「机の上を片づける」という指示の中には、近づく、物をつかむ、運ぶ、置くといった短い動きがいくつも入っている。しかし、ロボットの学習記録には、作業全体の名前しかない場合がある。Xueyuan Wei氏らが提案したRoboAtom-Dataは、長い作業を短い行動に分け、いつ何をしているかを共通の方法で記録する仕組みだ。

研究者は145万件の動作記録に対して、688万件の短い技能の区間を付けた。合計の記録時間は16,882.1時間に上る。人が付けたラベルを、同じ順番で繰り返す作業へ広げる方法と、何段階もの品質確認を組み合わせている。別に用意したテストでは、どの技能が行われたか、いつ始まりいつ終わったかを見分ける。

論文では、このデータで学んだモデルが、比較した他のモデルより高い認識性能を示したと報告する。短い行動の情報を使って作業を段階的に進める方法も、複数のロボット用テストで成功率を改善したという。ただし、すべての改善幅が短い説明に示されているわけではない。データや道具の公開は今後の予定である。

導入を考える企業にとっては、今ある仕事の流れにどう組み込むかが重要だ。センサーや制御装置の接続だけでなく、担当者の教育、操作の記録、困った時に人が止める方法も必要になる。小さな実証では、許せる危険の範囲、一回の成功にかかる費用、停止した時の影響を先に決めておきたい。研究室の点数だけで投資回収を計算することはできない。顧客が実際に扱う物やデータで再現できるかを確かめ、導入後の保守や更新の負担も見積もる必要がある。 短い動きの始まりと終わりに同じ方法で印を付けると、違う記録を合わせやすい。ただし区切りが間違っていれば学習も乱れる。