ロボットのプログラムを更新した。転送も正常終了。画面には最新版のファイル名が出ている。 それでも、すぐ量産を再開してよいとは限らない。 産業用PCの長期安定運用、世界500万台を超えた産業用ロボット、設計から運用までをつなぐソフトウェア統合が紹介されている。設備がソフトウェア化するほど、「最新版」と「現場で使ってよい承認版」を分ける必要がある。 PLCでは、設備ID、プログラム版数、チェックサム、ツール・座標、安全設定、レシピ版数を一組で照合する。転送後は低速試験、I/Oとインターロック確認、初品承認を経て、最後に自動運転許可を作る。 更新途中で通信が切れた。ロボットだけ新版でPLCは旧版。運転中に上位から新レシピが届いた。そんな時は現在の仕掛品を保留し、承認済みバックアップへ切り戻すか、次ロットまで適用を待つ。 バックアップがあるだけでは足りない。どの版の組合せへ戻し、何を再確認すれば量産へ戻れるかまで決めておく。 設備ソフトの管理で守るべきなのは最新版ではない。適用範囲と試験結果を説明できる、現場の承認版だ。

ロボットツッパリ抗争ゲーム『横浜機動暴走族 ROCK'N ROLL SUICIDE』正式発表。巨大ロボを駆る暴走族たちが、“実写の横浜”で超スケールの夜露死苦青春タイマンロボバトル

ロボットが16歳少女に性的いやがらせ 深夜に突然、背後から… 所有者は16歳の少年と19歳の男性で、SNSでライブ配信したとして、警察は捜査を進めている

ロボットは動き方を知っていても、何をすべきかの手がかりを必要とする。その「文脈」を扱う研究を100ページ超で整理したサーベイです。 タイトル: In-Context Learning for Robots: Methods and Applications URL: ❓ ロボットの文脈内学習とは何ですか？ デプロイ時にニューラルパラメータを固定したまま、デモンストレーションや相互作用を使って既存の能力を方向づける適応のことです。大規模事前学習で動き自体は獲得できても、目の前のシーンでは複数の手順がどれも実行可能に見えたり、素材の反応が未知だったりします。この欠落は運動能力をいくら高めても埋まりません。 ❓ ファインチューニングと何が違うのですか？ ファインチューニングは新しい証拠を重みに取り込みますが、文脈内学習は意思決定の瞬間に証拠を利用可能にします。論文は適応の所在を、供給された文脈・再帰的状態・外部メモリ・テスト時の重み更新・永続的な重み更新の5つに分け、前3者がパラメータ固定にあたると整理しています。 ❓ 手法はどう分類されているのですか？ 実行が消費する中間表現を軸に4ファミリーへ整理されます。 ・文脈条件付き方策（証拠から行動を直接推論） ・幾何的デモンストレーション転移（参照軌道を位置合わせして実行） ・世界モデルベース制御（未来を予測して計画） ・スキル/エージェントベース実行（スキルやプログラムを選び別のエグゼキュータへ） 同じデモが4つのどれにもなり得る点が重要で、違いは証拠の取り方ではなく実行が必要とする中間表現にあります。 ❓ 評価はどうすればよいのですか？ 証拠を取り除く、記憶を消す、検索を止める、重みを戻すといった介入を実行条件を揃えて行い、改善の出どころを特定します。実際、未知の行動規約を自力で発見させる設定では20エピソード中1回しか成功せず、対応関係の推論も23.3%にとどまったと報告されています。 #ロボティクス# #InContextLearning#