エンボディドAI

01定義

チャットボットが処理するのは、ユーザーがたまたま入力したテキストだけです。対照的にエンボディドAIのエージェントは、カメラ・関節・力覚センサーといった「身体」を通じて、知覚し行動するための連続的なセンサー入力の流れを持っています。その身体が倉庫の床の上を動く実際のロボットであれ、仮想の3D環境を移動するアバターであれ変わりません。「エンボディド（身体性）」が指すのは、この知覚・行動の媒体であって、身体の特定の形状ではありません。

02学術的な起源：ロドニー・ブルックスと「身体性認知」

この概念は「身体性認知（embodied cognition）」の研究に遡ります。1980年代、ロボット工学者ロドニー・ブルックスが強く主張したのは、知能は抽象的な記号を単独で処理することによってではなく、環境と相互作用する身体を持つことによって形作られる、という考え方です。ブルックスが1986年に提案した「包摂アーキテクチャ（subsumption architecture）」は、中央集権的な計画モジュールではなく、単純で反射的な行動の階層からロボットを組み立てるもので、1990年の論文「Elephants Don't Play Chess（象はチェスをしない）」では、動物は将棋やチェスのような記号的推論を一切使わずに物理世界を移動していることを根拠に、チェス型の記号的推論は知能のモデルとして誤っていると論じました。

03フィジカルAIとの関係

04「身体を持つ」とAIが難しくなる理由

実務上、エンボディドAIのエージェントは、純粋にテキストだけを扱うシステムが直面しない課題に対処する必要があります。部分的な観測（カメラは部屋の一部しか映せない）、遅れて到着し不完全なセンサーのフィードバック、そして厳しい物理的制約（グリッパーは、ある力を超えると物を壊してしまう）です。「環境」がテキストの塊であるうちは、こうした問題は一切現れません。

05研究で使われる代表的なシミュレーター

実機での学習は遅く、高価なロボットを壊しかねないため、エンボディドAI研究の多くはまずシミュレーション上で行われます。

06よくある質問（FAQ）