なぜロボット工学においてデータ可視化がこれほど重要なのか
アドリアン・マクニールは、ロボット工学向けの強力なデータ管理・可視化ソフトウェアを提供するスタートアップ、Foxgloveの共同創業者兼CEOです。Foxgloveを設立する前は、自動運転企業Cruiseでインフラストラクチャーと開発ツールを統括していました。
マクニールは開発者の生産性向上に注力しており、ロボット工学において迅速なイノベーションを実現するには、開発者のフィードバックループを最適化することが不可欠だと考えています。
彼によると、ロボット工学の発展を考えるとき、私たちはしばしば論理的で体系化されたプロセスを思い描きます。それが容易だとか単純だとは考えていなくても、比較的客観的なものだと思いがちです。最終目標は明確で、そこに至る段階も測定可能だと考えるのです。
しかし私たちは忘れがちですが、新しい技術を開発するには、それと同じくらい新しいテスト方法やトラブルシューティングの手法が必要です。必要なのは新しいロボットだけではなく、そのロボットを作るために発明しなければならない、まったく新しいツールやプロセスでもあります。未踏の領域と同様に、これらのツールやプロセスはまだ発展途上にあり、製品やそれを作る人々とともに進化しているのです。
データ可視化は、これらのツールの中でも特に重要です。複雑で詳細なデータを扱いやすい形式で提示することで、ロボットがどのように動作し、どう改善できるかについて、同じように複雑で詳細な判断を下せるようにします。このようなツールは重要でないノイズを抑え、重要なシグナルを際立たせます。
「これは、ロボット工学のデータが持つ極めて多次元的な性質に、不可欠な意味と秩序をもたらします。ロボット工学が目指す厳密な科学としての姿とは裏腹に、これは依然として主観的な作業の要素が強く、無数の人間の判断が、私たちを最終目標へと一歩ずつ近づけています。その目標とは、ロボット技術によって日常生活が向上し、豊かになる世界です」
従来のソフトウェア開発とロボット開発の比較
ロボット工学におけるデータ可視化の重要性を本当に理解するには、まずロボット開発が従来のソフトウェア開発とどう違うのかを理解する必要があります。
従来のソフトウェア開発において問題の根本原因を診断するのは、比較的二値的なプロセスです。コードは、ある時点で行うべきことを行うか、行わないかのどちらかです。あらゆる想定されるシナリオで何が起こるべきかは明確に定められています。
エラーの経路をたどり、経路上の各段階でテストを実行することで、例えば値を記録したり、期待される結果と実際の結果を照合したり、特定の機能をオンオフしたりすることで、エンジニアは問題を引き起こしたコードの行をかなり正確に特定できます。
一方、ロボット開発におけるデバッグの問題は、そこまで直線的であることはまれです。ロボットシステムに何が起きたのかを突き止めるのは一般にはるかに複雑で、そのため未解決のプロセスになりがちです。例えば、自律走行移動ロボット（AMR）が別の物体に衝突した場合、明白な「コードの経路」や犯人は存在しません。
これが起きた理由は無数にあり、人が障害物にぶつかる理由が無数にあるのと同じです。AMRは角の向こうにあったため障害物を認識できなかったのかもしれませんし、衝突を避けるための自身の進路を誤って計算したのかもしれません。原因はソフトウェアとさえ関係ない場合もあります。AMRのブレーキが故障していたかもしれませんし、カメラの視界が一時的に何かで遮られていたのかもしれません。
従うべき単一の方法論的な手順は存在せず、問題の根本原因は、ロボット工学のスタックの複数の層にまたがる、相互に関連した小さな問題の連鎖によって引き起こされることがあります。解決策はしばしば条件付きで状況に依存するため、デバッグの過程では、画面上の文字通りのコードと同じくらい、文脈情報を考慮する必要があります。
ロボット工学のためのデータ可視化
このデバッグの複雑さに対処するには、ロボットのデータの多様な側面を探るための、新世代の高度なツールが必要です。ここで役立つのが、ロボットデータの可視化です。
無人運転車を開発していたCruiseの創業初期、社員は適切なツールがないままロボットを開発することがいかに困難であるかを身をもって知りました。
データやシミュレーション結果をデバッグする際、エンジニアはUbuntuを搭載したマシンに完全な開発環境をセットアップし、その後rviz、rqtなどの少数のオープンソースツールを個別に読み込む必要がありました。さらに、エンジニアは手作業でログファイルの再生を開始し、複数のウィンドウを画面上で配置し直して同時に使用しなければなりませんでした。
エンジニアは特定のワークフローのために画面上のウィンドウのレイアウトを根気強く組んでいましたが、別のワークフローのためにそれを置き換えたり、チームメイトのパソコンにコピーしたりするには、貴重な開発時間が費やされました。これらのツールはそれぞれ個別の作業をこなしていましたが、それらを組み合わせて使ったり、より大きなロボティクスチームで使ったりすることは、最初から想定されていないことが明らかでした。
それ単体で使うのも不器用で、互いに統合するのも難しく、チームメイトと意味のある形で共有することもできませんでした。ロボットで反復的な開発を行う能力は、チームの才能によってではなく、データから有用な知見を迅速に引き出せないことによって、深刻に妨げられていました。
これがきっかけとなり、あるハッカソンのプロジェクトで、エンジニアのグループがこのワークフローを改善する機会を見出しました。彼らが発表したWebベースのデータ可視化ツールは非常に好評で、大きな拍手を浴び、最終的には専任チームを持つ社内ツールへと発展しました。
そのツールがWebvizであり、最終的にはオープンソースとして公開され、他のロボット技術者もより効率的に統合されたツール群の恩恵を受けられるようになりました。やがて社内ではWebvizがCruiseに与えた影響が認識され、ロボット業界全体に共通する課題を引き続き解決するためにFoxgloveを設立することになりました。
「私たちはデータの可視化とデバッグを支援するFoxglove Studioと、データを中央のリポジトリに保存・管理するためのFoxglove Data Platformをリリースしました。データ可視化によって、異なる角度から、異なる表示形式で、異なるワークフローに合わせてデータを素早く把握し、次の開発段階を判断できます。こうして私たちは、二値的ではない状況を探り、ロボット工学を未来へ進めるために必要な人間の判断を下すことができるのです」
豊かなインタラクティブデータ可視化は、ロボット工学の発展に必要な、よりオープンな探究にロボット技術者が取り組むうえで極めて重要です。ロボット技術者は自身の直感と経験を活かして、特定の問題のデバッグに着手できます。また、自身の作業のトラブルシューティングに必要な、主観的判断と客観的判断の両方を同等に重視しながら統合する助けにもなります。
ロボットが現在どのように動作しており、どう改善できるのかを一目で把握でき、より効率的に変更を加えられるようになります。
課題ごとに異なるデータ可視化ツールが、それぞれ異なる判断を助けることができます。デバッグや分析のワークフローの各段階では、さまざまなツールを組み合わせることで恩恵を受けられます。例えばFoxglove Studioでは、ユーザーが豊富な可視化パネルのコレクションから選んで、カスタムのデバッグレイアウトを作成できます。
各パネルには固有の機能があります。あるパネルでは値をプロットでき、別のパネルでは地図上に座標を示し、三つ目のパネルではインタラクティブなシーンで3Dモデルを表示できます。ロボットの計画スタックのトラブルシューティングをしている場合でも、診断情報を追跡している場合でも、その作業に適した可視化ツールがあります。
豊かなインタラクティブデータ可視化のおかげで、ツールはついに野心に見合うものになりつつあります。これまで見通せなかったデータを、より深く探り、分析し、理解できるようになり、目標への前進を加速させることができます。
ロボット工学とデータ可視化の未来
一見客観的に見えても、ロボット工学の発展には主観的で創造的な判断が数多く伴います。最終的な成果は「ロボットが倉庫の床を移動できるようになった」と具体的であっても、研究者がそこに到達するための手段は、無限に反復されるプロセスであり、人間による大きな介入を必要とします。
「ロボットを一般の人々に successfully 届けるためには、ロボット工学を、従来のソフトウェア開発よりも多くの相互に関連する課題を生み、より多くの状況依存の解決策を持ち、それゆえにより多様なツールを必要とする、よりオープンな分野として認識しなければなりません」
ロボット工学の開発には、解決すべき課題が依然として数多くあります。扱いにくいテストインフラ、予測しにくいハードウェア開発のスケジュール、そして拡張可能なデータ管理などです。リストはまだまだ続きます。しかし、優れたデータ可視化ツールのように、ロボット工学業界全体に大きな影響を与えるいくつかの改善策もあります。
