GAE、全身テレオペ向け統合学習枠組みを提示　Unitree G1とWestlake O1で検証

何が起きたか

arXivに2026-09-28付で掲載された論文が、リアルタイムのヒューマノイド全身テレオペ向け統合学習枠組み「General Action Expert（GAE）」を示した。動画、アニメーション、モーションキャプチャを含む異種ソースから大規模な人間動作データセットを作り、標準化と拡張を行う構成である。論文はさらに、シミュレーション上で動作参照を追従する生成器と、生成された軌道を学習する実行器を分けた2段階学習、および遅延に応じて補償する仕組みを組み込んだ。

詳細

GAEは、まず特権付きのgenerator policyで人間動作参照をシミュレーション上で追跡し、実行可能なヒューマノイド軌道を生成する。その後、deployable executor policyがcurriculum domain randomizationの下でその軌道追従を学習する。論文は、エンドツーエンド遅延を補うためにlatency-conditioned anticipation mechanismを導入したとしている。 実験はシミュレーションと実機の双方で行われ、対象ロボットはUnitree G1とWestlake O1である。論文によると、GAEは多様で機敏かつ表現的な人間の動きを、ヒューマノイドに滑らかに模倣させることを可能にした。

Key Facts

本紙の見方

GAEの新しさは、単にヒューマノイドを遠隔操作する枠組みではなく、動作データの収集・整形・学習・遅延補償を一つの学習系として束ねた点にある。一方で、テレオペ自体は既存の研究領域であり、今回の論文はその延長線上で、全身動作をより一般化して扱うための実装を示したものと位置づけられる。 本紙の観点では、注目点は「人間の動き」をそのままロボットに写すのではなく、動画・アニメーション・モーションキャプチャという異種データを標準化し、さらにシミュレーション上で生成した軌道を実機向けに学習させる二層構造にある。これは、入力データのばらつき、身体構造の差、通信遅延という三つの制約を別々に処理していることを意味する。 業界構造への含意としては、ヒューマノイド遠隔操作の競争軸が、単体モデルの操作精度だけでなく、学習用データ基盤と遅延対応の設計へ移っていることが読み取れる。とりわけ、実運用では通信品質と動作の即応性が切り離せないため、latency-conditioned anticipation mechanism のような設計は、遠隔作業の成立条件そのものに関わる。逆に言えば、どの程度の遅延まで許容できるのか、どの動作カテゴリで安定するのか、生成された軌道が実機でどこまで再現可能なのかは、まだ詰める必要がある。 未確定の論点は、学習に使ったデータ量の詳細、実機での定量評価、対象タスクの範囲、ならびにUnitree G1とWestlake O1以外への一般化である。論文は方向性を示しているが、運用上の境界条件は本文からは読み切れない。

なぜ重要か

論文が示すのは、遠隔操作を「操縦の巧拙」ではなく「データと遅延の設計」で捉え直す必要があるという点である。Unitree G1とWestlake O1での実験があるため、少なくとも研究段階では具体機体に落とし込めることが確認されている。

日本への影響

日本での影響は、ヒューマノイドの遠隔操作を前提にした現場導入を進める場合、通信遅延への補償と学習用動作データの整備が実装上の焦点になる点にある。ロボット本体だけでなく、動作データの収集・標準化・拡張の仕組みを持つかどうかが、研究開発の差になりやすい。