ロボットが練習する仮想の場所を作るには、専門家の時間がかかることがある。Pranjal Aggarwal氏とSean Welleck氏は、プログラムを書くAIエージェントに環境を作らせ、別の確認作業で物理的な条件や課題の設定を点検するGym-Anythingを提案した。扱う仕事の種類は、米国の経済活動に関する資料も参考にして選んでいる。

RoboWorldには25種類のシミュレーション^[1]、学習用の175環境、テスト用の25環境がある。研究者によれば、評価した最も強いモデルでもテスト課題を一つも達成できず、平均報酬は0.06だった。報酬は仮想環境の中で決めた得点であり、本物の工場で作業に成功する割合ではない。失敗した試行を次に生かす方法や、内部情報を見られる先生役から学ぶ方法も試した。

研究条件の中では複数の改善方法に効果があったと報告している。しかし、作られた仮想世界が本物の現場と同じように動くか、そこで覚えた技能が実機でも安全に使えるかは別問題だ。

面白いのは、覚えた例をそのまま繰り返すことと、初めての状況に対応することの違いだ。学習した時と同じではない条件でも動ける力を、ここでは応用力^[2]として考えたい。見事な動画が一つあっても、何回失敗したかは分からない。テストで使った物や明るさを変えたのか、成功例を誰が選んだのか、どんな別の方法と比べたのかを聞くと、研究の意味がもっとよく分かる。新しい技術を楽しみながら、何が実証されて何がまだ不明なのかを分けて読むことが大切だ。 まず確かめたいのは、物が触れる時の動きや摩擦、課題の条件が現実に近いかどうかだ。低い点数は今回のテストで弱点が見つかったことを示す。