ソフトバンクのデータ選別によるロボット基盤モデル優勝
元記事公開日: 2026年7月7日
出典: https://www.softbank.jp/sbnews/entry/20260707_01
合同チームは、数万時間に及ぶロボット動作データをAIでスコアリングし、学習に有効なデータを選別した。実機で生じる誤差も考慮してデータを配合し、ロボット基盤モデルを学習・検証した。実環境での作業成功率を競うコンペティションで優勝した。
背景
生活支援ロボットは、カメラなどから得た情報を基に周囲の状況を理解し、必要な動きを判断して実行する。物をつかむ、電子レンジの扉を開けるといった動作では、物の形状や硬さ、柔らかさの違いに応じて、見る場所、つかむ場所、力加減を判断する必要がある。AIRoAが収集した数万時間のロボット動作データには、映像、関節の動き、対象物の位置、作業の成否が含まれていた。
要望・目的
実環境で高い作業成功率を出せるロボット基盤モデルの構築を目指した。提供データは整理されていない生データで、全てを学習させると1カ月以上かかるほど量が多く、品質にもばらつきがあった。シミュレーション上で良い結果が出ても実機で同じように動くとは限らず、物理的な誤差も発生するため、限られた期間でデータ処理、学習、評価、改善を繰り返す必要があった。
実装・実施内容
ソフトバンク、産総研、三菱電機は合同チームを組み、ロボット基盤モデル開発コンペティションに参加した。ソフトバンクはAIモデルの学習・評価、データ処理、学習パイプラインの構築、シミュレーションによる検証を担当した。データをAIモデルが学習できる形に処理し、シミュレーションで動作を検証した後、実空間でロボットを動かした。学習結果と実機の動作を確認し、次に変える点を試行錯誤した。
AIサービス・システム
タスク達成時の画像と、ロボットのカメラが認識している状態の違いをAIで比較し、動作の直線性と無駄の少なさをスコアリングした。高スコアのデータを質の高いデータとして選別した。一方で、100点の動きだけでは実機のわずかなずれに対応できないため、チームは少し質が低いデータも混ぜ、誤差を許容できるよう学習データの配合を調整した。
結果・効果
合同チームは、ロボット基盤モデル開発コンペティションで優勝した。データキュレーションを通じ、データの質と選び方がロボット基盤モデルの性能に重要であることを示した。競技ではシミュレーションやデータ上の評価だけでなく、実環境でロボットが作業を成功させるかが評価された。フィジカルAIの研究開発につながる知見を得たとしている。