バーチャルアヒルが猫を追いかける日：私はロボットの未来を目撃した

黄色いプラスチック製の小さなアヒルがリビングの床をよちよちと歩き、ソファの脚をよけながら、うとうとしていた飼い猫に向かって一直線に進んでいく。驚いた猫はがばっと頭を上げ、手のひらサイズの闖入者を見つめる。アヒルはまるで「考えがある」かのように向きをわずかに調整し、粘り強く追いかけ続けた。これはゲームのスクリーンショットではなく、WIREDの記者ウィル・ナイトが自宅のリビングで行ったロボット実験の一場面だ。

実験の主役は「Microduck」、小型でシンプルな構造の消費者向けロボットだ。ハードウェアは特筆するほどではない。小型モーター、基本的なセンサー、プラスチックの外装。リビングの中でそれを「生き生きと」させているのは、背後でそれを駆動するOpenAIのモデルだ。動作指令をコードで一行一行書く代わりに、新入りのインターンに仕事を言い伝えるように自然言語で何をすべきかを伝え、「歩く」「向きを変える」「目標を追って移動する」といった動作を自分で組み立てるのを見守る。最終的にMicroduckは二つのことを習得した。よちよちと歩くこと、そして筆者の猫の前で不器用ながらも尽力する「小さな猫の世話係」を演じることだ。

「コードを書く」から「話しかける」へ：ロボットに仕事を教える方法が変わった

かつてロボットに一つの動作をさせることは、エンジニアにとって骨の折れる作業だった。モデリング、キャリブレーション、制御ロジックの記述、繰り返しのパラメータ調整。「近づいて目標を追う」という一つの動作だけで、数週間を費やすこともあった。今や大規模言語モデルがロボットの「脳の翻訳層」として機能している。人間が自然言語で目標を与えると、モデルがそれを実行可能な一連の動作やコードに分解し、モーターとセンサーに渡す仕組みだ。

このアプローチはここ2年で急速に注目を集めている。Google DeepMindのRT-2は視覚言語モデルでロボットの動作を直接出力することを試み、「Code as Policies」はモデルに制御コードを生成させるアプローチだ。OpenAIのモデルは曖昧な人間の意図を構造化された行動シーケンスへと変換するために広く活用されている。Microduckの実験が興味深いのは、最先端のアルゴリズムを使っているからではなく、それを一般家庭のリビングに持ち込んだ点にある。数千円程度のおもちゃが、かつては実験室のロボットアームにしか備わっていなかった「理解力」を手に入れたのだ。

本当の変化はアヒルが歩けることではなく、「歩き方を教えること」が初めて、まるで会話のようにできるようになったことだ。

ロボットペットの「転換点」

消費者向けロボットはかつて一度、幻滅の時期を経験した。AnkiのCozmoは一時期注目を集めたが、同社は2019年に閉鎖。ソニーのAiboは高価格で復活し、ニッチな高級品となった。クラウドファンディングで登場した卓上ロボットの多くは惨憺たる結果を残した。根本的な問題は常に同じだった。ハードウェアコストが高く、動作スクリプトが硬直的で、インタラクションはすぐに飽きられるという点だ。

大規模モデルはまさにその最後の弱点、汎化能力を補うものだ。ロボットがあらかじめ書き込まれたスクリプトに依存せず、「あれを持ってきて」「猫にぶつからないで」といった日常的な表現を理解できるようになると、その動作は限られた数のアニメーションではなく、次々と「教え込める」新しい芸当へと広がっていく。メーカーにとっては、同じハードウェアでもモデルを更新することで新しいスキルを習得できることを意味し、製品ライフサイクルが大幅に延びる。ユーザーにとっては、おもちゃが「使えば使うほど賢くなる」可能性を初めて持つことになる。

編集後記：おもちゃは実験場であり、データ収集の場でもある

冷静に見ておくべきことがある。リビングでの実演が一度成功したからといって、信頼できる製品になるまでにはまだ長い道のりがある。まず計算能力と遅延の問題だ。大規模モデルを安価なハードウェアに詰め込むのは現実的ではなく、多くのソリューションはクラウド推論や蒸留された小型モデルに依存している。ネットワークが切断されたり遅延が増大したりすると、あのアヒルはたちまちただのプラスチックに戻ってしまう。次に安全性とプライバシーの問題だ。カメラとマイクを備え、人の後を追い回す家庭用ロボットは、本質的には移動式の感知デバイスであり、データの行き先については真剣に考えなければならない。

さらに根本的な問題として、大規模モデルが解決するのは「意図の理解」であり、ロボットの真の難題は「物理的知性」だという点がある。滑りやすい床、突然伸びてくる足、残り少ないバッテリーという状況でも安定を保つことだ。言語モデルはロボットに「何をすべきかを知らせる」ことはできても、「しっかり立つことを学ばせる」ことはできない。だからこそおもちゃやペットロボットが理想的な実験場になる。コストが低く、エラーの許容度が高く、ユーザーの期待も穏やかで、「言語から動作へ」というパイプラインを磨くのにちょうどよい環境なのだ。

しかし方向性はすでに明確だ。ロボットに仕事を教えることがコードを書くことから話しかけることへと変わった今、ロボット開発の敷居は根本から作り直されている。今後数年で、「賢くはないが安価な」小型ロボットが家庭に増えていくのを私たちは目にするだろう。それらは産業用ロボットアームに取って代わるものではないが、人と機械の関係をひっそりと変えていく。命令を下す関係から、共に生活する関係へ。

私の猫を追いかけたあのアヒルが、最終的に合格点の猫の世話係になれるかどうかは分からない。しかし少なくとも一つのことを証明した。ロボットの未来は、工場の生産ラインから歩み出てくるのではなく、よちよちと、リビングの床を歩いてやってくるのかもしれないということだ。

本記事はWIREDより編訳。