用語集

ロボット工学

ロボット工学、AI、機械学習の相乗効果により、自動化、精密さ、インテリジェントな意思決定で産業に革命をもたらすことを探求する。

Ultralytics HUB で
を使ってYOLO モデルをシンプルにトレーニングする。

さらに詳しく

ロボティクスは、工学、コンピュータサイエンス、そして特に人工知能(AI)と機械学習(ML)を統合したダイナミックで学際的な分野である。ロボットは、センサーを使って環境を認識し、その情報を処理し、インテリジェントな意思決定を行い、アクチュエーターを使って物理的な世界と自律的に相互作用するように設計された物理的な機械である。現代のロボット工学は、AI/MLアルゴリズムに大きく依存しており、多くの場合、教師あり学習や 強化学習のような手法によって訓練され、ロボットによる複雑な作業や高度な反復作業、あるいは人間にとって危険な作業を可能にしている。

AIとMLにおけるロボティクスの関連性

ロボティクスはAIの物理的な現れとして機能し、インテリジェントなシステムが現実世界と直接対話し、影響を与えることを可能にする。この相乗効果は、数え切れないほど多くの分野で自動化と効率化を進めるための基本となっている。インテリジェント・ロボットは、一貫性と耐久性をもって作業を行うことで生産性を向上させ、スピードと精度において人間の能力を凌駕することも多い。原子力の廃炉作業や深海探査(Underwater Exploration (WHOI))のような危険な条件下でのロボットの配備は、安全性を大幅に向上させる。AI、特にコンピュータ・ビジョン(CV)の統合は、ロボットを単なる自動化された機械から、ダイナミックな環境をナビゲートし、それに対応できる適応力のあるインテリジェント・エージェントへと変貌させる。この能力は、視覚入力に基づくリアルタイムの調整を必要とするタスクに不可欠であり、多くの場合、高度なAIモデルを活用する。

AI/MLにおけるロボティクスの応用

ロボット工学とAIおよびMLの融合は、アプリケーションの広大なスペクトルを解き放つ:

  • 製造:ロボットが組立、溶接、塗装、品質検査を行う。AIは協働ロボット(コボット)が人間と一緒に安全かつ効率的に作業することを可能にする。例えば Ultralytics YOLOモデルは、生産ラインの欠陥を特定するためのリアルタイムの物体検出に使用できます。詳しくは製造ソリューションにおけるAIをご覧ください。
  • 物流と倉庫管理:自律移動ロボット(AMR)は倉庫をナビゲートし、在庫を管理し、Amazon Roboticsのようなシステムに代表される注文を満たす。ビジョンAIはルートの最適化や荷物の取り扱いを支援する。
  • ヘルスケアロボットはダ・ヴィンチ・サージカル・システムなどの低侵襲手術を支援し、検査工程を自動化し、患者サポートを提供する。ヘルスケアにおけるAIは、精密作業にロボティクスを活用する。
  • 農業:ロボットは、植え付け、収穫、土壌モニタリング、薬剤散布などの作業を高い精度でこなし、資源の利用を最適化する。画像分割のような技術は、作物の病気や熟した農産物の識別に役立ちます。農業におけるAIの詳細については、こちらをご覧ください。
  • 自律システム:これには、自動運転車のような自律走行車(自動運転車のAIブログ)や、配達、監視、インフラ点検に使われるドローンが含まれる。
  • 探査と調査: マーズ・ローバーのようなロボットは、人間が近づけない、あるいは危険な環境を探査する。IEEE Robotics and Automation Societyのような組織は、この分野の研究を促進している。

コンピュータ・ビジョンとの統合

コンピュータ・ビジョンは、ロボットが周囲の環境を認識し、解釈するための「目」として機能し、現代のロボット工学には欠かせないものである。以下のようなモデル YOLO11のようなモデルは、ロボットが物体検出インスタンス分割姿勢推定などの複雑な視覚タスクを実行することを可能にし、ナビゲーション、マニピュレーション、人間とロボットのインタラクションに不可欠である。これらのモデルのトレーニングやデプロイは、Ultralytics HUBのようなプラットフォームを使って管理できる。ROS (ロボット・オペレーティング・システム)のような標準化されたフレームワークとロボティクスを統合することも一般的です。

ロボティクスとロボティック・プロセス・オートメーション(RPA)の比較

ロボティクスとロボティック・プロセス・オートメーション(RPA)を区別することは極めて重要である。ロボティクスには物理的なロボットが含まれ、物理的な世界と相互作用するハードウェアである。RPAは逆に、ソフトウェアの「ボット」を活用し、データ入力やトランザクション処理など、コンピュータ・システム上のデジタルで反復的なルールベースの作業を、物理的な体現やインタラクションなしに自動化する。

課題と今後の方向性

最初の産業用ロボットが誕生して以来、大きな進歩を遂げてきたにもかかわらず、課題は残っている。非構造的で予測不可能な環境での確実な動作、リアルタイムの意思決定のための計算需要の管理(推論レイテンシ)、AIの安全性の確保、効率的なデータ収集は現在進行中の研究分野である(Challenges in Robotics (Science Robotics))。将来的には、AI、センサー、エッジAI機能の進歩により、ますます自律的、協調的、インテリジェントなロボットが登場し、デジタル世界と物理的世界の境界線がさらに曖昧になり、ボストン・ダイナミクス社のような企業が境界線を押し広げることになるだろう。国際ロボット連盟(IFR)は、進化するこの分野の世界的動向を追跡している。

すべて読む