ロボット基盤モデル
Robot Foundation Model
ろぼっときばんもでる
大量で多様なデータで事前に学習し、特定の作業に限らず多くの種類のロボットの作業に応用できるようにした基盤モデル。画像と言語を扱うVLM（vision-language model）や、さらにロボットの動作の出力までを1つのモデルで扱うVLA（vision-language-action）モデルがあり、言葉で指示した作業をロボットに実行させる研究と実用化が進んでいる。
Related
関連キーワードの用語
カメラの画像と言語による指示を入力として受け取り、ロボットの関節の動きなどの行動（アクション）を直接出力するAIモデル。VLMに行動の出力を加えたもので、「机の上の赤いカップを取って」のような指示から、見えている状況に合わせた動作を生成する。ロボット基盤モデルの中心的な形態。
AIが周囲の環境の仕組みを内部に学習したモデルで、ある状態で行動をとったときに環境がどう変わるかを予測できるもの。ロボットなどのエージェントは、現実に行動する前に世界モデルの中で結果を予測して計画を立てたり、学習したりできるので、現実の世界での試行の回数を減らせる。
脳の働きの理論である自由エネルギー原理に基づき、知覚と行動を、内部のモデルによる予測と実際の感覚の差（予測誤差）を小さくする過程として統一的に説明する枠組み。エージェントは、モデルを更新して予測を合わせるか、行動して環境を予測に近づけるかで予測誤差を減らす。ロボットの行動の生成への応用が研究されている。
産業用ロボットに作業させる方式の一つで、人がティーチングペンダントなどでロボットを操作して動作の位置や順序を記憶させ（ティーチング）、それを繰り返し再生（プレイバック）させるもの。決まった作業を正確に繰り返すのに向くが、対象物の位置や形が変わると対応できず、教示し直す必要がある。
機械学習、特に強化学習で、目標の性能に達するまでに必要な学習データや試行の回数の少なさを表す性質。現実のロボットでの試行は時間がかかり、機器の損傷の恐れもあるため、サンプル効率の高い学習の手法や、シミュレーションでの事前の学習が重要になる。
シミュレーションの中で学習したロボットなどの制御が、現実の環境ではうまく働かないという、シミュレーションと現実の差。摩擦、質量、センサーの雑音、照明などをシミュレーションが完全には再現できないことから生じる。シミュレーションの条件をランダムに変えて学習させる方法や、ドメイン適応で差を小さくする。