タグ: カーネギーメロン大学（組織）

カーネギーメロン大学のロボティクス研究所では、2年間にわたって暫定的にポストを担ったSrinivasa Narasimhan（スリニヴァサ・ナラシマン）教授が退任し、この度6人目となるディレクター、Matthew Johnson-Roberson（マシュー・ジョンソン=ロバーソン）氏が着任した。2005年にカーネギーメロン大学コンピュータサイエンス学部を卒業した同氏は、ミシガン大学の海軍建築・海洋工学部および電気工学・コンピュータサイエンス部の准教授を経て同ポジションに就任することとなった。

関連記事：フォードがロボティクス研究でミシガン大学に研究者やエンジニアら100人を配置

ジョンソン=ロバーソン氏はUM Ford Center for Autonomous Vehicles（ミシガン大学自動運転車Fordセンター）の共同ディレクターも務めており、今回はそのオフィスから新しい役職における今後の計画や、ロボット研究の将来像について語ってくれた。

TC：今はミシガンでFord（フォード）関連に取り組んでいる最中なのですか？

MJR：そうですね。数人の生徒とともにロボット関連の研究をして楽しんでいますよ。

TC：そこでの主な取り組みは何でしょうか。

とても多くのことを進めています。Fordのための長期的で既成概念にとらわれない研究です。Argo（アルゴ）のように、できれば半年から3年以内に道路を走れるようになる予定のものを対象に多くの研究を行っています。道路を走れるようになるのが5年から10年先のようなものに対しても長く取り組んでいます。新タイプの奇妙なセンサーから人間の予測や安全性の保証まで、あらゆることに非実際的なアプローチをとることができるのが大学の良いところです。

TC：Fordとミシガン大学がとっているような連携システムは、多くの大学にとっての手本のような存在になるのだと感じます。特にCMU（カーネギーメロン大学）のような大学には、裕福な資金提供者との長い歴史があります。こういったパートナーシップは今後大学研究のモデルになっていくとお考えですか？

これは、過去20年間にわたってロボット工学が通り抜けてきた変革を反映しています。90年代、00年代に開発された技術の多くが成熟して商用製品として展開されるようになり、多くの産業の未来に大きな変化をもたらしています。企業と大学が徐々に関係を持ち始めるようになったというのは、自然な流れだと思います。ピッツバーグという街を見ても、天然資源や鉄鋼を中心とした重工業からの転換が進んでいますが、この転換はさらに加速するでしょう。

関係性を継続し、新しい関係を築いていくことが私の目標の1つです。産業界だけでなく政府や政策など、これからのロボット工学に関連するあらゆることを考慮し、そうした関係を築いて研究所ですでに行われている技術的な仕事の強みを生かしていきたいと思っています。これは私が特に楽しみにしていることです。

TC：ピッツバーグでは地元スタートアップ企業が数多く存在する一方で、Google（グーグル）のような大企業も研究や法廷を学んだ卒業生の近くに進出してきています。このような関係をさらに深めるため、CMUはどう取り組んでいるのでしょうか。

CMUのある教授と共同するためにWaymo（ウェイモ）のオフィスを開設しています。このような関係は、教員とだけでなく学生に対しても見られます。高度な訓練を受けた新しい従業員こそがこういった企業の生命線です。採用活動で優位に立ち、人々が来たいと思うような文化を築くためにできることは、これらの企業にとって大きな利点となります。また、企業が共同研究を行ったり、研究のスポンサーになったりして、新しいプロジェクトを開発したり、入学してくる学生との新しい関係を築いたりしています。大学の最もすばらしい点は、毎年世界で最も賢い人々が新たに入ってきてくれるという点です。

TC：大学という幅広い文脈の中で、これらのスタートアップ企業の成長を支援するというのはあなたのタスクの1つとお考えですか。

そうですね。私自身、スタートアップを立ち上げる機会がありましたし、知識に大きなギャップがあることを知りました。非常に賢く、世界に対して大きな野心を持っている学生が大勢いるため、彼らがそれを実現できるように支援する方法を考えることが私の役割だと思っています。今あなたが強調したのもスタートアップですし、エコシステムという言葉がよく聞かれます。その地域に他のスタートアップ企業があるということもありますが、それに加えて一緒に何かをしたり、何かを作ったりする気の合う仲間を見つけることができるコミュニティがあるということです。

TC：現在ミシガン大学にいらっしゃるので、デトロイトで起きている変革を目の当たりにしていると思います。スタートアップコミュニティの育成という点でデトロイトはピッツバーグほど進んでいないかもしれませんが、そこには多くのチャンスがあります。CMUが惹きつけた人材を維持するために、学校はどういった役割を果たせるでしょうか？

いくつかのことがあります。近年ますます重要だと感じることの1つは、まずチャンスがそこにあることを認識するということです。ロボット産業のスピードと規模は、私たちの誰もが予想できないほどの速さで加速しています。そのために重要なのは、そのことを認め、じっとしていようとしないことです。業界は変化し、ロボットを取り巻くエコシステムが変化し、またこれらの企業を取り巻く規模やスケールも変化しています。これを実現するための方法をともに考えていきたいのです。

TC：ロボット工学は歴史的に最もインクルーシブな分野ではありません。その中でCMUはどのような役割を果たしていけるでしょうか？ CMUのようなところに入学する多くの人は、入学する前からロボット工学に慣れ親しんでいる人たちなのではないでしょうか。

今回私はCMUにいる間に2つのことを残したいと思っています。1つ目は機会を増やし、参加者の幅を広げ、各分野における多様性を高めるということです。そして2つ目はもっと重要なことだと思います。大学は若い人たちの心を形成するのに適した場所です。私がロボット工学に多様性と包括性を持たせるための変革を起こすためには、第一級のロボット研究機関にいるということ以上に効果的な方法はありません。次世代のロボット工学者の誕生の場にいるということなのですから。

TC：あなたはCMUに入学した当初、ロボット工学を専攻していたわけではないので、良い例ですね。

まったくその通りです。さらにもう一歩踏み込むと、CMUに入学したとき私はとても苦労しました。みんなが自分よりも賢いという場所に足を踏み入れたのは初めてのことでした。それこそがあの場所の特別なところだと思います。何があってもロボット工学を辞めることにはなりませんでした。それは当時も今も、あの場所にいる人々のおかげだと私は思います。

TC：最近のロボット工学において最も楽しみにしていることは何ですか？

世界各地で展開されている大規模なロボット工学分野のシステムは、現在まさに変曲点に来ています。いつか、米国や世界のどこにいても、窓の外を見ればロボットが何か役に立つことをしているという状況になって欲しいと思っています。今の世界はそうではありません。工場の現場などに行けばロボットを見ることができますし、もしかしたらロボット掃除機を持っているかもしれませんが、私は窓の外を見るとロボットがいるというレベルにしたいと思っています。

画像クレジット：CMU

［原文へ］

（文：Brian Heater、翻訳：Dragonfly）

部屋が最後に掃除されたのはいつか、ゴミ箱の中身がすでに捨てられたかをスマートスピーカーに問いかけることで、家庭内の争いを解決する（または蒸し返す）ことができる。そんな状況を想像してみて欲しい。

あるいは、健康関連の用途で、エクササイズ中にスピーカーにスクワットやベンチプレスの回数をカウントするように指示できたらどうだろう？または「パーソナルトレーナーモード」をオンにして、あなたが古いエクササイズバイクをこぐ際に、もっと早くこぎましょう、と気合を入れてくれるよう指示できたら（Pelotonなんて必要なし！）？

そして、あなたが食事をしているのをそのスピーカーが認識し、雰囲気にあった音楽を流してくれるほど賢かったらどうだろう？

そしてこうしたアクティビティの追跡を、インターネットに接続されたカメラを家の中に設置することなくできたら、と想像してみよう。

カーネギーメロン大学のフューチャーインターフェースグループの研究で、これらのことが実現できる可能性が浮上している。この研究ではセンシングツールとしてカメラを必要としない、アクティビティ追跡のための新しいアプローチを実証しているのだ。

家の中にインターネットに接続されたカメラを設置することは、プライバシーの観点から言えば、当然大きなリスクとなる。そのため、カーネギーメロン大学の研究者らは、人間のさまざまなアクティビティを検出するための媒体として、ミリ波（mmWave）ドップラーレーダーの調査に着手した。

彼らが解決すべきだった課題は、ミリ波が「マイクやカメラに近い信号の豊富さ」を提供する一方、さまざまな人間の活動をRFノイズとして認識するようAIモデルをトレーニングするためのデータセットを、簡単には入手できないという点である（この点他のタイプのAIモデルをトレーニングするための視覚データとは異なる）。

この問題の解決を目指し、彼らは、ドップラーデータを合成し、人間のアクティビティ追跡モデルにデータを供給することに着手した。プライバシーを保護することが可能なアクティビティ追跡AIモデルをトレーニングするためのソフトウェアパイプラインを考案したのだ。

その結果をワシントンD.C.こちらの動画で確認できる。この動画では、AIモデルがサイクリング、手を叩く、手を振る、スクワットをするといったさまざまなアクティビティを、動きから生成されるミリ波を解釈する能力を用いて正しく認識しているのが示されている。そしてこれは純粋に一般のビデオデータを用いたトレーニングの成果である。

「私たちは、一連の実験結果を通し、このクロスドメイントランスレーションがどのように達成されるかを提示しています」と彼らは書いている。「私たちは、このアプローチがヒューマンセンシングシステムなどのトレーニングの負担を大幅に低減する重要な足がかりであり、人間とコンピュータの相互作用におけるブートストラップ型使用に役立つものであると考えています」。

研究者であるChris Harrison（クリス・ハリソン）氏はワシントンD.C.、ミリ波によるドップラーレーダーベースのセンサーは「非常に微妙なもの（表情の違いなど）」は認識できないと認めている。しかし、食事をしたり本を読んだりといったそれほど活発でないアクティビティを検出するには十分な感度を備えているという。

またドップラーレーダーの持つ動きの検出能力は、対象とセンシングハードウェアの間のLOS（無線波の送受信が可能な範囲）にも制限を受ける（別の言い方をすれば「まだその段階に達していない」ということである。これは、将来ロボットが人検出能力を身につけることを懸念している人にとっては、ちょっとした安心感を得られる情報だろう）。

検出には、当然特殊なセンシングハードウェアが必要になる。しかし、物事はすでにその方向に向かって動き出している。例えば、GoogleはすでにPixel 4にレーダーセンサーを追加するというプロジェクトSoli に着手している。

GoogleのNest Hubにも、睡眠の質を追跡するために同じレーダーセンサーが組み込まれている。

関連記事：グーグルが7インチディスプレイの新型Nest Hub発表、Soliレーダーが睡眠トラッキング用途で復活

「レーダーセンサーがあまり携帯電話に採用されていない理由の1つは、説得力ある使用例がそれほどないためです（ニワトリが先かタマゴが先かということだが）」とハリス氏はTechCrunchに語った。「私たちのレーダーを用いたアクティビティ検出に関する研究により、より多くのアプリを使用できる可能性が浮上しています（例えば食事をしているとき、夕食を作っているとき、掃除をしているとき、運動しているときを認識できるよりスマートなSiriなど）」。

携帯用アプリと固定アプリでは、どちらにより大きな可能性があるかと聞かれ、ハリス氏はどちらにも興味深い使用事例があると答えた。

「携帯用アプリにも固定アプリにも使用事例はあります。Nest Hubに話を戻すと【略】センサーはすでに室内にあるため、それを使用して、Googleスマートスピーカーのより高度な機能をブートストラップすることができます（エクササイズで回数を数えるなど）」。

「建物には使用状況を検出するためにすでにレーダーセンサーが多数取り付けられています（しかし、今後は部屋の清掃が最後に行われたのはいつかなどを検出することが可能になる）」。

「これらのセンサーのコストはまもなく数ドルにまで落ちるでしょう（eBayで扱っているものの中にはすでに1ドルに近いものがある）。従って、あらゆるものにレーダーセンサーを組み込むことが可能です。そしてgoogleが寝室に設置される製品で示しているように「監視社会」の脅威は、レーダーが使用される場合、カメラセンサーを使った場合に比べはるかにリスクの少ないものになります」。

VergeSenseといったスタートアップは、すでにセンサーハードウェアとコンピュータビジョンテクノロジーを用いて、B2B市場向けの、屋内空間とアクティビティに対するリアルタイム分析（オフィスの使用状況を測定するなど）を強化している。

関連記事：職場の人の密度などを分析するサービスVergeSenseがシリーズBで約12.4億円を調達

しかし、解像度の低い画像データをローカルで処理したとしても、消費者環境では、視覚センサーを使用することでプライバシーのリスクが発生すると認識される可能性がある。

レーダーは「smart mirrors」のような、プライバシーをリスクにさらす危険のある、インタネットに接続された消費者向けのデバイスに、より適した視覚的監視の代替手段を提供する。

「ローカルに処理されたからといって、あなたはカメラを寝室や浴室に設置しますか？私が慎重なだけかもしれませんが、私なら設置しません」とハリス氏。

彼はまた、以前なされた研究に言及した。これはより多くの種類のセンシングハードウェアを組み込むことの価値を強調したものだ。「センサーが多いほど、サポートできる興味深いアプリケーションが増えます。カメラはすべてを捉えることができませんし、暗闇では機能しません。

最近はカメラもとても安価なため、レーダーが安いとはいっても、価格で勝負するのは困難です。レーダーの最大の強みは、プライバシーの保護だと思います」と彼は付け加えた。

もちろん、視覚的なものにしろ、そうでないものにしろ、センシングハードウェアを設置すれば、プライバシーがリスクにさらされる危険性は発生する。

例えば、子どもの寝室の使用状況を捉えるセンサーは、そのデータにアクセスするのが誰かによって、適切なものにも、不適切なものにもなるだろう。そして、あらゆる人間のアクティビティは、起こっている事柄によっては、安易に公開できない情報を生成するものだ。（つまり、セックスをしているのをスマートスピーカーに認識されてもかまわないか、という話である）

従って、レーダーを用いたアクティビティ追跡が他の種類のセンサーよりも非侵襲的だとはいっても、プライバシーの問題が生じないとは言い切れないのだ。

やはりそれはセンシングハードウェアがどのように使用されているかによる。とはいえ、レーダーが生成したデータはカメラなどが生成した視覚データに比べ、漏洩によってそれが人々の目にさらされた場合、比較的機密性が低いという点は間違いないだろう。

「いずれのセンサーにも、おのずとプライバシーの問題はつきまといます。プライバシーの問題があるか、ないか、ではなく、それは程度の問題です。レーダセンサーは詳細を捉えることができますが、カメラと違い匿名性が高いといえます。ドップラーレーダーデータがオンラインでリークされても、気まずい思いをすることはないでしょう。誰もそれがあなただとは認識できないからです。しかし、家の中に設置されたカメラからの情報がリークされた場合は、どうでしょうか……」。

ドップラーシグナルデータがすぐには入手できないことを前提とすると、トレーニングデータの合成にかかる計算コストは、どれ程だろうか？

「すぐに使えるというわけではありませんが、データを抽出するのに使用できる大規模なビデオコーパスは豊富にあります（Youtube-8Mのようなものを含め）」とハリス氏はいう。「動きのデータを収集するために人々をリクルートして研究室に来てもらうより、ビデオデータをダウンロードして合成レーダデータを作成するほうが、データ収集を桁違いに速く行うことができます」。

「実際の人物から質の高い1時間のデータを得ようとすると、どうしても1時間はかかります。しかし最近では、多くの良質のビデオデータベースから何百時間もの映像を簡単にダウンロードすることができます。ビデオ1時間を処理するのに2時間かかりますが、これは研究室にあるデスクトップ一台あたりの話です。重要なのは、Amazon AWSなどを使ってこれを並列化し一度に100本のビデオを処理できるということです。そのため、スループットは非常に高いものになります」。

また、無線周波数信号は、さまざまな表面からさまざまな程度で反射するが（「マルチパス干渉」としても知られる）、ハリス氏によると、ユーザーによって反射された信号は「圧倒的に優勢な信号」である。つまり、デモモデルを機能させるために、他の反射をモデル化する必要はない（しかしハリス氏は、機能をさらに磨くために「壁/天井/床/家具などの大きな表面をコンピュータービジョンで抽出し、それを合成段階に追加することができる」と述べた）。

「ワシントンD.C.（ドップラー）信号は実際に非常に高レベルで抽象的なため、リアルタイムで処理するのは特に困難ではありません（カメラよりはるかに少ない「ピクセル」のため）。車に組み込まれたプロセッサーは衝突被害軽減ブレーキシステムやブラインドスポットの監視などのためにレーダーデータを使用しています。そしてそれらはローエンドのCPUなのです（ディープラーニングなどを行わない）」。

この研究は、他のPose-on-the-Goと呼ばれる別のグループプロジェクトとあわせ、ACM CHIカンファレンスで発表されている。Pose-on-the-Goは、ウェアラブルセンサーを使わずに、スマートフォンのセンサーを使用してユーザーの全身のポーズの概要を捉えるものだ。

また、このグループのカーネギーメロン大学の研究者らは、安価に屋内「スマートホーム」センシングを実現する方法をワシントンD.C.以前実証しているワシントンD.C.（これもカメラを使わない）他、ワシントンD.C.2020年は、スマートフォンのカメラにより、デバイス上のAIアシスタントに詳細なコンテクストを供給する方法を示してもいる。

関連記事：音声AIがスマホカメラに映る映像を解析して質問にズバリ答えられるようにするWorldGaze

近年彼らはワシントンD.C.レーザー振動計や電磁雑音を使ってスマートデバイスにより適切に環境認識をさせ、コンテキスト機能を与える方法の研究も行っている。このグループによる他の研究には、伝導性のスプレーペイントを用いてワシントンD.C.あらゆるものをタッチスクリーンに変える研究や、ワシントンD.C.レーザーで仮想ボタンをデイバイスユーザーの腕に投影したり、別のウェアラブル（リング)ワシントンD.C.をミックスに組み入れるなどして、ウェアラブルのインタラクティブな可能性を広げるさまざまな方法の研究が含まれていて大変興味深い。

現在の「スマート」デバイスは基本的なことにつまづくなど、あまり賢くないように見えるかもしれないが、今後人とコンピューターのインタラクションが、はるかに詳細なコンテクストベースのものになるのは確かだろう。

関連記事：このロボットはレーザーを使ってその環境を「聴く」

カテゴリー：セキュリティ

タグ：レーダー、プライバシー、個人情報、アクティビティ、カーネギーメロン大学

画像クレジット：CMU

［原文へ］

（文：Natasha Lomas、翻訳：Dragonfly）

カーネギーメロン大学（CMU）のロボット工学研究室では、ヘビ型ロボットがすっかり名物のようになっている。筆者が同校を訪れる度に、この生体模倣ロボットは新しいスキルを習得しているようだ。そして今週、その技に水泳が加わったことが、同校から発表された。

このヘビ型ロボットには、水中ナビゲーション用の新しいハウジングが取り付けられ、2021年3月には実際にCMUのプールでテストが開始された。このプロジェクトは2020年7月に始まったというが「これほど速く動かせるようになったことに驚いています」と、Howie Choset（ハウィー・チョセット）教授は、今回の発表に関連するリリースの中で述べている。「その秘密はモジュール化と、CMUでこの技術を研究している人々にあります」。

このHUMRS（Hardened Underwater Modular Robot Snake、強化型水中モジュール式ヘビ型ロボット）は、ARM（先進ロボット工学製造）研究所の助成を受けて開発された。

陸上用のヘビ型ロボットは、他の一般的な構造によるロボットでは入れないような、パイプなどの狭い場所にも入ることができるという特長がある。水中でも同様の機能を発揮する。今回のプロジェクトでは、国防総省による使用が想定されており、特に潜水艦や戦艦、その他の船舶の損傷を検知する検査機能が期待されている。

非軍事分野では、リグやタンク、水中のパイプなどの検査に使用される。

関連記事：カーネギーメロン大、6脚ロボットを開発――動物の移動の仕組みはロボットの重要なヒントに

カテゴリー：ロボティクス

タグ：カーネギーメロン大学、ロボット、ヘビ

画像クレジット：CMU

［原文へ］

（文：Brian Heater、翻訳：Hirokazu Kusakabe）

ソフトロボティクスは長い間、新興技術の中でも最もエキサイティングな分野の1つだった。もちろん他の新技術と同様に、この分野にも従来のモデルに比べていくつかの欠点がある。柔らかい素材で作られたロボットは硬い素材のロボットに比べて、柔軟性や耐久性に優れているが、電気的な接続性に問題がある場合が多い。そして多くの場合、水や空気で満たされたブラダーが動きを助けるために使用される。

カーネギーメロン大学の新しい研究によると、ハイドロゲルのような柔らかい素材ではその即応性を損なうことなく、導電率を高めることができるという。

直近の科学ジャーナルで取り上げられたこの方法は、スクリーン印刷に似た方法で、マイクロメートルサイズの銀粉を混合物に加える。材料が部分的に脱水されると、銀粉は電荷を送達するための接続を形成し始める。研究チームはこの粉末を「皮膚上の第2層の神経組織」 に似ていると説明している。

機械工学を専門とするCarmel Majidi（カーメルマジディ）教授は「高い導電性と高い即応性、つまり『しなやかさ』を備えたこの新しい複合材料は、バイオエレクトロニクスやその他の分野でさまざまな応用が可能です」と述べている。「例としては、信号処理用のセンサーを備えた脳ステッカー、電子機器に電力を供給するウェアラブルなエネルギー生成デバイス、伸縮可能なディスプレイなどがあります」。

ソフトロボティクスでは多くの用途が考えられるが、医療分野は最も魅力的な分野の1つだ。脳卒中患者やパーキンソン病の症状に苦しむ患者への支援など、運動障害や筋疾患の治療が注目されている。

関連記事：ロボット構造の硬度を変化させる自然現象の影響を受けた新たなケーブル技術

カテゴリー：ロボティクス

タグ：カーネギーメロン大学

画像クレジット：Carnegie Mellon University

［原文へ］

（文：Brian Heater、翻訳：塚本直樹 / Twitter）