部屋の地図を見ればドアの位置は分かるが、どちらに開くのか、どれほどの力が必要なのかは分からない。Dibyendu Ghosh氏が提案したPhysVLMMは、動く部品の性質について、まだ分からない部分も含めて記録する方法だ。ロボットが引く力を測ると情報が更新され、計画を立てる仕組みは、決めた危険度の範囲で動かせそうかを問い合わせられる。

動く様子を見ただけでは仕組みを一つに決められない。実際に引いて測った情報も、その部品と引いた方向についての証拠に限られる。そこで複数の可能性と確からしさを残し、形が似た未確認の部品にも一部の情報を共有する。証拠が足りなければ答えを保留できる。

18軒の本物のドアと引き出しでは、部品のつなぎ目の種類を86％で判定した。比較した画像一枚の方法は48％だった。動きの予測誤差は比較対象より小さく、計算時間も一例当たり13ミリ秒と報告された。ただし、すべての家庭や機械で安全に使えると証明した結果ではない。

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^[1]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。 引く力、動く方向、予測の不確かさを別々に測ることが大切だ。知らないドアを開ける前には、間違って安全と判断した場合も調べる必要がある。