01 / UNDERSTAND
仕組みと使いどころ
知覚では、テキスト、音声、カメラ映像、各種センサーなどから状況を表す情報を取り出します。推論では、その情報を目標や現在の計画、周囲の状況と照らし合わせ、次に実行する行動を選びます。行動では、ロボットの移動や把持、APIの呼び出し、データベースの更新などを実行します。行動によって環境が変化するため、その結果を再び知覚し、判断や計画を更新します。ただし、この循環があるだけで学習や性能向上が保証されるわけではありません。経験を記憶して推論を改善する構成もあれば、内部状態だけを更新し、判断規則そのものは学習しない構成もあります。また、知覚した情報や内部モデルが現実とずれると、適切でない行動を選ぶ可能性があります。
02 / IN PRACTICE
Perception-Reasoning-Action Loopの活用例
たとえば、こんな場面で
倉庫ロボットへの活用では、カメラから箱や障害物の位置を知覚し、目的地までの経路や把持動作を判断して実行する構成が考えられます。箱を動かした後は周囲を再確認し、配置の変化や新たな障害物に応じて次の行動を選び直します。
03 / GOOD TO KNOW
使うときのポイント
システムを確認するときは、何を知覚できるか、どの目標や情報に基づいて行動を選ぶか、実行結果をどう再取得するかを分けて整理します。学習機能の有無はループとは別に確認が必要です。
参考資料
Core building blocks of software agents （新しいタブで開きます）What Is Reasoning VLA & How Does It Work? （新しいタブで開きます）What is a Model-Based Reflex Agent? | IBM （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。