テスラのヒト型ロボット・オプティマスが「観察」によって学習ができるようになりました。
テスラのオプティマス X アカウントが、前回のダンスの続きとなる新たなビデオを公開しました。前回、オプティマスは、その足さばきと、オプティマスが最初に公開されて以来、飛躍的に向上した敏捷性とバランス感覚を印象づけました。
X に投稿された新しいビデオでは、オプティマスが実際の作業を行っている様子がご覧いただけます。まだ開発は初期段階ですが、テスラはロボットが小さな作業を行うことをどのように学習しているかを紹介しています。
I’m not just dancing all day, ok pic.twitter.com/rKs5WwKjvf
— Tesla Optimus (@Tesla_Optimus) May 21, 2025
観察して学習
このビデオの本当の焦点は、オプティマスが実行している作業ではなく、その作業を行うことをどのように学習しているかにあります。オプティマスは、人間の作業を「一人称視点」で観察して学習しています。
このビデオでは、掃除機をかけたり、料理をしたり、ゴミ出しをしたりなど、高度な器用さと環境認識を必要とする日常的な作業にオプティマスが取り組んでいる様子が紹介されています。これまでのデモはオプティマスの身体能力のショーケースのようなものでしたが、今回のデモは学習プロセスに重点が置かれています。
テスラのオプティマス AI チームのメンバーが強調した重要なブレークスルーは、ロボットが、人間がタスクを実行するビデオを見ることで、複雑で両手を使うタスクを大部分学習できるようになったことです。これにより、実際の人間がオプティマスを遠隔操作してトレーニングデータを生成する直接的な遠隔操作が削減されます。
テスラのオプティマス AI チームメンバーであるムルタザ・ダラル氏は、この開発について興奮を述べるとともに、遠隔操作は拡張性がないものの、ビデオを見ることで学習することは拡張性があり、しかもそのスピードは極めて速いと述べています。
一人称視点
人間のビデオから学習する能力（現在は一人称視点に焦点を当てています）により、オプティマスはこれまでよりもはるかに高速で、人間とのやり取りをほとんど必要とせずに新しいタスクを起動できるようになります。オプティマスエンジニアリングチームのメンバーであるミラン・コヴァック氏は、この点について次のように詳しく説明しています。
「この取り組みにおいて、私たちは最近大きな進歩を遂げ、学習内容の大部分を人間のビデオからロボットに直接配送できるようになりました… このプロセスを通じて、多くの新しいスキルが生まれています。これらのスキルは、自然言語（音声/テキスト）によって要求され、ロボット上の単一のニューラルネットワークによって実行されます（マルチタスク）。」
オプティマスの次なる目標は？
この旅はここで終わりではありません。オプティマスチームは、学習の限界をどこまで押し広げることができるかをすでに模索しており、人間がタスクを実行しているインターネットのビデオからオプティマスに直接学習させることを検討しています。これは、現在オプティマスが学習している、より最適化された一人称視点ではなく、第三者視点からの学習を意味します。
オプティマスが、人間と同じように第三者の視点を第一者の視点に変換できるようになれば、まったく新しいトレーニングデータの世界が開けます。オプティマスは、自分の周囲の世界を見るだけで学習できるようになります。
この急速な進歩は、テスラにとって非常に重要です。イーロンは、オプティマスが世界最大の市場を開拓する鍵となることを確信し、その開発を加速しています。オプティマスは、テスラの新しいビジョンである「持続可能な豊かさ」を推進する上で欠かせない存在です。
これは長いプロセスの第一歩に過ぎません。オプティマスがお客様の家庭に届くまでにはまだ数年はかかるでしょうが、その旅はここから始まります。当面は、テスラの研究所や工場で懸命に作業が続けられるでしょう。生産ラインが稼働し始めた今年後半には、オプティマスについてさらに詳しい情報が入ってくると思います。
※免責事項：この記事は主にテクノロジーの動向を紹介するものであり、投資勧誘や法律の助言などではありません。また、記事の正確性を保証するものでもありません。掲載情報によって起きたいかなる直接的及び間接的損害に対しても、筆者・編集者・運営者は一切責任を負いません。また、運営者はテスラ株式のホルダーです。
コメント