gprisma ロボットは指示されたすべてのタスクを完了しても、次に何が起こるかという重要な問いを残すことがある。 それは、物理的な作業が連鎖しているからだ。 ロボットが一つの行動を終えると、次の行動が続く。 別のロボットが同じ空間を必要とするかもしれない。 人間がその領域に手を伸ばす必要があるかもしれない。 次の対象物はすでに待機しているかもしれない。 したがって、ロボットは自身のタスクを完了することだけでなく、その終了の仕方が次のタスクにも影響を与える可能性がある。 このエピソード（エピソード#50981）で私が興味深く感じたのは、その細部である。 結局、腕は作業領域から離れ、その単純な終了動作は、物理的AIをどのように評価すべきかというより大きなアイデアを開く。 [] 完了したタスクでも問題を生む可能性がある ロボットがサンプルを正確な位置に置いたが、腕を次に使用されるべき領域に横たえたままにしたとしよう。 最初のタスクは成功した。 しかし、次のタスクは問題を抱えることになる。 これは、孤立したデモを通じて動作するロボットと、リアルな環境で継続的に動作するロボットとの間の重要な違いである。 実際の実験室、工場、病院、またはその他の共有空間では、各タスクの後にクリーンなリセットが行われることはめったにない。 ロボットは、他の作業が続く同じ環境の中で一つのタスクを終える。 つまり、成功は対象物の最終位置だけでは測れない。 ロボットが残した状態にも配慮する必要がある。 [] 最後の動作が次の十のタスクに影響する タスクが連鎖している場合、この点はさらに重要になる。 一つの行動が次の行動の準備になることがある。 一つのロボットが終了しなければ、別のロボットが安全に同じ領域に入れないこともある。 人間が機械の作業終了直後にアクセスを必要とするかもしれない。 最初のロボットが空間を不自然に残すと、次のステップには余分な動きや余分な時間がかかる可能性があり、甚至人間の介入が必要になることもある。 この小さな非効率性は、長いワークフロー全体に繰り返し影響を与える。 一つのタスクの最後に数秒の無駄が生じたとしても、一度だけならそれほど問題ではない。 しかし、何百回、何千回と繰り返されると、それは実際の運用上の問題となる。 [] 共有空間は「良い行動」の定義を変える これはソフトウェアと物理的AIの大きな違いの一つである。 ソフトウェアプロセスは完了するとその場から消える。 一方、物理的ロボットは空間を占有し続ける。 その腕には位置がある。 その本体には位置がある。 周囲の物体にも位置がある。 したがって、物理的AIは目標に到達する方法だけでなく、環境全体と共有する他のすべての要素とどのように動作するかを学ぶ必要がある。 だからこそ、ロボットの最終位置には有用な情報が含まれている。 それはロボットが自身の存在が作業環境の一部であることを理解しているかどうかを示している。 [] 次のタスクは前のタスクの後始末をすべきではない ここにはもう一つの実用的なポイントがある。 新しいタスクごとに人間や別のロボットが前のロボットをどかさなければならないとすれば、その作業は単に別の場所に押し付けられているだけである。 元のロボットは指示されたタスクを完了したという評価を受けられるかもしれない。 しかし、より広いシステムはそのタスクの終了方法によって余分な作業を強いられている。 将来の物理的AIにとって、この区別は重要である。 私たちは孤立した行動を完了して他人に環境を再整備させるようなロボットではなく、連続的なワークフローに貢献できるロボットを求めている。 [] だからこそ、終わり方も検証されるべきだ 検証とは、明らかに見える成功の瞬間を超えて見ることを可能にする。 有用な証拠は、ロボットが正しい対象物を扱い、正しい場所に到達したかどうかだけではない。 その行動周辺で何が起きたか、そして作業終了後にロボットが残した状態も含む。 この情報は、タスクが連鎖し、空間が共有され、ミスや不適切な位置づけが次に起こることに影響を与える環境でロボットを訓練する際に価値を持つ。