月面環境を想定したUnitree G1の歩行制御、Earth-trainedとMoon-trainedで差　arXiv論文

何が起きたか

2026年10月21日公開のarXiv論文は、シミュレーション上のUnitree G1を使い、重力、地形、接地条件を変えた12本のポリシーを同一手法で学習・比較した。地球学習のポリシーは月面の平地で0.64〜0.75の生存率を示したが、月学習とEarth-to-Moonの微調整済みポリシーは地球で立てなかった。月面向けの汎化は、地形と土壌の組み合わせ次第で結果が分かれる構図である。

詳細

論文は、重力、地形形状、接地条件を変えた12ポリシーを、1つのレシピで学習したとしている。接地条件は剛体地面と、三次元の抵抗力理論(3D RFT)に基づく土壌モデルを使い分け、さらにEarth-to-Moonの微調整と重力ランダム化も加えた。テストは、両重力下の剛体地面と3D RFT、加えて訓練重力での3種類の保留土壌モデルで行われた。 結果として、粗い地形で学習したポリシーは、Earthでのcombined-tile survivalを0.53から0.98へ、Moonで0.80から0.99へ押し上げた。3D RFTでは、土壌訓練の効果はEarthの砂、タイル、また粗い地形で学習したポリシーのEarthの平砂に見られた一方、より硬い月面土壌ではEarth学習の平地ポリシーに限って効き、Moon-trainedポリシーの生存率の変化は数百分の数点にとどまったとしている。

Key Facts

本紙の見方

この論文の新しさは、ヒューマノイドの歩行制御を「月面で動くか」という一点に寄せつつ、重力だけでなく地形形状と土壌モデルを同時に振った点にある。月面対応を語る研究は多いが、ここではUnitree G1という単一のプラットフォームに対し、剛体地面と3D RFT、Earth-to-Moon微調整、重力ランダム化まで含めて、転移の非対称性を見ている。つまり主題は単なるロボット歩行の成否ではなく、地球で学んだ制御がどの条件まで月へ持ち込めるか、逆に月で学んだ制御が地球へ戻るとどう崩れるかである。 本紙の過去報道である宇樹科技、H2-Xを発表　「会守護」型に用途を広げると比べると、今回は製品発表ではなく、シミュレーション評価に軸足がある。H2-Xの記事では連続稼働時間など実機の用途拡張が焦点だったのに対し、今回は制御の汎化能力、特に重力変化と土壌硬さへの耐性が中心である。両者をつなぐと、Unitree関連の論点は「見せ方や用途の拡張」から「実環境条件をどこまで再現・吸収できるか」へ移っていると読める。 業界構造への含意は3点ある。第1に、ヒューマノイドの性能評価は関節数や速度だけでは足りず、重力、接地、土壌剛性という環境変数を含めた検証が必要になる。第2に、3D RFTのような接触モデルが効く条件と効かない条件が分かれたことで、学習データとシミュレータの整合性が性能を左右することが示された。第3に、月面向けの議論であっても、Earthでの立位や平地歩行が維持できるかが同時に問われるため、単方向の最適化では運用範囲が狭まる可能性がある。 未確定の論点は、実機での再現性、使用した接触モデルの具体的なパラメータ、学習済みポリシーの汎化範囲、そして月面レゴリス以外の土壌条件への適用可否である。論文はシミュレーション予測であり、月面結果は接触モデルと土壌剛性に条件づけられているため、実機検証が次の焦点になるとみられる。

なぜ重要か

この研究は、月面や低重力環境でのヒューマノイド歩行を、単なる速度競争ではなく環境条件に依存する制御問題として扱っている点で重要である。Unitree G1を使った結果として、Earth-trainedとMoon-trainedで転移が非対称だったため、実運用を想定する側は学習環境の設計そのものを見直す必要がある。

日本への影響

日本のロボット研究や宇宙探査の文脈では、重力・地形・土壌を分けて評価する手法が重要になる。特に、実機評価だけでなくシミュレーションの接触モデル整合性が性能に効くことが示されたため、脚式ロボットの制御や宇宙環境向け検証に関わる研究機関・企業には、学習条件の設計が論点になる。