疑いを認める知覚
あらゆる検出は信頼区間を、あらゆるトラックは共分散を報告する。計画立案はその疑いを直接見る。
ロボティクス
不確実性を伴う計画立案をロボットに教える
ロボットが知覚・推論・行動を、より安全なフィードバック・ループで行うための身体的AI研究。
不確実性は知覚の一部であって、計画立案の一部ではない
実世界で行動するロボットは、自分が間違っているときにそれを認識しなければならない。私たちの身体化研究は不確実性を知覚の側へ押し戻し、計画立案がそれに反応できるようにする。そのうえで、すべてを入念に制御された実環境に照らして検証し、その驚きをシミュレータへ折り返して取り込む。
従来の切り分け
知覚は点推定を出力し、計画立案はその誤りがどうであれ頑健であることが求められる。
私たちの切り分け
知覚は疑いをそのまま出力する——検出には信頼区間を、トラックには共分散を——そして計画立案はその疑いに反応するよう配線されている。
身体化されたループが安全性を勝ち取る場所
sim → real → sim
私たちはシミュレーションで訓練し、入念に制御された実環境で検証し、あらゆる驚きをシミュレータへ折り返して取り込む。
より安全なフィードバック・ループ
自分が間違っていると気づかないロボットこそ危険なものだ。私たちは、不確実性が明文化された閾値を越えたときに、停止し、問い、再計画するシステムを報いる。
ギャップが小さくなるまでループは締まり続ける
シミュレーションで訓練し、制御された実環境で検証し、あらゆる驚きをシミュレータへ折り返して取り込む。サイクルごとに現実とのギャップは縮まる。
検出テーブルこそが行動テーブルである
ヒーローと同じシーンを、コントローラの視点で分解する——検出、信頼度、判断、ポリシー・クラス。信頼度の低い未知物は、実行される計画にはならない。
検出 信頼度 判断 ポリシー・クラス 緊急度
d1 · box 0.92 pick execute low
d2 · human 0.78 stop & yield override high
d3 · unknown 0.41 pause · ask escalate medium
疑いを認める知覚
実世界で行動するロボットは、自分が間違っているときにそれを認識しなければならない。私たちの知覚スタックは、あらゆる検出に不確実性を添えて報告し、計画立案が反応できるようにする。
シミュレーション、次に実世界、そして再びシミュレーション
私たちはシミュレーションで訓練し、入念に制御された実環境で検証し、その驚きをシミュレータへ折り返して取り込む。ギャップが小さくなるまでループは締まり続ける。
横断テーマ
身体化された不確実性とは、締切のあるキャリブレーションにすぎない
私たちの気候予測や評価ライブラリに現れるのと同じキャリブレーションの規律が、ここでは制御則として着地する——バンドが広いとき、ロボットは譲る。