カネギーメロン大学（CMU）のコンピュータサイエンス学部とロボット研究所は、ロボットのセットアップ時間を大幅に短縮し、異なるプラットフォーム間でのAI展開を容易にするオープンソースのソフトウェアフレームワーク「Robot I/O（RIO）」を開発した。この取り組みは、ロボット学習研究における最大のボトルネックであるインフラ整備の課題を解決するものとして注目を集めている。 従来、研究者は新しいロボットの制御環境を構築するだけで数週間から数ヶ月を要し、実際の研究やアルゴリズム評価に着手できない状況が続いていた。CMUのジャン・オー准教授は、研究アイデアよりも整備作業が優先される現状を指摘し、RIOが軽量でモジュール性の高い基盤を提供することで、研究者がハードウェア切換に戸惑うことなく迅速に実験を開始できると説明する。実際、機械学習の経験はあるもののロボット開発のバックグラウンドを持たない学生インターンが、ドキュメントに従ってロボットアームの箱開けからテレオペレーション制御まで完了するまでに要したのは約2時間であった。 RIOが解決するもう一つの課題は、研究ツールの断片化である。各ラボが個別のロボット向けにカスタムコードを構築する慣行は、データやAIモデルの共有、実験結果の再現性を阻害していた。RIOは制御、データ収集、テレオペレーション、AI展開を統合する統一インターフェースを提供し、モジュールを交換可能に設計することで、ロボットアームから二足歩行ヒューマノイドまで、異なるセンサー構成や構造を持つプラットフォームでも同一のパイラインで作業できるようにしている。ロボティクス修士課程を修了したメガン・リー氏らは、追加カメラや複数アームを搭載する環境でも特別なコード書き換えなしにポリシー学習とデータ収集を行えると評価する。 研究者らは、最新の一般目的AIがロボティクスを革新する中で、これらのAIを支える共有基盤の欠如が問題化していると指摘する。ボッシュAIセンターのJonathan Francis研究科学者は、産業現場では单一ロボットや固定環境での稼働が稀であり、RIOのようなプラットフォーム横断的な再利用可能性が、研究プロトタイプから実世界での実装・適応までの期間を短縮すると指摘する。 CMUでは、この技術を活用したスタートアップ「Lavoro AI」の設立も進められており、実環境でのロボット展開の簡素化と学習加速を目指している。今後はハードウェア対応範囲の拡大と新規ロボット導入のハードル継続低下を図り、長期的には異なるプラットフォームや環境に対して自律的に適応するロボティクス・ファンデーションモデルの開発へと技術展開を進めていく計画である。