CONTROL STACK / 1980—2026
ニューラルネットワークがロボット制御に占める範囲
「部品」から「全身」へ。NNがロボット制御スタックのどこまでを担うかは、40年で5段階を経て拡大してきた。各帯をクリックすると詳細が開く。
01
1980s — 2000s
「部品」としてのNN
制御則の中の誤差補償器
+
MILESTONE
制御の骨格は人間が数式で設計し、NNはモデル化しきれない摩擦やたわみを吸収する補助部品として働いた。制御の主役はあくまで従来手法だった。
適応NN制御 ／ 誤差補償器
02
2012 — 2017
知覚革命と視覚運動方策
知覚、そして知覚と制御をつなぐ写像へ
+
MILESTONE
ディープラーニングがまずロボットの「目」を変えた。続いて、カメラ画像からモーター指令までを一本のネットワークで結ぶ発想が生まれた。
ディープラーニング ／ 視覚運動方策
03
2016 — 2020
深層強化学習（Deep RL）
試行錯誤で獲得する制御方策
+
MILESTONE
ロボット自身が試行錯誤で報酬を最大化する。脚移動や手中操作で成果が出た一方、シミュレーションと現実の差が中心課題になった。
OpenAI Dactyl ／ Sim-to-Real
04
2021 — 2023
模倣学習の成熟 — 分水嶺
人間のデモから学ぶ汎用方策
+
MILESTONE
人間のデモを真似る模倣学習が実用化し、言語を取り込んだVLAが登場した。ロボット学習が「分水嶺」を越えた時期にあたる。
ACT ／ Diffusion Policy ／ RT-2
05
2024 — 2026
ロボット基盤モデル ／ VLA
制御スタック全体を担う基盤モデル
+
MILESTONE
知覚・推論・全身運動を一つの事前学習モデルが担う。Figureは下半身制御まで学習化し、手書きのC++コードを全廃した。
π0 ／ GR00T N1 ／ Helix 02
バーの長さ ＝ NNが担うロボット制御スタックの範囲