　従来のオフライン学習で行っていたのは1段目の制御だけだった。新技術で導入した2段目の制御の学習は、注目領域のみを含む画像が入力され、画像の回転／切り取り／合成などによってデータを増やすデータの水増しができ、効率的に学習可能な移動先の補正のみを学習対象としている。これらのことにより、少量のデータでも高い精度のロボット制御が可能なAIのオフライン学習が可能になった。

2段目の補正学習により少量データでも高精度の制御を学習できる［クリックで拡大］出所：東芝

　新技術を用いてロボット操作100回分の画像データで学習したロボット制御AIについて、公開ベンチマーク環境であるRLBenchによるシミュレーション評価を行った。その結果、ピッキングや物を置くなどの8種類の作業をそれぞれ500回行った際の平均成功率は、従来のオフライン強化学習の36％から倍増となる72％に向上した。

　作業ごとの成功率では、鍋のふたを持ち上げる「TakeLidOffSaucepan」が79％から99％、傘立てから傘を取り出す「TakeUmbrellaOutOfUmbrellaStand」が40％から90％など、90％を超える事例も出た。成功率が最も低かった、ブロックをつかんで持ち上げる「PickAndLift」でも、4％から47％と大幅な改善を確認している。

8種類の作業ごとの成功率［クリックで拡大］出所：東芝

　なお、今回の新技術の開発は、理化学研究所革新知能統合研究センター長兼東京大学大学院新領域創成科学研究科教授の杉山将氏との共創の成果によるものだ。また、新技術の詳細は、ロボティクス分野の国際学会である「ICRA（IEEE International Conference on Robotics and Automation） 2024」（2024年5月13～17日、パシフィコ横浜）で、同年5月14日に発表される予定だ。

⇒その他の「人工知能ニュース」の記事はこちら

多くの産業分野で導入が進むAI、2024年に注目すべき3つのトレンド
多くの産業分野で導入が進むAI（人工知能）はさまざまな変革をもたらしている。本稿では2024年のAIに関する注目すべき3つのトレンドを取り上げる。
機械学習の2つの壁「分類モデルの選定」と「過学習」への対処法
さまざまなデータを用いた機械学習でスマートな製品開発を目指す上で課題になるのが、「分類モデルの選定」と「過学習」への対応だ。本稿では、分類モデルと過学習について概説するとともに、基礎的な対処法について説明する。
教師なし学習でも「世界最高クラス」の精度で不良品を見分ける画像分類AI
東芝は2021年4月28日、教師なし学習でも高精度でグループ化できる画像分類AI（人工知能）を開発したと発表。ラベル付け作業を行っていない画像データから、高精度に不良品や製品欠陥を検出することが可能になる。
教師なし画像分類AIの精度を従来比3倍に、東芝が半導体製造プロセスで実証へ
東芝は、画像分類AIのアルゴリズムを開発する際に学習データに人手でタグ付けなどを行う必要がない「教師なし画像分類AI」の分類精度を大幅に高める手法「cIDFD」を開発したと発表した。
荷振れを抑制するクレーンの自動化技術を開発、強化学習を応用
DeepXとタダノは、AI技術を活用し、荷振れを抑制するクレーンの自動化技術を開発した。強化学習を応用したアプローチを用いて、荷振れの制御アルゴリズムを構築している。
強化学習AIで化学プラントの35日間自律制御に成功、完全自律工場へ道筋
横河電機とJSRは2022年3月22日、化学プラントをAI（人工知能）によって自律制御する共同実証実験に成功したと発表した。蒸留塔において35日間の連続稼働を行い、品質確保と省エネルギーのバランスを取った最適稼働を実現した。「化学プラントにおいて、AIが操作量を直接変更するものとしては世界で初めての成功」（横河電機調べ）だとしている。