スペース2.0：自律ロボットとAIの台頭
人類が星々の彼方の世界をより深く理解したいという欲求は、画期的な成果をもたらしてきました。宇宙へのこの魅了は、アポロ11号による月面着陸など、地球を超えた人類の第一歩を記すマイルストーンの達成に貢献しました。この大きな一歩と共に、私たちは野心的で好奇心に駆られた宇宙探査の時代に突入したのです。しかし、天体の探査と理解への道のりは、決して平坦なものではありませんでした。実際、高レベルの放射線、極端な温度変動、真空状態、機械的故障、未知の環境に伴う不確実性など、宇宙の危険に晒されることで、人類に深刻なリスクをもたらしました。より安全で効率的なシステムの必要性は明らかであり、それがロボット工学と人工知能の開発と導入につながりました。これらの技術的進歩は、広大な宇宙を探査するためのより優れた、より安全な方法を私たちに提供しました。その結果、ロボットは現在、宇宙ミッションの重要な一部となっています。これらの機械は、人間にとって単純に危険すぎる環境において、主要な探査者として急速にその地位を確立しつつあります。私たち人間のような脆弱な存在とは異なり、これらのロボットシステムは宇宙の極限環境に容易に耐えることができます。さらに重要なことに、疲れたり飽きたりすることなく継続的に作動することが可能です。そして、それがNASAがロボットを広範に活用している理由です。例えば、国際宇宙ステーション（ISS）で乗組員を支援するために、Astrobeeの自由飛行ロボット「Bumble」、「Honey」、「Queen」を使用しています。これらの立方体形状のロボットは、物資の追跡、システムの操作、動画の記録などの日常業務を支援し、宇宙飛行士がより重要な任務に集中できるようにしています。しかし、それだけではありません。AIと統合されることで、これらの機械は膨大な量のデータをリアルタイムで処理し、自律的に意思決定を行うことも可能になり、さらに強力な存在となります。この分野での継続的な革新は、これらの能力をさらに高めることを目指しています。最近では、中国のロボット企業Engine AIが、世界初のヒューマノイドロボット宇宙飛行士を宇宙に送り込むという野心的な計画を発表しました。PM01は、宇宙に送られるヒューマノイドロボットです。この軽量でオープンソースの知的ヒューマノイドプラットフォームは、人間のような動作と高度なロボット知能を融合させています。超高速の動作応答、高精度の環境センサー、自律的意思決定能力に加え、人間の動きを模倣した生体構造と高度にインタラクティブなコアディスプレイを備えています。複雑な知覚、動作制御、リアルタイムワークロードを管理するために、そのデュアルチップアーキテクチャはNVIDIA Jetson OrinモジュールとIntel N97 CPUを組み合わせ、高性能コンピューティングを実現します。このように、ロボットがより耐性があり、適応性が高く、自律的になるにつれて、宇宙ステーションの外部メンテナンスや、宇宙飛行士に重大な危険を及ぼす長期的な監視任務など、高リスクのタスクを引き受けることができるようになるでしょう。宇宙探査の未来は、明らかにさらなる自動化に向かっています。宇宙飛行士を危険に晒す代わりに、広大な距離を越えて協調的に作業できるインテリジェントロボットのネットワークに彼らを置き換えるミッションが行われるようになります。さて、この変革が実際にどのように進行しているかを、2つの主要な開発を通じて見てみましょう。月と火星の地下溶岩チューブを探査する自律ロボット工学と、火星の地形を安全に移動するためのAI生成経路です。概要: ロボット探査機: 自律ロボットとAIは、極限環境に耐え、人間には危険すぎる環境で継続的に作動できる、宇宙における主要な探査者となりつつある。 AI駆動ナビゲーション: NASAのパーサビアランスローバーは、生成AIを用いて地形を分析し、人間の介入なしに安全な経路をプロットすることで、火星で初のAI計画走行を完了した。 地下探査: 月と火星の溶岩チューブを自律的にマッピング・探査するための協働ロボットチームが開発されている。これらは将来の人間の居住地として機能する可能性がある。 ロボットによる地球外溶岩チューブのマッピングとナビゲーション月で最初にピット（穴）が発見されてから約20年、火星で巨大な溶岩チューブが検出されてから半世紀以上が経過しています。これらの巨大な洞窟は、町全体を収容できるほど広大です。火山活動によって形成されたこれらの溶岩チューブは、アイスランド、ハワイ、シチリア、オーストラリア、ガラパゴス諸島など、地球上にも存在します。火星と月のこれらのチューブは、宇宙線、太陽放射、頻繁な隕石衝突から保護を提供することで表面よりも安全であるため、将来の人間の基地としての可能性を示していますが、容易にアクセスできるものではありません。これらの溶岩トンネルの内部は非常に鋭く、地形は不均一で、詳細な調査が必要です。しかし、これらの地下構造に関するより多くの情報を収集することは困難です。チューブ天井の崩落部分である天窓や、軌道画像で確認される長く曲がりくねった通路は、大きな地下空間を示唆しています。しかし、画像だけではどのチューブが居住地に適しているかを明らかにすることはできません。岩だらけの地形、限られた進入点、危険な状況といった課題に対処するため、マラガ大学（UMA）の宇宙ロボティクス研究所の研究者らは、3体のスマートロボットを使用してこれらの地下環境を自律的に探査する新しいミッションコンセプトを発表しました。ロボットは現在、スペインのランサローテ島の火山洞窟でテストされており、チームは将来の月面ミッションでの使用を目指しています。科学誌『Science Robotics』1に掲載されたこのコンセプトは、SherpaTT、LUVMI-X、Coyote IIIローバーという3種類の異なるロボットに基づいており、これらが自律的に協力して火星と月の過酷な地下空間を探査します。チームが提案するミッションは4段階からなります。まず、ロボットが洞窟の入り口をマッピングし、詳細な標高モデルを生成します。次に、センサーを搭載したペイロードキューブが洞窟内に展開され、初期測定を行います。その後、偵察ローバーが入り口から降下され、最終段階である過酷な地形の走行、データ収集、内部の詳細な3Dマップ作成を開始します。2023年初頭に火山島ランサローテで実施された実地試験では、チームのアプローチが計画通りに機能することが実証されました。この試験はドイツ人工知能研究センター（DFKI）が主導し、スペインの大学であるUMAと企業のGMVが貢献しました。UMAの宇宙ロボティクス研究所は、軌道上および惑星探査ミッションの両方をカバーし、宇宙ロボティクスにおける自律性を高めるための新技術と方法の開発に焦点を当てています。同研究所は、ローバーが経路を計画し、より独立して作動するのを支援するアルゴリズムの開発において、欧州宇宙機関と緊密に連携してきました。この試験は、4段階のミッションアプローチが技術的に実現可能であることを確認し、将来の惑星探査における協働ロボットシステムの可能性を強調しました。惑星探査ローバーのためのAI駆動ナビゲーションシステムもう一つの主要な開発として、NASAのパーサビアランスローバー（古代の微生物生命の兆候を探し、将来の地球への回収のためにサンプルを収集してきた自動車サイズのロボット科学者）が、「赤い惑星」で初のAI計画走行を完了しました。つまり、人間のオペレーターが計画した経路を使用する代わりに、この火星探査機はAIによって整理された経路を利用することで歴史を作ったのです。経路を作成するために、視覚機能を備えたAIはまず、人間のローバープランナーが使用する画像と地形データを分析して岩石や砂の波紋などの危険を特定し、その後、火星表面を横断する安全な経路を計画しました。しかし、AI生成の経路を実際に使用する前に、まずそれらの経路は六輪ローバーの仮想レプリカでテストされ、パーサビアランスはそれらに従って数百フィートを自律走行することに成功しました。ローバーの日々の運用を監督するNASAのジェット推進研究所（JPL）が主導し、パーサビアランスは現在、生成AIによって計画されたウェイポイントを用いて、別の惑星で初の走行を完了しました。「この実証は、私たちの能力がどれほど進歩したかを示し、他の世界を探査する方法を広げるものです」と、NASA長官のジェイレド・アイザックマンは述べています。「このような自律技術は、ミッションがより効率的に運用し、困難な地形に対応し、地球からの距離が広がるにつれて科学的成果を増大させるのに役立ちます。これは、チームが実際の運用において新技術を慎重かつ責任を持って適用する強力な例です。」昨年12月初旬のこのマイルストーン実証では、エンジニアは視覚言語モデルを使用して、JPLの表面ミッションデータセットからの既存データを分析しました。人間のプランナーが使用するのと同じ情報と画像を分析することで、システムはパーサビアランスが困難な火星地形を安全に移動するためのウェイポイント位置を特定しました。この成果は、JPLのローバー運用センター（ROC）とAnthropicのClaude AIモデルとの協調的な努力によるものでした。「地球上だけでなく、ローバー、ヘリコプター、ドローン、その他の表面要素におけるエッジアプリケーションに、私たちのNASAのエンジニア、科学者、宇宙飛行士の集合的な知恵で訓練された知的システムを想像してみてください」と、JPLの探査システム室長のマット・ウォレスは述べています。「それが、月への恒久的な人間の存在に必要なインフラとシステムを確立し、米国を火星やその先へ導くために必要なゲームチェンジング技術です。」火星は地球から1億4000万マイル離れており、通信遅延によりローバーをリアルタイムで制御することは不可能です。長い間、ローバーのナビゲーションは、人間が丹念に地形データを研究し、事前に経路を計画することに依存してきました。これらの経路は、ローバーが危険に遭遇するリスクを減らすために、約100メートル間隔で配置されたウェイポイントで構成されています。計画が完了すると、それらはNASAのディープスペースネットワーク（DSN）通信インフラを通じて送信され、ローバーはその後、指示を実行します。しかし、パーサビアランスが火星日1,707日目と1,709日目に走行した際、この責任は生成AIに委任されました。このシステムは、MRO宇宙船のナディア側に搭載されたHiRISEカメラによって取得された高解像度の軌道画像と、デジタル標高モデルからの地形傾斜データを分析しました。この情報は、AIが岩石地帯、岩盤、砂の波紋、露頭、その他の重要な地表特徴を特定するのに役立ちました。その後、AIは必要なすべてのウェイポイントを含む連続的な走行経路を開発しました。JPLの宇宙ロボティクス研究者でパーサビアランスエンジニアリングチームのメンバーであるヴァンディ・ヴァルマ氏によれば：「生成AIの基本的要素は、惑星外走行の自律ナビゲーションの柱である知覚（岩石や波紋を見る）、位置特定（自分がどこにいるかを知る）、計画と制御（最も安全な経路を決定し実行する）を合理化する上で大きな可能性を示しています。」これらの指示はJPLのデジタルツイン（ローバーの仮想レプリカ）で実行され、50万以上のテレメトリ変数をチェックして、計画がパーサビアランスのフライトソフトウェアと安全に連動することを確認しました。このAI生成計画を使用して、NASAのパーサビアランスは12月8日に210メートル、12月10日に246メートルを移動しました。「私たちは、生成AIやその他のスマートツールが、オペレーターの作業負荷を最小限に抑えながら表面ローバーがキロメートル規模の走行を処理し、膨大な量のローバー画像を精査して科学チームにとって興味深い地表特徴にフラグを立てる日に向かって進んでいます。」– ヴァルマ宇宙探査におけるロボティクスとAI 技術構成要素 仕組み 探査における役割 期待される利点 自律ローバー AI駆動の車両がセンサーとオンボード処理を用いて地形をナビゲート。 火星と月における主要な表面探査。 地球ベースのコマンドへの依存度低減。 AI計画ナビゲーション...
