答え公開済み16 ソース
ロボットが仲間の経験から学ぶ「CEL」 最大96台の実機で検証
群体経験学習（CEL）は、稼働中のロボットが得た経験を共有し、共通の制御方針を改善する仕組みです。 FERTは失敗時の状況を手がかりに似た成功例を検索し、FATSは複数台での非同期・耐障害型の学習を支えます。 5種類の作業で成果が報告されていますが、数値は研究チームによるもので、独立した再現実験を意味するものではありません。
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- 群体経験学習（CEL）は、稼働中のロボットが得た経験を共有し、共通の制御方針を改善する仕組みです。
- FERTは失敗時の状況を手がかりに似た成功例を検索し、FATSは複数台での非同期・耐障害型の学習を支えます。
- 5種類の作業で成果が報告されていますが、数値は研究チームによるもので、独立した再現実験を意味するものではありません。
AI プロンプト
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Collective Experience Learning (CEL), proposed by Tsinghua University, Infinigence AI and AgiBot and described in an Infinigence AI–. Article summary: Collective Experience Learning (CEL) is a fleet-learning approach in which deployed robots share real-world execution experience to improve a common policy, rather than relying on fresh human demonstrations for every imp. Topic tags: general, academic, education, general web, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, waterm
ロボットを多数の現場に導入すると、1台ごとに人が動作を実演したり、失敗を逐一修正したりするのは難しくなります。そこで、ロボット同士で実世界の経験を共有し、共通の制御方針を改善しようとするのが「群体経験学習（Collective Experience Learning、CEL）」です。清華大学、無問芯穹（Infinigence AI）、智元（AgiBot）に関係する研究チームが提案し、最大96台のロボットで検証したと報告しています。1
9
1台の成功を、群れ全体の学びに
人による実演や修正は、ロボットに新しい作業を覚えさせるうえで有効です。一方、導入台数が増えるほど、必要な専門家の時間も増えていきます。CELでは、現場でうまくいったロボットの実行記録を、ほかのロボットも学べる共有経験として活用します。人の関与をなくすのではなく、更新のたびに新たな専門家の実演を用意する負担を減らすことが狙いです。1
失敗した場面から成功例を探す「FERT」
CELの中核となる手法が、失敗誘導型経験検索ファインチューニング（FERT）です。ロボットが失敗したときの状況を手がかりに、共有された成功軌跡の中から関連する動作の一部を検索します。検索された成功例の記録動作を、制御方針の更新に使います。つまり、失敗した状況が「どの経験を探すか」を示し、成功した動作が学習材料になります。4
13
これは、複数の手順が続く操作で重要になります。作業の最後に「成功」か「失敗」かだけが分かっても、どの段階を改善すべきかはそれだけでは分かりません。FERTは、失敗時の状況と似た場面での成功例を結びつける方法を提供します。ただし、失敗の原因となった特定の動作を、それだけで確定できるわけではありません。
研究チームはまた、ロボットが同時に稼働していない場合も想定した、耐障害型の非同期学習システム「FATS」を説明しています。報告では、22台のロボットに計30件の故障が起きた際、ロボットの稼働時間の損失は1.3％だったとされています。これは報告されたシステム性能の数値であり、故障時の復旧やデータ送信の仕組みすべてを独立に検証した結果ではありません。8
5つの作業で報告された結果
評価対象は、花を生ける、衣服をたたむ、スマートフォンを充電する、スツールを組み立てる、スマートフォンを梱包する、の5作業です。
- 学習に参加していないロボットでの試験： 学習に参加していない2台が計600回の試行を行い、585回成功、15回失敗。全体の成功率は97.5％と報告されています。また、各作業で6人の人間オペレーターの平均成績を上回ったとされています。これは今回の作業条件での比較であり、ロボットが一般に人を上回ることを示すものではありません。
- スマートフォンの梱包： 成功率は79.2％から98.3％に上昇したと報告されています。評価の説明では、学習に参加していない2台による120回の試験が対象です。
7
- 参加台数の拡大： 実世界での学習時間を同じにした比較では、16台の場合の成功率86.7％に対し、96台では98.3％だったと報告されています。より多くのロボットが同じ時間内に経験を集められる可能性を示す結果ですが、台数を増やせば常に同様の向上が得られるという保証ではありません。
成果の受け止め方
CELの考え方は、失敗した状況を改善の手がかりにし、ロボット群が蓄積した成功例から学ぶことです。FERTが経験の検索と更新を担い、FATSは非同期で耐障害性のある学習を支えるシステムとして説明されています。5種類の実作業や、学習に参加していないロボットでの試験は、初期段階の有望な結果といえます。13
ただし、ここで紹介した性能値は研究チームなどによる報告であり、独立した追試で確認された結果ではありません。今回の設定での成果を示すもので、異なるロボットや作業、導入環境でも同じ性能が得られることまで証明するものではありません。
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「ロボットが仲間の経験から学ぶ「CEL」 最大96台の実機で検証」の短い答えは何ですか?
群体経験学習（CEL）は、稼働中のロボットが得た経験を共有し、共通の制御方針を改善する仕組みです。
最初に検証する重要なポイントは何ですか?
群体経験学習（CEL）は、稼働中のロボットが得た経験を共有し、共通の制御方針を改善する仕組みです。 FERTは失敗時の状況を手がかりに似た成功例を検索し、FATSは複数台での非同期・耐障害型の学習を支えます。
次の実践では何をすればいいでしょうか？
5種類の作業で成果が報告されていますが、数値は研究チームによるもので、独立した再現実験を意味するものではありません。