身体性AIは、身体やセンサーを通じて環境を捉え、行動し、その結果を確かめるAIを扱う考え方です。英語のEmbodied AIに対応する言葉として使われます。

ここで大切なのは、人間そっくりの姿をしているかどうかではありません。自分が動くことで周囲の状態も変わり、変わった状態をまた受け取る。その関係に目を向ける言葉です。

身体性AIの「身体」は、人型という意味ではない

ロボットアームなら、動ける範囲や物をつかむ仕組みがあります。車輪で移動する機械なら、進める方向や通れる場所に制約があります。そうした身体の特徴は、できる行動にも、得られる情報にも関係します。

NVIDIAの用語解説は、身体性AIを、物理的なシステムにAIを組み合わせて現実世界と関わるものとして説明しています。人型ロボットだけでなく、さまざまな物理システムが対象です。

AI Habitatの研究説明では、仮想環境の身体も対象にしています。この記事では、身近に想像しやすいロボットアームの例で考えます。身体性という言葉そのものが、感情や意識の存在を示すわけではありません。

見て、動いて、変わった結果を確かめる

積み木の位置を観察し、アームで動かし、移動後の位置を確認する三段階の模式図
積み木をトレーへ移す、説明用の架空の例です。物の位置を見ること、動かすこと、動かした結果を見ることを分けて描いています。

机の上の積み木を、トレーへ移す場面を考えてみましょう。

  1. カメラなどで、積み木とトレーの位置を捉える。
  2. どこをどうつかみ、どちらへ運ぶかを決めて動く。
  3. 動いたあと、積み木がどこにあるかを確かめる。

途中で積み木がずれれば、最初に見た位置はそのまま使えません。自分の動作によって状況が変わるため、動いたあとの情報が次の判断に関わります。

MITのEmbodied Intelligenceの研究説明も、知覚、計画、行動がどうつながるかを研究課題に挙げています。単に画面から物の名前を読み取るだけでなく、その情報を使って何をするかまで扱う点に注目できます。

画像が分かることと、物を動かせることの違い

場面必要になることの例できたと判断する範囲
画像の中の積み木を見つける物の位置や種類を捉える画像について答えられた
積み木をつかんで運ぶ届く範囲、つかみ方、動く道筋を扱う指定した条件で動作できた
移したあとを確かめる結果を観察し、目的の状態と比べる実際の結果を確認できた

画像を説明するAIが、そのまま物を運べるとは限りません。逆に、機械が動いているというだけで、周囲を捉えて柔軟に判断しているとも限りません。決まった動きを再生しているのか、観察した結果に応じて動きを変えているのかは、説明を分けて読む必要があります。

この違いは「どちらが賢いか」の順位ではありません。何を入力し、何を出力し、何を確かめたシステムなのかという違いです。

身体性AIという名前だけでは、任せられる仕事は決まらない

「身体性AIを搭載」と書かれていても、何でも扱えるという意味にはなりません。つかむ物、置かれた位置、見え方などが変わったとき、どこまで対応できるかは個別に確かめられることです。

ロボットの説明を読むときは、次の三つを探してみましょう。

  • 何を受け取るか。 カメラ画像、力の情報など、判断に使う入力。
  • 何を動かすか。 アーム、車輪など、行動できる部分と範囲。
  • 結果をどう確かめるか。 動作後の状態を見直すのか、どこで作業完了とするのか。

ここが読めると、「AIが物を理解した」という一文を、実際の働きに分けて考えられます。家庭でどんな仕事を任せられるかは、家庭用ロボットの現在と未来が別に扱うテーマです。

現実を仮想空間で表す仕組みに興味があれば、デジタルツインの基礎もつながります。ただし、現実のモデルを作ることと、その中でAIが知覚や行動を行うことは、同じ作業ではありません。

次にロボットの記事を読んだら、姿の印象に加えて「何を受け取り、どう動き、結果をどう知るか」を探してみてください。身体性AIが取り組む課題を、具体的な動作として捉えられます。