ロボットに代表される，身体を持つ知能システムは，近年急速に進化を遂げている．本セミナーでは，「実環境における知能システムの現状と今後」と題し，現在のトレンドと今後の課題に焦点を当てる．オープニングでは，本トピックの背景を概説し，このあとに続く三件の講演へとつなげる．

近年の大規模モデル開発の進展に伴い、ロボットの視覚・言語・行動の統合を目指す汎用的なロボット基盤モデルの構築が注目を集めている。本セミナーでは、ロボットの行動に有用な視覚特徴量抽出モデルの構築、目標状態生成モデルの構築、ロボットに向けた大規模視覚-言語モデルの構築といったロボット基盤モデルに関する最新の研究潮流を紹介する。各アプローチがどのようなロボット・タスク・モデル・データに支えられているのかを俯瞰しつつ、それらの特徴と能力についてまとめる。ロボットと基盤モデルが今後どう結びついていくのか、現在の動向と将来の展望について議論する。

近年、物理シミュレーション内で強化学習を適用し、実環境で機能する制御方策を獲得する「sim-to-real」と呼ばれるアプローチが注目されている。しかし、この手法はシミュレーション精度が高いことを前提とするため、剛体操作のような比較的単純なタスクに適用が限定される傾向にある。我々は、支配方程式が明確でない複雑なタスクへの適用を目指し、sim-to-realの可能性を探求してきた。具体的には、油圧ショベルによる掘削やワーク形状を整える研削といった複雑作業の自動化に向け、広範なドメインランダム化強化学習のサンプル効率化手法、シミュレーション表現粒度を段階的に向上させる計算効率化手法、拘束条件に基づくドメインギャップ低減手法を開発し、実験的検証を進めてきた。本講演では、これらの成果と今後の展望について紹介する。

シリコンやゴムなどやわらかいマテリアルでできたロボットをソフトロボットと呼ぶ。ソフトロボットは、その柔らかさから、多様に変形でき、人とのインタラクションも安全であることから注目を集めている。一方で、その身体は多様なダイナミクスを持つため、制御が難しいことが知られている。本講演では、こういった多様な身体のダイナミクスをむしろ計算資源として活用する手法、物理リザバー計算、について紹介する。物理リザバー計算の基礎からはじめ、最新の研究動向・応用例などを概観し、その可能性に関して議論する。