらすべてを迅速に、安全に、そして確実に実行するには、多くのコンピューティングパワーが必要です。必要なコンピューティング能力をロボット自体に組み込むと、コストが増加し、バッテリーを消耗し、過熱に寄与します。ロボットの頭脳をクラウドに残すと、反応時間が遅くなり、新しい障害モード（Wi-Fi障害→ロボット停止）が発生します。

スケーリング

[画像の説明：ロボットが「本当に実現」するためには、たくさんのロボットが必要です]

LLMは、ChatGPTが起動した瞬間から急速にスケールアップできましたが、それは既存のハードウェア（GPU）と製造施設（チップ工場）が新しいユースケースをサポートするために容易に適合されたためです。

高度なロボットのための大規模なサプライチェーンはまだ存在しません。実用的な設計ができたとしても、それらを大規模に製造、展開、保守できるようになるまでには数年かかるかもしれません。このようなことは一朝一夕には起こりません。テスラが最初の市販から最初の100万台生産年に到達するまでに14年かかりました[5]。ある分析によると、スタートの合図（高度なヒューマノイドロボットが経済的に価値を持つようになる）が鳴ると、年間数百万台の低レベルのロボットを生産する規模に達するには数年かかる可能性があるとのことです。対照的に、ChatGPTは起動後2か月以内に1億人のユーザーに達しました[6]。

政治的および社会的な課題

政治的、規制的、組織的、文化的な障壁：雇用喪失や安全性への懸念が、ロボットがどこでどのように使用できるかを制限する可能性があります。多くの規制はロボットを想定して書かれていません――ロボットは最低人員要件にカウントされるのでしょうか？企業はロボットを積極的に採用するでしょうか？信頼性、セキュリティ、責任、保守に関する懸念を抱くでしょうか？顧客はロボットにサービスを提供されたいと思うでしょうか？

サイバーセキュリティ、監視、誤用：高度なロボットは犯罪者の夢となり得ます――所有者を裏切ることができない信頼できる手下です[7]。これを防ぐには、すべてのロボットの継続的な監視が必要になるかもしれませんが、それはあらゆる種類の懸念を引き起こします。そして、ロボットのサイバーセキュリティは鉄壁である必要があります。

プライバシーの懸念：人々はすでにルンバに関するプライバシーの懸念を持っています。ヒューマノイドの家庭用ロボットは、さらに多くのものを見て聞く能力を持つでしょう。

コスト：他のハードルが解決されれば、これはそれほど大きな制限要因にはならないと私は推測します。新車価格で疲れを知らない労働者は掘り出し物になるでしょう。そしてヒューマノイドロボットは車よりもはるかに小さく軽量で、可動部品も少なくなるでしょう[8]。能力のあるロボットに必要なコンポーネント、製造技術、トレーニングプロセスにより、初期モデルは車よりもはるかに高価になる可能性があります。しかし、高価なロボットでさえ、早期のユースケース（例えば、危険な作業を行う）を見つけるでしょう。

デモと現実のギャップに注意

慎重に制御された工場環境の外で、ロボットが有能で、信頼性が高く、実用的な労働者になる前に、多くのハードルをクリアする必要があります。私が提示したリストは間違いなく不完全です。そして、私は認知的な側面――理解、計画、行動、反応――についてはごくわずかしか触れていません。

デモビデオは、理想的な状況下でロボットが何を達成できるかの一端を示しています。それらはまた、残りの制限から私たちをそらす役割も果たす可能性があります。知識労働においては、ベンチマークと実際の作業との間にAIパフォーマンスの一貫したギャップがあります。物理的な世界では、デモと現実のギャップはさらに大きくなるだろうと私は推測します。LLMをいじってその能力を見ることは、アクセス可能で、安価で、（ほとんどの場合！）安全でした。ロボットの能力を評価するには、制御されたデモとメーカーの主張に大きく依存することになります。それらの能力のギザギザした境界線をマッピングすることはより困難になるでしょう。

この記事の最終調整を行っている最中に、優れたUnderstanding AIブログがWhy humanoid robots won’t catch up to human workers any time soonを投稿しました。まだ読んでいませんが、見る価値があることは確かです。

ロボットの能力に関する良い広範なレビューについては、2026年2月のEpochのレポートを参照してください。

共有

Abi Olvera、Avi Parrack、Taren Stinebrickner-Kauffmanに感謝します。

1

車輪を「足」とする4足歩行ロボットがあり、転がることと歩くことを交互に行うことができ、階段を登ることができます。しかし、今のところ、この設計が主流になる兆候はありません。

2

回避策が見つかるかもしれません。例えば、一部のロボット設計では、触覚感度を部分的に補うためにカメラを使用しており、手首などに「目」を追加しています。ロボットはWi-Fi経由で切断されたカメラを利用することもできます。ロボットは超音波などの人間以外の感覚を組み込むこともできます。

4

最近のデモンストレーションでは、ロボットが3台の異なるロボットを使用し、他のロボットが充電中に交代しながら、200時間連続で荷物を仕分けし、250,000個の荷物を処理する様子が示されました。これは耐久性だけでなく信頼性のデモンストレーションを意図したものでした。

6

月間アクティブユーザー数で測定。

7

犯罪者がロボットとのつながりを追跡されないように回避できたと仮定して。

8

少なくとも、内燃機関車と比較して。

投稿はありません