ロボティクスは、物理的な機械、すなわちロボットの設計、構築、操作、プログラミングを扱う工学およびコンピュータ科学の一分野であり、ロボットは環境を感知し、その環境内で物理的な行動を取る。ロボティクスは現代の人工知能より数十年早く、1960年代に工場の床に導入された産業用アームにまで遡るが、知覚、計画、制御が手書きのルールから学習モデルへと移行するにつれて、この分野はAIとますます密接に結びついており、この収束はしばしば身体化されたAIという広い見出しの下で議論される。
産業用から学習型ロボティクスへ
1961年にゼネラルモーターズの工場に設置されたユニメートアームのような初期の産業用ロボットは、厳密に管理された環境で固定された事前プログラム済みの動作シーケンスを通じて動作し、非構造化された世界の知覚を必要としなかった。1980年代から1990年代にかけての研究用ロボティクスは、ロドニー・ブルックスのサブサンプションアーキテクチャロボットのようなプロジェクトに代表され、象徴的な計画の代替として、反応的でセンサー駆動の制御を探求した。2004年と2005年のDARPAグランドチャレンジ競技会は、自律走行車に砂漠のナビゲーションを課したもので、現代のロボット知覚と計画研究を開始し、自動運転車産業を育成したと広く評価されている。その後の20年間で、コンピュータビジョンと強化学習は、把持、移動、ナビゲーションなどのタスクにおいて手作りのルールをますます置き換え、主にシミュレーションで訓練されたロボットが物理世界である程度一般化できるようになり、この転移はしばしばシミュレーションから実世界への転移と呼ばれる。
AI駆動の知覚と制御
現代のロボティクスは、AIの他の分野で使用されるのと同じ深層学習技術に大きく依存している。畳み込みニューラルネットワーク、そして後に視覚言語モデルシステムは、ロボットに物体やシーンを認識する能力を与える。強化学習と模倣学習（ロボットが記録された人間のデモを模倣することで学習する）は、制御ポリシーを訓練するために使用される。そして2020年代初頭以降、視覚言語行動（VLA）モデルは、大規模な事前訓練済み視覚言語モデルのバックボーンと、ロボットのモーターコマンドを直接生成する出力ヘッドを組み合わせ、単一のモデルが多様な物理的タスクにわたって自然言語の指示に従えるようにした。これにより、確立されたロボティクス研究室と、新たにこの分野に参入したAI企業の両方によって追求される、汎用ロボット基盤モデルの波が生まれた。
応用分野
産業用および倉庫用ロボティクスは依然として最大の導入基盤であり、ロボットアームと自律移動ロボットは製造と物流で広く使用されており、アマゾンのような企業が運営する大規模なフルフィルメント業務も含まれる。ダヴィンチシステムに代表される手術用ロボティクスは、遠隔操作の器具を通じて外科医の精度を拡張する。農業用ロボットは収穫と作物監視を処理し、家庭用ロボット（最も成功しているのはロボット掃除機）は、これまでで最も広く採用されている消費者向けカテゴリを表す。ヒューマノイドロボットプラットフォームは人間が設計した環境での汎用タスクを目指し、自動運転車システムは、2020年代半ば時点でこの分野の最も資本集約的で注目されているフロンティアを表す。
課題
AIの急速な進歩にもかかわらず、ロボティクスは歴史的に純粋にデジタルなAIアプリケーションよりもゆっくりと進歩しており、このギャップはしばしばモラベックのパラドックスとして要約される。人間にとって簡単なタスク（不規則な形状の物体を拾う、不均一な地形を歩くなど）は機械にとって難しいままである一方、人間にとって難しいタスク（複雑な計算など）はコンピュータにとって比較的簡単である。物理ロボットはまた、純粋にソフトウェアベースのAIシステムが直面しない制約に直面している。これには、ハードウェアのコスト、耐久性、人間の周りでの安全性、そして現代の大規模言語モデルやテキストから画像へのシステムを訓練したインターネット規模のテキストおよび画像コーパスに匹敵する、大規模で多様な実世界の訓練データを収集することの難しさが含まれる。