※本記事は、AI for Good（ITU主催）のウェビナー「Biorobotics for Emulating and Studying Animal Locomotion」の内容を基に作成されています。登壇者は、EPFLバイオロボティクス研究所教授・所長のDr. Auke Jan Ijspeert氏、ハーバード大学Charles P. Lyman生物学教授のDr. Andrew Biewener氏、カリフォルニア大学バークレー校ハワード・ヒューズ医学研究所統合生物学教授のDr. Robert Full氏です。ウェビナーの詳細およびアーカイブはhttps://aiforgood.itu.int/summit23/ でご覧いただけます。本記事では、ウェビナーの内容を要約・編集しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈についてはオリジナルの動画をご視聴いただくことをお勧めいたします。
1. セッション概要と登壇者紹介
1-1. AI for Good ウェビナーの位置づけと本日のテーマ
Gillette Martinez Rora： 本日はAI for Goodウェビナー「Biorobotics for Emulating and Studying Animal Locomotion」にご参加いただき、ありがとうございます。このセッションはITU（国際電気通信連合）が主催するAI for Goodのロボティクス・プログラミングトラックの一環として開催するものです。AI for Goodは、国連の40の姉妹機関との連携のもとITUが主催し、スイスと共同開催している国連プラットフォームで、AIの実践的な応用を特定し、国連の持続可能な開発目標（SDGs）の達成に向けてその解決策をグローバルに展開することを目的としています。本日のセッションは特にSDGゴール15「陸の豊かさも守ろう」に関連するものですが、後ほどご覧いただくように、それ以外の多くのSDGsともつながる内容となっています。AIを活用したロボットが私たちの人間としての可能性を解き放ち、持続可能な開発目標の達成にどのように貢献できるかを、世界最高水準の専門家とともに探ってまいります。セッション中はぜひライブビデオウォールの機能を使って質問やコメントをお寄せください。
1-2. モデレーターと各登壇者のプロフィール
Richard Montry： 本日はこのような刺激的なテーマでモデレーターを務めることができ、大変光栄です。私はロンドンの王立獣医科大学（Royal Veterinary College）で比較生体力学を研究する教授です。同大学は獣医学校としての役割を主軸としながら、基礎生命科学の研究においても長い歴史を持ち、生物模倣ロボティクスへの応用においても豊富な実績を誇ります。本日はすばらしい登壇者の皆さんをご紹介できることを楽しみにしています。
最初にご登壇いただくAndy B. Winnerは、約20年にわたって『Journal of Experimental Biology』の編集に携わり、うち16年間は編集長を務めた生物学者です。脚式陸上運動と複雑な環境における飛行制御の原則について、また工学者との協働経験についてお話しいただきます。著書『Animal Locomotion』および『How Life Works』はいずれもこの分野への優れた入門書です。
続いてAmy Whistlerは、イリノイ大学アーバナ・シャンペーン校からプリンストン大学に拠点を移し、米国空軍科学研究局のYoung Investigator AwardおよびNSFのCAREER Awardを受賞している研究者です。現在はBio-Inspired Adaptive Morphology Labを主宰し、昆虫・飛び魚・鳥類・生物模倣ロボットを研究対象としています。
3番目に登壇するAlka Ijspeertは、EPFLローザンヌのバイオロボティクス研究所長であり、IEEEフェロー、学術誌『Science Robotics』および『Soft Robotics』の編集者でもあります。中枢パターン発生器、反射、下行性制御、筋骨格系とロボティクスの相互理解についてご講演いただきます。
最後にRobert Fullは、米国科学振興協会（AAAS）フェローとして、初期の魚類から人間に至るまで非常に広範な動物を研究してきた研究者です。IOP誌『Bioinspiration and Biomimetics』の編集長も務めており、物理モデルによる生物仮説の検証と、形態に埋め込まれた知性の設計についてお話しいただきます。
2. 生物模倣ロボティクスの原則と研究アプローチ（Richard Montry）
2-1. 動物運動を制御ループとして捉える視点と設計への応用原則
Richard： 動物の運動を理解するうえで私が重視しているのは、それをエンジニアリングの制御ループとして捉えるという視点です。これは陸上運動でも遊泳でも飛行でも同様に成立する考え方です。たとえば鳥の飛行を例にとると、翼はある形状を持ち、筋肉によって駆動されることでキネマティクス（運動学的特性）が生まれます。翼は飛行中に能動的あるいは受動的に形状を変え、それによって空気力学的な力が変化し、三次元的な飛行軌跡が形成されます。飛行中の動物は視覚・固有受容感覚・聴覚などの豊富な感覚情報を受け取り、それをコントローラーが処理して筋肉への指令を微調整し、再びキネマティクスが変化する——このループが絶えず回り続けているわけです。そしてこの制御ループから抽象化された概念は、元の動物とはまったく異なる外見のロボットにも応用することができます。
この制御ループの各要素——翼の形状、筋肉の動態、感覚情報の処理——はすべて相互に連関しており、共進化してきたものです。翼の形状を変えれば、それはコントローラーに入力される感覚情報を変え、筋肉の駆動ダイナミクスをも変えます。ですから生物模倣ロボティクスにおいては、この全体を俯瞰したホリスティックな視点が不可欠です。また生物研究においては、まず観察科学に基づく基礎的な理解が出発点となります。仮説を検証しながら進めることはもちろん重要ですが、まず何が起きているかをしっかりと観察することが第一歩です。そのうえで、運動パターンのどの側面が受動的なものでどの側面が能動的なものかを切り分けていく作業が必要になります。これは情報処理の観点からも、筋肉制御の生理学的な観点からも重要な問いです。
そしてもう一つ強調しておきたいのは、動物を盲目的に模倣することの危険性です。ある動物が特定の運動能力において卓越していたとしても、その動物は生殖器官や消化器官といった、ロボット設計にはまったく関係のない多くの機能も同時に担っています。生物模倣ロボティクスに求められるのは、動物の丸ごとのコピーではなく、有用なコンセプトの抽象化です。進化生物学者Dobzhanskyが1973年に述べた「生物学のいかなる事象も、進化の光の下でなければ意味をなさない」という言葉を忘れてはなりません。動物が持つ優れた能力は、その動物が置かれてきた進化的文脈の産物であり、そこから原理を抽出して工学的課題に応用するには、慎重な抽象化のプロセスが必要です。
2-2. 鳥類の飛行研究：タックマヌーバー・翼のサスペンション機能・空力計測実験
Richard： 鳥類の研究からいくつかの具体的な事例をご紹介します。まずイヌワシ（Golden Eagle）の映像からお話ししましょう。360度カメラをイヌワシの背中に装着し、スコットランドの湖沼地帯を飛ぶ様子を撮影したものです。その日は非常に風が強い日でしたが、鳥はほとんど羽ばたくことなく飛行を続けました。そこで観察されたのが「タックマヌーバー」と呼ばれる動作です。乱気流に対処するためのこの動きによって、鳥は頭部を非常に安定した状態に保ち、地上の対象物を追跡しながら、筋肉をほとんど使わずに飛行し続けることができていました。これはまさにエンジニアリング的に模倣したいパフォーマンスです。
次に実験室内での観察に移ります。トラフズク（Tony Eagle）とメンフクロウ（Barn Owl）を垂直方向の強い気流の上で飛ばした実験では、興味深いことが明らかになりました。鳥の頭部と胴体は非常に安定した軌跡を描いて移動しているにもかかわらず、翼だけが激しく上下に動くのです。この翼の動きはサスペンションシステムとして機能しており、翼の質量と胴体の質量を切り離すことで、乱気流の振動が胴体に伝わるのを抑制しています。自動車のタイヤが凹凸を乗り越えても車内のシートが安定しているのと同じ原理です。これは航空機の乗り心地改善に直結する知見であり、固定翼に対して蝶番翼（ヒンジドウィング）コンセプトを採用した模型では、固定翼に比べて乱気流による機体の乱れが大幅に抑制されることを実証しています。
空気力学的な評価には中性浮力バブルを用いた実験手法を採用しました。約0.2ミリメートルサイズの気泡にヘリウムを充填し、ある一定高度に浮遊させた状態で猛禽類をその中に滑空させます。鳥が通過すると気泡が渦を巻き、その流れのパターンから空気力学的特性を定量的に評価することができます。ドイツのLaVision社との共同研究では、2万個の気泡を同時に追跡する手法を用いました。青い気泡は急速に下方向へ加速しており、赤い気泡は上方向へ加速しています。この赤い気泡の動きはエネルギー的な損失を意味しますが、これはあらゆるサイズの航空機で観察される翼端渦（ウイングチップボルテックス）と同じ現象です。こうした計測によって、鳥がどのように粘性抗力の影響を最小化しているかを定量的に明らかにすることができます。
2-3. 昆虫の研究：トンボの分散センシング、蚊の障害物回避と音響通信
Richard： 昆虫の研究においては、構造モデリングと計算流体力学（CFD）の両面からアプローチしています。トンボの翅については非常に高精度な物理モデルを作成し、滑空時の気流を模した条件下で翅がどのように撓むかを解析しました。この翅の撓みそのものが、飛行コントローラーへの感覚情報として機能しているのです。これは現在の航空機設計とは根本的に異なるアーキテクチャです。現代の航空機は冗長性を持つ複雑なプロセッサーを搭載し、発熱が多く、エネルギー効率も決して高いとは言えません。一方で昆虫は、ピンの頭ほどの大きさの脳、すなわち数万個のニューロンという極めて限られた処理能力で、非常に予測不能な環境においても堅牢に飛行を続けています。その鍵は「できる限り少ない情報を、できる限り低い頻度で計測する」という原則と、分散センシングおよび分散処理の組み合わせにあります。翅の上の歪みパターンを監視し、そのパターンをエンコードするセンサーを理解することで、複雑な運動を非常に少ない計算コストで制御する神経アーキテクチャの設計に迫ることができます。
蚊の研究では、キュレックス蚊をはじめ、マラリア蚊やデング熱を媒介する蚊も対象としてきました。翅の動きを追跡することで、小さな虫がどのような空気力学的な流れを生み出しているかを理解し、またどのようにして表面への衝突を回避しているかを解明しています。特に注目した能力は、視覚が機能しない光量以下の完全な暗闇の中でも、表面への接近を回避できるという点です。これは光学的な情報に依存しない近接検知の仕組みが存在することを示しています。
さらに計算流体力学の解析を用いて、蚊の群れにおける音響コミュニケーションのメカニズムも研究しています。群れの中心にいるメスの蚊を取り囲むように、異なる音圧レベルを示す球体を可視化すると、オスにとって検知可能な音響場の分布が明らかになります。高度によって流れのパターンが異なることも確認されており、これはヘリコプターが地面に近づいたときに発生する地面効果（グラウンドエフェクト）による気流の再循環と同様の概念です。こうした知見は、蚊の捕獲・監視デバイスのための音響トラップの設計や、蚊の群れの交尾行動を妨害するシステムの開発に応用できます。
2-4. 昆虫研究のロボットへの応用：差圧センサー搭載クアッドコプターとヘリコプターへの展開
Richard： こうした昆虫研究の知見を、どのようにロボティクスへ応用しているかをご説明します。私たちが開発したのは、蚊の近接回避能力にヒントを得た差圧センサーを搭載した小型クアッドコプターです。外見は蚊とはまったく異なりますが、紫色で囲んで示した差圧センサーからの信号を畳み込みニューラルネットワーク（CNN）に入力することで、接近してくる障害物までの距離と方位を予測することができます。このセンサーモダリティを視覚センサーや音響センサーと組み合わせることで、それぞれの総和を超える性能を発揮し、障害物検知能力が飛躍的に向上します。
実際の飛行試験では、クアッドコプターが左から進入し、降下しながら障害物を検知すると赤いライトが点灯し、上昇して障害物を回避し、再び降下するという一連の動作を確認しました。この障害物回避は完全に自律的に行われています。
クアッドコプターでの実証に留まらず、現在はフルスケールのヘリコプターへの展開も研究中です。蚊にヒントを得たセンシング＆アボイドデバイスをヘリコプターに取り付け、地面平面の検知によって安全性を向上させる取り組みです。これはAirbusが構想しているようなエアタクシーにも応用可能な技術です。蝶番翼コンセプトと組み合わせることで、乱気流への耐性と障害物回避能力を兼ね備えた次世代の航空機設計が視野に入ってきます。生物観察からスタートした研究が、こうして実用的な安全技術へと結実していく過程こそが、バイオロボティクスの醍醐味だと私は考えています。
3. 生物学・工学の協働が生む双方向的知見（Andy B. Winner）
3-1. Boston Dynamicsとの協働：山羊の歩行研究とBig Dog開発から得られた設計知見
Andy： 私は生物学者であり、ロボティクスエンジニアではありません。しかし私のキャリアの中で、二つの重要な工学チームとの共同研究を経験しました。一つはDARPAのバイオダイナミクスプログラムの資金援助のもとでBig Dogのバージョン1から3を開発したBoston Dynamicsチームとの協働であり、もう一つはアメリカ海軍研究局（ONR）の支援を受けたMITのチームとの、雑然とした環境を飛行する自律UAVの堅牢な飛行制御プログラムの開発です。これらの経験から得られた最も重要な教訓を共有したいと思います。
Boston Dynamicsとの協働では、生物学と工学・ロボティクスの間には真の相乗効果が生まれる余地があることを実感しました。現実世界の環境を自律的に移動できる堅牢な陸上・空中ロボットの設計に、生物学が明確なインスピレーションを与えられるのです。そしてこの協働は同時に、私たちが通常では思いつかなかったような新しい動物実験を促すという、生物学側への重要なフィードバックももたらしました。
具体的にご説明しましょう。Big Dog開発において、私たちは山羊が岩場を走る能力についての研究成果をチームに提供しました。山羊の蹄——いわゆる偶蹄——は、岩の表面形状に受動的に適応する構造を持っており、凹凸のある岩面や動く岩の上でも自動的に安定性を確保します。この受動的なコンプライアンス機能が山羊の優れた安定性の鍵の一つです。
ロボット側での知見として特に重要だったのは、脚の配置の問題です。Big Dogの初期バージョン（バージョン1）は膝が後ろ向きで肘と同じ方向を向いていましたが、これでは岩場の上を安定して移動することができませんでした。その後、博士研究員のDavid Leeの研究によって、膝を前向きに、肘を後ろ向きに配置することで地面反力が動物の重心により近い位置に集中し、ピッチモーメント（前後方向の転倒力）が大幅に低減されることが示されました。私たちはその後、犬と山羊をフォースプラットフォーム上でトロットおよびギャロップさせる実験を行い、重心に対する地面反力中心の位置関係を定量的に測定しました。トロット時にはピッチモーメントが最小化され、ギャロップ時には増大するという結果が得られ、この膝・肘配置の重要性が生物学的にも裏付けられました。
また山羊と犬の肢の関節力学を詳細にモデル化したところ、近位関節（股関節・肩関節に近い関節）はアクチュエーターとして機能しエネルギーを生産するのに対し、遠位関節（手根中手関節・中足指節関節）はエネルギーを散逸する受動的な要素として機能していることが明らかになりました。この遠位関節のエネルギー散逸設計こそが、山羊が凹凸の激しい岩場を安定して移動できる中核的なメカニズムと考えられます。しかし興味深いことに、Boston DynamicsはこのコンセプトをBig Dogに採用しませんでした。理由は明快で、エネルギーを意図的に散逸させる設計は、油圧駆動システムにとってエネルギーコストの増大を意味し、彼らの設計方針とは相容れなかったのです。生物学的に有効な知見であっても、工学的な制約の前では採用されないことがある——これはコラボレーションにおける現実的な教訓でした。
さらにこの協働は、私たちが単独では思いつかなかった実験を生み出しました。山羊が登坂する際の四肢の役割を調べるために、私たちは傾斜した登壁にフォースプレートを二枚埋め込んだクライミングウォールを構築しました。実験の結果、前肢は傾斜面上で有意な力を発揮しないことが判明しました。なぜなら、前肢が大きな力を出すと動物を傾斜面から離す方向のモーメントが発生し、転落してしまうからです。代わりに前肢は後肢のための足置き場所を「ターゲティング」する役割を担い、後肢が関節可動域を広げることで登坂に必要な推進力を生み出していました。このような実験は、Boston Dynamicsとの共同研究がなければ計画することすらなかったものです。
3-2. MITとの協働：鳩の障害物飛行実験から生まれた自律UAV制御アルゴリズム
Andy： MITのチームとの協働では、鳩を用いた飛行制御の研究を行いました。私たちは人工的な垂直ポール群（障害物フィールド）を設置し、鳩がその間を飛び抜ける様子を観察しました。鳩の胴体と腰部の向きを、アクティブマーカーを用いて三次元的に追跡することで、複雑な環境における飛行制御の原理を解析しました。
この実験から導き出されたのが、非常にシンプルな比例微分（PD）型の操舵コントローラーです。このモデルは「現在の進行方向に対して最も広い隙間に向けて操舵する」という原則に基づいており、鳩が実際にどのような意思決定をしているかを高い精度で再現します。重要な発見として、鳩は自分の前方約1.5メートルの範囲だけに注意を払えばよいことが分かりました。それ以上先の情報は、実際に進路を変更し始めるタイミングまでには必要ないのです。また操舵の範囲は現在の進行方向に対してプラスマイナス30度以内に集中しており、この制約の中でPDコントローラーは非常に堅牢な制御を実現します。
さらに私たちは、鳩が肩幅に対してわずか1センチメートルの余裕しかないポール間隔を通り抜けられるかという極端な条件下でも実験を行いました。鳩は狭い間隔でも広い間隔でも、非常に堅牢な戦略を持っていることが確認されました。この知見は、MITグループによる自律航空機の設計に直接活用されました。実際にモーションキャプチャシステムを用いた飛行試験では、私たちの最広間隔操舵モデルを実装した自律航空機がポール群を通過することに成功しています。
シミュレーションによる検証も行いました。自由飛行シミュレーションでは、ランダムに配置されたポール分布の中を、このコントローラーを搭載した航空機が90パーセントの試行で衝突なく通過することを確認しています。また実際の鳩の飛行試験データに対しても、この最広間隔操舵モデルは70パーセントの飛行試行に一致しました。このモデルは鳥や蜂が左右の光学的フローバランスを用いて飛行経路を誘導するという既存研究とも整合しており、比較的シンプルかつ高速に実装できる制御モデルとして高い実用性を持ちます。鳥の翼の変形能力——飛行中にリアルタイムで翼の形状を変える能力——と、卓越した自己の身体・翼位置の固有受容感覚が、こうした複雑環境における堅牢な飛行を支えているとも言えます。現状の自律UAVはまだこの能力には遠く及びませんが、生物学から得られた制御原理はその差を縮める大きなヒントを与えてくれます。
3-3. 商業ロボティクス企業との協働における透明性の課題と教訓
Richard： Andyさん、コラボレーションを成功させるためのベストプラクティスについて伺えますか。生物学者と工学者が協働する際に、特に機能した手法や重要だと感じた点はありましたか？
Andy： 率直に申し上げると、Boston Dynamicsとの協働ではそこに大きな課題がありました。誤解しないでいただきたいのですが、Boston Dynamicsは卓越した組織であり、YouTubeで見ることができる彼らの現代のロボット群は非常に印象的なものです。しかし彼らは商業企業として知的財産を保護する立場にあり、それは当然のことです。問題は、その結果として情報の流れが非常に一方向的になったことです。私たちは動物の動画を数多く提供し、不整地における堅牢な移動に必要な要素、肢の中でのエネルギー生成と受動的・能動的制御の仕組みについて詳細に伝えました。しかし彼らの工学的な設計においてその分析がどのように活かされたか、あるいは活かされなかったかについてのフィードバックはほとんど返ってきませんでした。生物学者として、自分たちが提供した知見が設計にどう反映されたのかを知ることは、次にどのような生物学的分析を行うべきかを考えるうえで非常に重要です。
Richard： つまり双方向のフィードバックループが成立していなかったということですね。では、アカデミアの工学者との協働ではどうでしたか？
Andy： アカデミアの研究者——BobがBerkeleyで行っているような協働、あるいはAlkaの取り組みも同様だと思いますが——においては、はるかにオープンな対話が実現できます。工学者が解決しようとしている問題が何で、物理モデル上で何がうまくいっていて何が失敗しているのかを率直に共有してもらえると、生物学者としてどのような形態学的・キネマティクス的・生体力学的な分析が役立つかを考えることができます。工学者側の率直さと開放性が、生物学者が貢献できる領域を明確にするのです。
Robert： Andyが言っていることに完全に同意します。私が重視しているのは、「相利共生型チーム形成（Mutualistic Teaming）」と呼んでいるアプローチです。毎週チームが集まって、そのコラボレーションが本当にそれぞれの専門分野に対して何か直接的な利益をもたらしているかを丁寧に確認し合います。それぞれの参加者にとって意味のある成果が生まれ続けているかどうかを意識的に問い続けることで、関与の熱量が高い状態を維持できます。これを怠ると、気づかないうちにコラボレーションが形骸化してしまうのです。
Richard： 私自身もその感覚は非常に共感できます。私の所属は比較生体医科学部門ですが、私は自分を生物学の世界にのみ属しているとは考えていません。工学の学会にも参加し、その言語でも話します。むしろ次世代の研究者たちは、そもそも分野の壁を意識せずに育ってきている面があり、AIや機械学習をツールとして当然のように使いこなしながら、分野横断的な科学の最前線で研究を行っています。今後必要なのは「学際的研究」という言葉で括ることではなく、そもそも学問分野の障壁そのものを解体していくことかもしれません。
Amy： 私もその点は非常に共感します。サイロを壊すことも一つのアプローチですが、もう一つ有効なのは「橋を架ける」ことだと思います。必ずしもサイロを取り除かなくても、学生が二つの学部に同時に籍を置くことが制度的・費用的に容易になれば、学際的であることへのコストを下げることができます。学際的な研究をすることへのペナルティをなくし、参入障壁を下げることが現実的な一歩ではないでしょうか。
Robert： 資金提供機関の役割も非常に重要です。DARPAやONRはこの点で優れた取り組みをしてきたと思いますし、ヒューマン・フロンティア・サイエンス・プログラムも同様です。NSFが立ち上げたTechnology Innovation Partnerships（TIP）という新しいプログラムも、政府機関や民間企業を含む学際的チームを要件とし、研究の社会実装を促進することに相当の資金を投入しています。歴史的な学問分野の境界を超えた共同研究に対してインセンティブを与える資金設計こそが、この分野を前進させる鍵だと考えています。
4. 翼の覆羽と飛び魚：工学と生物学の双方向研究（Amy Whistler）
4-1. 鳥の覆羽（コバート羽）に着想した受動・能動フラップシステムの開発と実証実験
Amy： 私はエンジニアとして訓練を受けた人間です。その立場から、生物模倣ロボティクスにおいて工学者がどのように貢献できるか、そして生物学と工学の真の協働がいかにこの分野を前進させるかをお伝えしたいと思います。まずラボのメンバーと支援してくださっている資金提供機関への感謝を申し上げたうえで、本題に入ります。
Richardが冒頭に述べたように、また今日のセッション全体を通じて繰り返されるテーマですが、生物学と工学は双方向の道です。映像を見れば明らかなように、生物学はエンジニアに対して非常に多くのことを教えてくれます。しかしそれは絵の半分に過ぎません。エンジニアとして私たちが貢献できることは、工学的なモデルと実験を用いて制御された環境を構築し、生物学者が通常直面する問題——動物は研究者が望むときに望む行動をしてくれない——を回避することです。よく整備された物理モデルを用いることで、生物学の核心的な問いに答えることができます。そして今日紹介するプロジェクトのほとんどがそうであるように、これは高度に反復的なプロセスです。最初は「鳥のように飛びたい」という工学的な動機から始まったとしても、実験を重ねるうちに鳥の飛行そのものについての問いが生まれ、生物学と工学の間を何度も往復しながら研究が深まっていきます。
今日はその双方向性の実例として、まず「工学のための生物模倣」の事例として鳥の翼研究からUAV設計への応用をお話しし、続いて「生物学のための工学」の事例として飛び魚の研究をご紹介します。
UAVの市場は2014年から2026年にかけて農業・防衛・エネルギー・メディアといった多くのセクターで急速な成長が見込まれています。これらすべての用途において、UAVには高い機動性が求められます。しかし現状のUAVを飛行包絡線（フライトエンベロープ）の限界まで追い込んだ場合に何が起きるか——機体は急激に迎角が増大するピッチアップ姿勢に入り、揚力を失うストール（失速）が発生して制御不能に陥ります。一方で鷲が着陸・停止する映像を見ると、非常に制御された降下と、見事な翼のキネマティクスが実現されており、ドローンにとっては遠く及ばないレベルの飛行能力が示されています。
私のラボが注目したのは、鳥の翼に存在する「覆羽（コバート羽）」と呼ばれる羽毛のグループです。コバート羽は翼の上面と下面の両方に存在し、飛行観察によってガストや着陸・停止といった機動中に展開することが確認されています。これをエンジニアの目で見たとき、私が抱いた問いはこうです——「このコバート羽に似た何かを使って、特に高迎角や極端な機動時のUAVのパフォーマンスを向上させることができないだろうか」。
私たちが設計したのは、コバート羽に着想を得た非常にシンプルなフラップシステムです。見た目は羽毛とはまったく異なり、翼面上に分散配置された小さなフラップ群ですが、重要なのはこれらが完全に受動的であるという点です。センサーもアクチュエーターも持たず、空気力学的な荷重に対してただ応答するだけの純粋な受動構造です。このシステムを風洞に設置し、力とトルクを計測するとともに、レーザーとカメラを用いて翼周辺の気流を可視化しました。
フラップなしの翼面では、高迎角において気流が大きく剥離し乱流状態になり、揚力が急激に低下します。これが先ほど見たUAVの失速です。一方、5枚のフラップを翼面上に分散配置した場合、揚力の有意な低下は発生しませんでした。気流の可視化映像を見ると、フラップあり条件では気流が翼面により近い位置に維持されており、剥離が大幅に抑制されていることが分かります。定量的には、揚力が約50パーセント向上するという結果が得られています。これはUAVのペイロード能力として非常に大きな意味を持ちます。
さらにこの受動的なメカニズムの理解をもとに、能動的な制御への展開も行いました。尾翼を持たない翼に、上面と下面の両方にバイオインスパイアドフラップを搭載した制御システムを構築したところ、ヨー軸方向（左右方向）の安定化が実現されました。最終的にはこのシステムをイタリアでのフィールド実験に持ち込み、実際の空中カイトにバイオインスパイアドフラップを搭載して飛行させました。カイトはヨー軸の振動を自律的に制御しながら飛行し、さらには「図の字（figure-eight）」と呼ばれる8の字機動を実行しました。この機動はウィンチとモーターに接続することで風力エネルギーハーベスティングに利用される手法であり、バイオインスパイアドフラップを搭載したカイトがそれを安定的に実行できることを実証しました。慎重に抽象化された生物学的原理が、受動的にも能動的にも飛行システムの性能向上に貢献できることを示した例です。
4-2. 飛び魚ロボットによる生物仮説の検証：腹鰭の役割と尾鰭の非対称構造の謎
Amy： 次に、双方向の道のもう一方——「工学が生物学を前進させる」事例として、飛び魚の研究をご紹介します。これはGIT（ジョージア工科大学）のBrook Fleming教授との共同研究です。この場合の出発点は工学的な需要ではなく、生物学的な問いです。その問いに答えるために工学的な物理モデルを設計し、そこから新たな仮説を生み出すという流れです。
まず飛び魚についてご説明します。世界に約27種が存在するこの魚は、水中での効率的な遊泳と水上での滑空という二つのモードを兼ね備えているという点で非常にユニークな生き物です。この行動が引き起こされるのは、水中の捕食者に下から狙われたときです。脅威を察知した飛び魚はまず泳ぎ、次に水面から飛び出して胸鰭を広げます。十分な速度がない場合は、尾鰭（尾びれ）の下葉を水面に接触させてタクシー（助走）を行い、十分な速度に達したところで本格的な滑空に移行します。これは動力飛行ではなく純粋な滑空であり、エネルギー効率の観点から非常に興味深い特性です。脅威が続く限りこのサイクルを繰り返し、最大で半キロメートルにわたって滑空を続けることができます。
私たちが取り組んだ生物学的な問いは二つです。一つ目は「腹鰭の役割は何か」——具体的には、一部の種が腹鰭を持ち他の種が持たないのはなぜか、あるいは腹鰭を持つ種はそれをどのように活用しているのかという問いです。二つ目は「尾鰭の非対称構造の意義は何か」です。飛び魚の尾鰭は上葉と下葉が非対称であり、タクシー中は下葉だけが水中に沈んでいます。古くから提唱されてきた作業仮説は「タクシー中に下葉だけを水中に沈めることで推力上の利点があるのではないか」というものでした。
しかしこれらの問いに実験的に答えるのは非常に困難です。飛び魚を捕まえて研究室に持ち込むことは難しく、仮に可能であっても自然な行動を引き出すための十分なスペースを確保することが困難です。そこで私たちが選んだのが、ロボット的な物理モデルの活用です。
設計したロボットは見た目は飛び魚とはまったく異なりますが、正しい運動・キネマティクス・ダイナミクスと物理法則を再現するように設計されたモジュラー構造を持っています。まずスタンドに固定した状態で遊泳動作を確認し、次に胸鰭を追加して滑空モードを実現し、さらに尾鰭を搭載することでタクシーに関する仮説を検証できるようにしました。モジュラー構造であるため、腹鰭の有無や位置を自由に変更しながら系統的な実験が可能です。
一つ目の問い——腹鰭の役割——については、風洞実験を実施しました。腹鰭あり・なしの四つの異なる構成で風洞試験を行い、力とトルクを計測しました。その結果、腹鰭の存在は効率と安定性のトレードオフに関与していることが分かりました。腹鰭を魚体の後方かつ中程度のピッチ角の位置に配置したとき、そのトレードオフが最適化される傾向が見られました。さらに実際の飛び魚の映像をクラウドソーシングによって収集・分析したところ、映像が確認できたほとんどの種において腹鰭の位置がまさにその最適位置付近にあることが示されました。効率のみを最大化しているわけでも安定性のみを最大化しているわけでもなく、その中間のトレードオフ点に腹鰭を配置しているという発見です。
二つ目の問い——尾鰭の下葉だけを水中に沈めることの推力上の利点——については、水流チャンネル実験を実施しました。ロボットを水路に固定し、尾鰭の水への沈み込み深度を変えながら推力を計測しました。結果は予想に反するものでした。下葉だけを水中に沈めることによる推力上の有意な利点は確認されませんでした。つまり長年信じられてきた作業仮説は支持されなかったのです。では実際にはなぜ下葉だけが沈んでいるのか——おそらく推力以外の理由がある、あるいはそもそも観察の前提が正しくなく、実際にはタクシー中に尾鰭全体が水中に沈んでいる可能性もあります。この結果は新たな生物学的問いを生み出し、より精密な観察へと研究を導いています。
Amy： 最後に強調しておきたいのは、このような生物模倣ロボティクスの研究は徹底的に学際的であり、多くの異なる専門分野の協働なしには成立しないということです。異なる物理領域を横断して考え、膨大なパラメータ空間を扱わなければならないこの研究において、AIはパラメータ空間を縮約するための強力なツールになり得ます。数百、数千にのぼる実験を効率的に設計・解析するうえで、AIと機械学習の活用は今後この分野の大きな推進力になると確信しています。
5. 脊髄回路と中枢パターン発生器の解明：神経機械シミュレーションとロボット実験（Alka Ijspeert）
5-1. 動物運動の4つの制御構成要素と進化による変化の仮説
Alka： 私はロボティクスと計算論的神経科学を専門とする研究者として、動物の運動制御の仕組みを解明することに強い関心を持っています。犬が走る様子を見てください。その神経系は非常に複雑な制御問題を解いています。約300の筋肉を同時に協調させなければならず、筋肉と前進速度の間の関係は高度に非線形であり、しかも系は本質的に不安定です。わずかな制御の乱れが転倒につながりかねない。これほど複雑な問題を神経系がこれほど見事に解いているという事実は、本当に驚嘆すべきことです。そしてこれはあくまでも定常走行の話です。アジリティ競技の映像を見ると、犬がパルクールのコースを走り抜ける際に、視覚・前庭感覚・固有受容感覚といった複数の感覚モダリティを統合しながら、歩容を自在に切り替えているのが分かります。ロボティクスの視点を持つ研究者として私が感じるのは、こうした美しい運動を生み出す主要な要素とその相互作用を解明することこそが、この分野の核心的な挑戦だということです。
私が考える動物運動の制御には、大きく四つの構成要素があります。第一は筋骨格系の巧みな力学設計です。これ自体がすでに運動のために最適化された構造を持っています。第二は脊髄に存在する中枢パターン発生器（CPG：Central Pattern Generator）です。CPGとは、外部からの入力がなくても自律的に振動パターンを生成できる神経回路網であり、歩行・遊泳・飛行といったリズミカルな運動に必要なパターンをフィードフォワード的に提供します。第三は固有受容感覚を中心とした感覚フィードバックによる多数の反射ループです。そして第四は脳の高次領域から脊髄への下行性制御です。興味深いのは、この下行性のパスウェイの数が限られているという点です。たとえるなら、限られた本数の紐で操られる人形のように、脳の高次領域は少数のパラメータを操作するだけで複雑な運動を生み出せる仕組みになっているのです。
私たちが特に着目しているのは、脊髄回路におけるフィードフォワード成分とフィードバック成分がどのように相互作用しているかという問いです。そしてここで重要な仮説があります。進化の過程を通じて、CPG主導型の制御と反射・下行性制御の相対的な役割が変化してきたのではないかという仮説です。具体的には、ヤツメウナギやサンショウウオのような系統的に古い脊椎動物はCPGによるフィードフォワード制御に強く依存しているのに対し、哺乳類のような系統的に新しく不安定な運動様式を持つ動物ほど、視覚誘導による足の置き場所の制御など、より多くの反射ループと下行性制御を必要とするという考えです。この仮説を検証するためにロボットが重要な役割を果たします。
5-2. サンショウウオロボットによるCPG制御の実証とウナギ実験が示した感覚フィードバックの役割
Alka： 私たちが長年研究対象としてきた動物の一つがサンショウウオです。サンショウウオは非常に古い動物であり、両生類として水陸両用の生活を送ります。私たちはサンショウウオの形態を模したロボットを製作し、中枢パターン発生器の制御原理を検証しました。
このロボットで実証したかったのは、CPGの美しい制御原理です。脳の高次領域から脊髄への下行性の信号——私たちの実験ではリモートコントロールで代用していますが——がわずか二つのパラメータで構成されていたとしても、速度・方向・さらには歩容の種類まで制御できることを示したかったのです。実際にロボットで確認できたのは、二つの下行性ドライブ信号を操作することで、速度、進行方向の変更、そして歩行モードと遊泳モードの切り替えをスムーズに実現できるという事実です。高い駆動強度では遊泳モード、低い駆動強度では歩行モードに移行します。これは自然界のサンショウウオが示す行動と整合しており、多層的な制御構造——脊髄が低レベルのパターン生成を担い、脳の高次領域が少数のパラメータで全体を調整する——という仕組みの有効性を物理的に実証したものです。
続いてCPGの研究をさらに発展させ、感覚フィードバックの役割に焦点を当てた研究をご紹介します。研究対象は遊泳動物、特にウナギです。ウナギは非常に頑強な動物です。脊髄を横断切断しても、切断した個体は無傷の個体と比較してほとんど差異なく泳ぎ続けることができます。これは非常に示唆的な観察です。切断部より下流への直接的な神経信号は届かなくなっているにもかかわらず、その部分の振動子が活動を続け、しかも全体と同期した協調運動が維持されているのです。このことは、何らかの局所的なメカニズム——切断部以下で作動する、感覚駆動型の同期メカニズム——が存在しなければ説明できません。
この仮説を検証するために、私たちは非常にシンプルな「皮膚」を持つ遊泳ロボットを開発しました。各セグメントの小さな黒いプレートの裏側に感圧センサーを配置し、左右それぞれにかかる水からの力を検出できるようにしたものです。このセンサー信号を脊髄回路のモデルに入力し、各振動子への局所的なフィードバックとして機能させます。
実験では三つの条件を比較しました。まず、振動子間の直接的な結合も感覚フィードバックも存在しない条件では、各振動子はランダムな初期条件からスタートし、互いに同期することなく不規則に動き、前方への推進はほとんど得られませんでした。次に、感覚フィードバックのみを加え、振動子間の直接結合は依然として存在しない条件で実験を行うと、驚くべき結果が得られました。局所的なフィードバック信号だけで、全体に進行波が創発し、すべての振動子が美しく同期したのです。しかも同期の位相関係は、良好な前方遊泳を実現するための適切なものでした。これはロボット実験でも同様に確認されています。各振動子は隣の振動子が何をしているかを直接知ることなく、ただ自分のセグメントにかかる水からの力を検出するだけで、全体として協調した遊泳パターンが創発するのです。
この結果が意味するのは、感覚フィードバックは単に外乱への対応や安定性の維持というだけでなく、振動子の同期そのものを生み出す能力を持つということです。ウナギの脊髄切断後も遊泳が維持される現象は、まさにこのメカニズムによって説明できる可能性があります。切断部より下の感覚フィードバックが、直接的な神経結合の代わりに振動子を同期させ続けているのです。ロボティクスの観点から見ても、これは非常に示唆に富んでいます。直接的な結合がなくても局所的な感覚フィードバックによってグローバルな協調が創発するという設計原理は、構成要素の一部が失われても全体として機能し続けるフォールトトレラントな分散制御システムの設計に直接応用できます。
5-3. 古生物学へのロボティクス応用：絶滅両生類Orobatの歩容復元
Alka： 最後に、ロボティクスを全く異なる方向に応用した研究をご紹介します。John Hutchinsonとの共同研究で取り組んだのは、絶滅した古代の四肢動物「Orobates pabsti」の歩容の復元です。Orobatesは両生類と爬虫類の中間的な位置づけにある初期の四足動物であり、現在は絶滅していますが、非常に良好な状態で保存された化石と、同じ種のものと考えられる足跡の化石が発見されています。形態（骨格）と足跡という二つの証拠を組み合わせることで、この動物がどのような歩容を使っていたかを推定できる可能性があります。
ロボティクスがこの問いにどう貢献できるかというと、化石から復元された形態をロボットで再現し、逆運動学コントローラーを用いてこの動物が使い得た歩容の空間を系統的に探索できるのです。この動物は理論的には非常に多くの異なる歩容を使うことができます。関節の自由度が多く、脊椎の使い方から各肢の関節運動の配分まで様々なパラメータが存在するため、可能な歩容の組み合わせは膨大です。
そこで私たちは複数の評価基準を定義しました。体幹の持ち上げ高さ、脊椎の使い方、肢の各関節の使用割合といったパラメータを軸に、あり得るすべての歩容を網羅的に探索し、各歩容についてエネルギー消費量・バランスの良さ・実際の足跡との一致度を定量的に評価しました。その結果、原理的には非常に多くの歩容が可能であることが分かりましたが、複数の評価基準を同時に満たす「最も尤もらしい歩容」は大幅に絞り込まれました。
最も尤もらしい歩容として得られた結果は、現生のカイマン（Caiman）の歩容に非常に近いものでした。カイマンは比較的現代的な爬虫類であり、この発見はOrobatesの運動様式が現生の爬虫類と類似していたことを示唆しています。さらにロボットが生成した足跡をコンピューターグラフィックスで可視化すると、実際の化石の足跡と非常に類似したパターンが再現されました。
Alka： この研究は、ロボティクスが生物学の問いに答えるだけでなく、化石の証拠しか残っていない絶滅生物の運動を科学的に復元するという、「ロボティクス的古生物学」とも呼べる新しい研究領域を切り開く可能性を示しています。現実の動物では実験的に操作することが難しいパラメータ——形態・体重・筋肉特性・歩容——を自由に変更しながら系統的に探索できるという点において、シミュレーションと物理ロボットの組み合わせは、生物学的仮説の検証において他に替えがたいツールです。この研究においてもシミュレーションが結果全体の約90パーセントを担い、物理ロボットがその検証と補完を行うという形で、両者が相互に機能しました。
6. 物理モデルによる生物仮説の検証と機械的知性の設計（Robert Full）
6-1. 物理モデルの役割と「プレフレックス」としての機械的フィードバックの概念
Robert： 多くの持続可能な開発目標は、人間がこれまで到達できなかった環境への前例のないアクセスを必要としています。動物はあらゆる場所に行くことができます。そしてだからこそ、動物は生物多様性の保全、環境モニタリング、安全点検、自然災害時の捜索救助、そしてセキュリティといった課題を支援するロボットにとって、最も豊かなインスピレーションの源となるのです。生物模倣ロボット設計は確かに挑戦的ですが、幸いなことに生命と技術の収束が続いており、理論・システム統合・応用需要のすべてにわたって実現可能技術が急速に発展しています。自然の多様性は本当に発見を可能にします。生物学の原理と類比を、それが有利な場面で活用し、既存の最良の人間的解決策と統合することで、私たちはロボットに新たな能力を与えることができます。そして人間の技術が自然の特性をより多く取り込むほど、自然はより有用な教師になっていきます。
私が強調したいのは、ロボティクスを生物学的仮説の検証ツールとして積極的に活用するというアプローチです。動物を理解するために私たちは数理モデルと物理モデルの両方を構築します。新しい動物の発見が新たな数理・物理モデルへと導き、それらのモデルが互いに情報を提供し合うという循環的なプロセスです。物理モデルが持つ価値は多岐にわたります。数理モデルでは見落とされがちな未知の重要パラメータを発見できること、現実の環境と接触することで数理モデルが存在しない段階でも出発点になれること、数学的にモデル化が難しいあるいは動物実験では実施できない新しい実験を可能にすること、そして将来の応用プロトタイプへの第一歩となれることです。
運動の制御を考えるとき、私たちは通常、脳と脊髄から筋骨格系を経て環境と相互作用するという流れを想定し、神経フィードバックによって制御が実現されると考えます。しかしここで忘れてはならない重要な概念があります。脳は身体を持っているということです。身体は神経反射よりも先に機械的なフィードバックを発揮できます。これを「プレフレックス（Preflex）」と呼びます。形態と組織の材料特性に知性が組み込まれることで、エネルギーを管理し外乱を排除する機能が実現されます。ちょうど自動車の調整されたサスペンションのように、神経系の関与なしに機械的な安定性が生まれるのです。この概念は、ロボットの形態そのものに制御機能を埋め込む「機械的知性（Mechanical Intelligence）」の設計に直接つながります。
6-2. ゴキブリ・ヤモリ・トカゲの研究とロボットへの展開：RhexからTailbotまで
Robert： ゴキブリの研究から始めましょう。ゴキブリは不整地を驚くべき速さで移動します。私たちはこの脚の設計の仮説を検証するために、ペンシルバニア大学の工学者との共同研究で開発された六脚ロボット「RHex」を活用しました。このロボットは野外での不整地走行を実証しており、現在では海岸域や農地の侵食を測定するフィールドアシスタントとして、土壌の剪断抵抗を計測する新しいプロービング技術を用いて気候変動が沿岸・乾燥・農業地帯に与える影響を監視するという実際の応用が始まっています。
さらに私たちはゴキブリが最も狭いすき間をすり抜けるだけでなく、体を半分に圧縮した状態で素早く走ることができるという発見をしました。この骨格設計と脚の動きをより深く理解するために設計したのが「CRAM（Compressible Robot with Articulated Mechanisms）」です。折り紙の原理を用いたこのロボットは、狭い空間に圧縮した状態でも走行することができます。将来的には災害後の瓦礫の中に入り込むといった用途が想定されます。
次にヤモリです。ヤモリは数百万本の微細な毛（セタ）からなる足の裏の接着機構によって、ガラスや壁面のような表面を含むほぼあらゆる面を移動できます。各毛はナノスケールの先端を持ち、ファンデルワールス力（分子間力）によって表面に接着します。離れる際には指を反らせるようにしてピーリング動作を行うという非常に特殊な機構です。スタンフォード大学の工学者との共同研究で製作した「Stickybot」は、この接着機構がどのように荷重をかけることで機能するかを説明するのに貢献し、ガラスや壁面を登ることができるロボットとして実現されました。
またヤモリの尾の機能についても重要な発見をしました。ヤモリは落下した際に空中で素早く体を正位に戻し滑空姿勢をとるために尾を使います。この慣性支援型の尾制御を検証するためのロボットを製作し、さらにジャンプ時のピッチ安定化においても尾制御が有効であることを「Tailbot」と名付けたロボットで実証しました。トカゲが跳躍した際に体の運動量を尾に転送することで安定を保つことも確認されており、この原理は地上での向き直り、旋回、さらには飛行へのアクセス、砂などの粒状媒体や沿岸域へのアクセスにも応用可能です。そして私たちは恐竜シミュレーションも実施し、恐竜が安定性のためにどのように尾を使っていたかという仮説の検証にも物理モデルを活用しました。
6-3. スナガニ・リスの研究：掘削ロボットの実現と着地制御における機械的フォールトトレランスの発見
Robert： 沿岸域の砂浜という粒状媒体への移動という点では、ゴーストクラブ（Ghost Crab）の研究が重要な成果をもたらしました。ゴーストクラブの脚の設計に関する研究が、波打ち際という非常に困難な環境を機動できるロボット「Ariel」の設計につながったのです。このロボットは沿岸の波打ち際での走行能力を持ち、クラブの脚設計に関する仮説の検証と同時に、人道的な地雷除去への応用が期待されています。
最近の砂浜に生息するスナガニ（Sand Crab）の掘削行動に関する研究では、その付属肢（アペンダージ）が掘削中にどのように機能するかについて新たな原理が明らかになり、その成果が世界初の垂直方向への自己掘削ロボットの実現につながりました。このロボットは垂直に自らを地中に埋めることができ、スナガニの付属肢機能に関する仮説に新たな洞察をもたらしています。
そして最後に、私が現在最も熱中している研究対象であるリスについてお話しします。リスがどのようにして木の枝から枝へと跳び移るか、そのとき自分の体が何をできるか、また環境がその荷重に耐えられるかをどのように把握しているのか——私たちにはまだ全く分かっていません。そして言うまでもなく、このような機敏さに近いロボットは存在しません。私たちは機械的知性だけでなく、知覚・注意・記憶・熟慮・動機・学習・革新の統合を伴う神経計算的知性を補完しなければならないということを痛感させられます。
野生のリスを対象とした現在進行中のプロジェクトでは、意思決定・学習・革新、そしてそれらと生体力学の統合を研究しています。枝の硬さを変えながら意思決定を検証する実験では、リスがしばしば着地に成功する一方で、着地に届かずアンダーシュートしたり、行き過ぎてオーバーシュートしたりすることも頻繁に観察されました。しかし驚くべきことは、100回以上の試行において一度も落下しなかったという事実です。アンダーシュートやオーバーシュートが起きても、その機械的なシステムが信じられないほどのフォールトトレランスを発揮し、失敗を許容するフェイルセーフな設計によって転落を防いでいたのです。さらにリスは試行ごとに新しい方法を革新的に編み出しており、その創意工夫は私たちを繰り返し驚かせました。
着地制御を理解するために私たちは屋外に実験装置を持ち出し、動的な高衝撃着地バランス制御の仮説を検証するための力計測を行いました。Berkeleyの工学者との協働では、着地制御の重要なパラメータを明らかにした「Salto」という物理モデルが製作されました。リスが特殊なパッドを持つ驚異的な足を使っていることも確認されており、現在は機械的知性をロボットの足に実装することで、その役割を検証する研究を進めています。
Robert： まとめとして申し上げたいのは、生物学とロボットの間の相乗効果は双方にとって大きな可能性を秘めているということです。将来的なメタマテリアルは、センシング・アクチュエーション・計算・通信を結合し、機械的知性を体現したソフト領域を超えた材料として、エネルギー節約・計算効率・生分解性と持続可能性を同時に実現する可能性があります。AIと機械学習を多スケールの物理モデリングと統合することで、ロボットは持続可能な開発目標の実現に向けて、これまで人間が到達できなかった環境にアクセスできるようになるでしょう。しかし最後に一つ強調したいことがあります——動物とその生息環境を保全しなければ、動物の秘密は永遠に失われてしまいます。それは私たちが学ぶべき知識の喪失を意味します。研究と保全は切り離せないものなのです。
7. パネルディスカッション：分野横断的研究の実践・AIの活用・今後の展望
7-1. 生物学者と工学者の協働における透明性・双方向フィードバックと「相利共生型チーム形成」
Richard： ここからはパネル全体での議論に移ります。まず視聴者から寄せられた質問も交えながら、バイオロボティクス研究における学際的協働の実践についてお聞きしたいと思います。Andyさん、生物学者と工学者が協働する際のベストプラクティスについては先ほどもお話しいただきましたが、改めてどのような点が重要でしょうか。
Andy： 最も重要なのはオープンな対話です。Boston Dynamicsとの協働では、私たちから工学者への情報提供は豊富にありましたが、逆方向のフィードバックがほとんど返ってきませんでした。私たちは動物の映像を多数提供し、不整地での堅牢な移動に必要な要素、肢の中でのエネルギー生成と制御の仕組みを詳細に伝えました。しかし自分たちの分析がロボット設計にどう反映されたのか、あるいはされなかったのかを知ることができなければ、次にどのような生物学的分析を行うべきかを考えることができません。工学者側が自分たちの設計の強みと失敗を率直に共有してくれることが、生物学者が貢献できる領域を明確にするのです。
Robert： 私が重視しているのは「相利共生型チーム形成（Mutualistic Teaming）」と呼んでいるアプローチです。毎週チームが集まり、そのコラボレーションが本当にそれぞれの専門分野に対して直接的な利益をもたらし続けているかを丁寧に確認し合います。それぞれの参加者にとって意味のある成果が生まれているかを意識的に問い続けることで、関与の熱量を高い状態に維持できます。コラボレーションが各専門分野にとって何か具体的な問題を解決し続けているかどうかに文字通り焦点を当てることができれば、集団的な発見がいかなる単一の専門分野の成果をも超えるような段階に到達できると思います。
Richard： 私自身も、生物学と工学の間を行き来する感覚は非常に共感できます。私の所属部門は比較生体医科学ですが、工学の学会にも積極的に参加し、その言語で話すことを意識しています。むしろ次世代の研究者たちはそもそも分野の壁を意識せずに育ってきており、AIや機械学習をツールとして当然のように使いこなしながら分野横断的な研究を行っています。今後必要なのは「学際的研究」という言葉で括ることではなく、そもそも学問分野の障壁を解体していくことかもしれません。
7-2. アカデミアのサイロ問題と研究資金機関の役割
Amy： 私もその点には強く共感します。アカデミアのサイロは非常に顕在化しており、分野によってはそのサイロが必ずしも悪いわけではありませんが、今日私たちが話しているような分野においては明らかに障壁になっています。サイロを壊すことも一つのアプローチですが、私はむしろ「明確な橋を架ける」ことが現実的だと考えています。必ずしもサイロを取り除かなくても、たとえば学生が二つの学部に同時に籍を置くことが制度的・費用的に容易になれば、学際的であることへのコストを下げることができます。学際的な研究をすることへのペナルティをなくし、参入障壁を下げることが現実的な一歩ではないでしょうか。
Robert： 資金提供機関の役割も非常に重要です。DARPAやONRはこの点で優れた取り組みをしてきたと思いますし、ヒューマン・フロンティア・サイエンス・プログラムも同様です。NSFが立ち上げたTechnology Innovation Partnerships（TIP）という新しいプログラムは、政府機関や民間企業を含む学際的チームを要件とし、研究の社会実装を促進することに相当の資金を投入しています。歴史的な学問分野の境界を超えた共同研究に対してインセンティブを与える資金設計こそが、この分野を前進させる鍵だと考えています。
Richard： 視聴者のJonathan Walkerから「今後5年以内に実現可能と思われる実用的ユースケースを教えてほしい」という質問が来ています。Alcaさんはいかがでしょうか。
Alka： 私が夢見るのは、複雑で到達困難な場所、特に両生型の環境での点検ロボットです。下水管やパイプの内部、あるいはダイバーが入れないような水陸の境界部分——こういった複雑な形状の環境での点検に、私たちの両生型ロボットを応用できると確信しています。捜索救助も素晴らしい応用分野ですが、市場規模という観点では点検市場の方がはるかに大きく、より早期の実用化が見込めます。
Richard： BobやAndyが言及していたDARPAのような機関は防衛分野との関係が深いですが、現時点でロボティクスと関連アルゴリズムは民間応用が主流になりつつあると見てよいのでしょうか。
Robert： NSFのTIPプログラムはまさにその移行を後押しするものです。学際的チームと政府機関・企業との連携を前提とした「ユースインスパイアード・リサーチ（use-inspired research）」に焦点を当てており、技術革新の社会実装プロセス全体を促進しようとしています。防衛応用が先行する時代から、民間・社会的応用が並走する時代への転換が確実に進んでいると感じています。
7-3. 今後5年の実用化展望：物理プロトタイプとシミュレーターの使い分け・AIによる大次元空間の縮約
Richard： 次に、視聴者のMazugiから「生物学的仮説をバイオインスパイアドロボットで検証する際に、物理プロトタイプはどの程度必要か、MuJoCoやNVIDIA IsaacのようなPhysicsシミュレーターで代替できないのか」という質問が来ています。Amyさんから始めていただけますか。
Amy： これはどちらが正解というよりも、問いの性質と研究のフェーズによって異なります。私のラボでは流体を多く扱いますが、流体のシミュレーションは非常に計算コストが高く、何時間ものシミュレーション時間を必要とします。しかもその結果が十分に正確とは言えない領域が依然として存在します。そうした場合は物理モデルから始め、その結果をシミュレーションに入力してシミュレーションの精度と速度を向上させるという流れが有効です。いずれにしても高度に反復的なプロセスです。「どちらか一方」ではなく「どちらも」という発想が基本で、最初は単純化した解析モデル——数値計算でさえなく純粋に解析的なもの——から始めることで、そもそも構築しようとしているものが物理的に成立しうるかを確認するステップを踏むこともあります。
Alka： Amyの意見に完全に同意します。現実世界は物理だけでなく知覚の面でもシミュレーションが非常に難しいのです。したがって物理モデルでの検証は常に価値があります。一方で私たちのプロジェクト——古生物ロボティクスのプロジェクト——では結果の約90パーセントがシミュレーターから得られており、物理ロボットはその補完と検証という役割を担いました。シミュレーターが特に優れているのは、形態・体の特性・筋肉モデルを素早く変更できる点です。これは実際のハードウェアではるかに困難な作業です。
Richard： 私もその両方を組み合わせることが最善だという立場です。シミュレーションが現実世界と出会う場面では、しばしば予想外の発見があります。理論的には有効に見えた解が物理的に実現不可能であったり、関節の可動範囲や神経アーキテクチャといった制約に直面することがあります。そこでこそ真の学びが生まれるのです。
Richard： 続いてChen Leeから「近年の深層学習的アプローチをバイオロボティクスにどう活用するか。ブラックボックス問題がある一方、データが十分にある分野では動物に近い運動が創発する事例も出てきているが、どう捉えるか」という複合的な質問が来ています。
Alka： 深層強化学習は運動制御において非常に刺激的な成果を出していますが、ご指摘の通りブラックボックス問題があります。私たちが有効と感じているアプローチは、深層強化学習を系全体に適用するのではなく、部分的なプレースホルダーとして使うことです。たとえば脳の高次領域が脊髄とどのように相互作用するかを調べたい場合、脊髄部分には生物学的知識に基づいた構造化モデルを使い、高次部分のみを強化学習で表現します。そしてどのような感覚情報を提供するか・しないかによって、運動の学習のしやすさがどう変わるかを観察します。ドメイン知識を系の一部に埋め込んだうえで強化学習を部分的に活用するという組み合わせが、非常に強力なアプローチだと感じています。深層強化学習が今日できることには正直に言って驚かされます。有用なツールであることは間違いありません。
Richard： 私にとってAIが最も力を発揮しているのは次元削減の局面です。入力が少なく線形モデルで扱える範囲であれば人間が直感的に理解できますが、複数のモダリティにわたる多数の入力が存在する場合、コンピューターに考えさせることが必要になります。私のラボで取り組んでいる蚊にインスパイアされた障害物回避クアッドコプターでは、異なるデータレートと異なるフォーマットを持つ多数のセンサーからの情報が集まってきます。まさにこの領域でアルゴリズムが際立った成果を出しており、最も大きな進展を見せている部分です。
Amy： 私も全く同意します。入力側においても、設計空間を知的に探索することが非常に重要です。たとえば数百・数千の実験を実行する際に、その実験マトリクスを効率的に設計し縮約することで、ただ数を増やすのではなく真に洞察をもたらす実験を選び出すことができます。感覚出力空間と運動出力空間の両方が現実世界においては非常に高次元になるため、計算論的神経科学とAIモデルの実装が掛け合わさるところにこそ、今後の大きな可能性があると感じています。
Richard： ニューラルネットワーク自体が生物インスパイアードであることを忘れてはなりません。ただし現時点では、脳とは異なるシリコンチップのアーキテクチャ上で動作しているという大きな制約があります。脳の分散センサーアレイの広大さと、その情報処理の効率を考えると、ハードウェアとプロセッサー側でのバイオインスパイレーションにも、情報処理の中身と同様に大きな余地が残されています。本日はすべての登壇者の皆さんに深く感謝申し上げます。現在の最前線について、これほど刺激的で示唆に富んだ議論ができたことを大変嬉しく思います。