NeatNet：ロボットが人の片付けの好みを学習するシステム
ロボットはますます高性能になり手頃な価格になってきており、今後さらに多くの人が家庭で導入するようになるかもしれません。そのため多くのロボット工学者は、料理や掃除などの家事を効果的に手伝えるシステムの開発に取り組んでいます。
インペリアル・カレッジ・ロンドンのロボット学習研究所の研究者たちは、ユーザーの個人的な好みに合わせてロボットが home環境を整えられるようにする革新的な機械学習ツール「NeatNet」を開発しました。このモデルはarXivに掲載された論文で発表されたもので、グラフニューラルネットワーク層を備えた新しい変分オートエンコーダのアーキテクチャに基づいています。
「人は皆、審美的な好み、習慣、さらには文化的背景の影響を受けながら、自分の家を独自の方法で個性的に整えています。私たちは、ロボットが個々人の家を個別に片付けられるよう、人の住まいの整え方の好みを学習する手法を開発しました」
NeatNetは、ジョーンズ博士と彼の教え子イヴァン・カペリュフが開発した手法で、ユーザーが家の中で家具や物を配置する様子を観察するだけで、その人固有の片付けの好みをロボットが学習できるようにします。ロボットはその好みを指針として、ユーザーの好みを反映させながら家の中を整えることができます。
ジョーンズ氏は次のように語っています。「例えば、テーブルは、すべてが手に取りやすいようにコンパクトに配置されている方が好きだとします。ロボットにその好みを学習させることができるかもしれません。ロボットがテーブルを片付けた後、そのテーブルはあなたにとって使いやすい形に整えられているでしょう。」
NeatNetは、Netflix、YouTube、Spotifyなどのストリーミングプラットフォームや他のウェブサイトが、ユーザーに新しいコンテンツを推薦するために使用している機械学習ツール、レコメンデーションシステムからヒントを得ています。レコメンデーションシステムは、ユーザーが過去に視聴、再生、アクセスしたコンテンツに基づいて、ユーザーの好みを学習することで機能します。
研究者たちは次のように説明しています。「あなたと似た好みを持つ多くのユーザーが新作映画を視聴した場合、Netflixはその同じ映画をあなたにも推薦するかもしれません。こうした手法によって、個人に合わせたおすすめが実現されているのです。」
この推薦に似た新しい片付けの好みを学習するツールは、ジョーンズ博士が指導したインペリアル・カレッジ・ロンドンでのカペリュフの博士論文に基づいています。カペリュフは、指導教員とともに、2021年11月8日から11日までロンドンで開催されたロボット学習会議（CoRL）で新たな論文を発表しました。
「これまで、私たちはロボットとその環境のコンピュータシミュレーションを用いて結果を示してきましたが、今後の研究では、これを実世界の実際のロボットに実装することを計画しています」とジョーンズ氏は述べています。
基本的に、NeatNetはユーザーが整理・片付けを行った場面を処理します。そうした場面から、数列として表現されるユーザーの片付けの好みを学習します。最終的に、その数列を使って、あらゆる物の集まりを個人に合わせて配置します。
「ロボットは事前にどれだけの数の物に出会うか分からないため、NeatNetはグラフニューラルネットワークを用いて処理します。つまり、空間の画像を直接学習するのではなく、各物体をノード（または点）とし、すべてのノードを互いに結んだグラフとしてモデル化します」
グラフニューラルネットワークを用いることで、NeatNetは異なる物同士の関係も学習できます。例えば、キーボードとマウスは通常並んで置かれること、あるいはカトラリーは皿の横に置かれることを学習できます。
NeatNetは、物同士の一般的な関係を学習するだけでなく、個々のユーザーの好みも学習します。例えば、左利きと右利きでは好みが異なる可能性があるため、ユーザーがカトラリーを皿のどちら側に置く傾向があるかを学習できます。
ジョーンズ博士とカペリュフは、一連の実験で手法を評価しました。その際、75人の異なるユーザーの好みを反映させた掃除シミュレーターで作成された部屋の配置例を使用しました。これらのテストでNeatNetは、常に整然とし、個人に合わせた部屋の片付けを行いました。
「私たちは、部屋を個人の好みに合わせて片付けることが、全員に同じ片付けを行うよりもユーザーにとって快適であることを発見しました。これは単純な空間でも当てはまり、数百の物がある実際の家では、各部屋の片付け方にさらに多くの選択肢があります」
ロボットが一般的になるにつれ、個々のユーザーの好みに沿った方法でタスクを実行できる能力は、特に価値のあるものになるでしょう。このようにして、NeatNetは家庭用アシスタントロボットの性能向上に特に役立つ可能性があります。
「もう一つの興味深い発見は、ニューラルネットワークがユーザーの好みを数列として表現しているにもかかわらず、意味のあるパターンを見つけることができた点です。例えば、NeatNetは、ダイニングテーブルの配置方法に基づいて、左利きのユーザーと右利きのユーザーを別々にグループ化することにしました。これは、ニューラルネットワークを使用する際にしばしば判断が難しい、モデルの内部での動作の一端を明らかにするものです」
これまでNeatNetはシミュレーションでのみテストされてきましたが、有望な結果を示しています。現在、研究者たちは、実際のロボットでこの手法を適用し評価することを目的とした追加研究を進めています。
研究者たちは次のように述べています。「ロボットのカメラ（「ロボットの目」）を使って、部屋の中で物がどこにあるかを特定します。さらに、提案される配置が物理法則に照らして常に安全であることをどのように確保するかも検討します。例えば、皿がテーブルの端から落ちてはいけません。また、ロボットがこの片付けを完了するのにどれくらいの時間がかかるかを考慮する方法も研究します。例えば、家全体を片付ける代わりに、非常に不適切な数点の物だけを片付けるようロボットに求めたい場合もあるでしょう。」
