270g四足ロボット「MiNI-Q」、全身姿勢を切り替える学習走行をオンボードで実現

何が起きたか

arxiv.orgは2026-10-02、270 gの四足ロボットMiNI-Qについて、単一の姿勢条件付き強化学習ポリシーでupright walking、inverted walking、landing recoveryを統合した論文「Around the World: Unified Learned Locomotion on a 270 g Continuous-Rotation Quadruped」を掲載した。制御はすべてオンボードで動作し、state machinesやphase switchingは使っていない。研究は、continuous-rotation legsによって機体が胴体の両側で支持配置に入れることを前提にしている。

詳細

論文は、連続関節空間の参照をトーラスT^8上で表し、重力条件付き変換でupright walkingとinverted walking、landing recoveryを結びつけたとしている。学習はcoordinated posture and release curriculaで行われ、identified actuation、cross-engine validation、embedded executionによってハードウェア移植を支えたとしている。 性能面では、sub-100k-parameterのネットワークが前進速度を追従し、RMSEはuprightで0.037 m/s、invertedで0.050 m/sだった。release試験では30回中24回で歩行を再開し、4種類の交換可能なfoot geometriesと4つの屋内surfaceで動作した。デモ動画と補足資料はプロジェクトサイトで公開されている。

Key Facts

本紙の見方

270 gという軽量機で、uprightとinvertedという逆位相の歩行、さらにlanding recoveryまでを単一ポリシーにまとめた点が今回の核心である。ここで新しいのは、動作モードを状態機械で分けるのではなく、姿勢条件付き学習とトーラスT^8上の連続参照で一続きの行動空間として扱ったことだ。一方、オンボード実行やcross-engine validation、embedded executionは、学習結果を機体上で動かすための実装上の要件であり、研究としては既定路線の延長に位置づく。 本紙の関連記事はないため、過去報道との連続性は置かないが、論文内の構成からは、軽量機ほど「学習した動き」をそのまま実機に落とす難しさが主題になっていると読める。sub-100k-parameterで前進速度追従を成立させた一方、RMSEはuprightとinvertedで差が残っており、姿勢が変わると誤差特性も変化する。30回中24回で再開できたことは、単なる前進性能ではなく、落下後の復帰まで含めた頑健性を評価軸に置いていることを示す。 業界構造への含意としては、機体の可動範囲、関節表現、学習カリキュラム、実機上の推論を一体で設計しないと、サブキロ級の小型脚ロボットでは動作の切り替えが難しいことが示されたとみられる。4種類のfoot geometriesと4つの屋内surfaceでの動作は、ハードウェア側の摩擦条件や接地形状が学習済み方策の適用範囲を左右することも示唆する。未確定の論点は、学習に使った計算資源、訓練時間、各surfaceでの個別成績、機体の電池持続時間、他姿勢や追加動作への拡張可否である。

なぜ重要か

論文が示したのは、270 g級でもオンボードで姿勢遷移を含む制御をまとめられる可能性である。研究元は、upright walking、inverted walking、landing recoveryを単一ポリシーで扱えるとしており、軽量脚ロボットの制御設計で「姿勢ごとに別制御」を前提にしない実装が検討対象になりうる。 一方で、30回中24回という再開成績や、4種類のfoot geometries・4つの屋内surfaceという条件付きの結果である点から、適用条件の見極めが必要だとみられる。

日本への影響

日本企業への直接の取引関係は示されていないため、一般化は避けるべきである。ただし、サブキロ級の四足機でオンボード学習制御が成立するなら、軽量アクチュエータ、脚端部材、組込み推論基板の設計力が相対的に重要になるとみられる。