何が起きたか
arxiv.orgは2026-10-16、BeJEPA: A Goal-Conditioned Humanoid Behavior World Model via Unsupervised RLを公開した。人の動作事前知識とロボット相互作用から学ぶ目標条件付きの行動世界モデルで、実機はUnitree G1を使って検証した。論文は、姿勢、世界座標での位置、向きの目標達成や、地面からの回復、外乱や目標変更後の閉ループ復帰を示したとしている。
詳細
BeJEPAは、Joint-Embedding Predictive Architecture（JEPA）に基づき、身体構成と世界での配置を共有表現として学習する。Dynamic Predictorが行動の下で次状態埋め込みを予測し、Successor Predictorが目標条件付き方策の将来状態埋め込みを単一ベクトルで要約する。 論文によると、20秒のモーショントラッキング実験では、Dynamicによるオンライン行動微調整を用いたBeJEPAが、AMASS上の全身位置誤差でBFM-Zero（world-pose inputs）比61.7％、SONIC比58.7％改善した。物理実機のUnitree G1で、姿勢・世界位置・向きの同時達成、地面からの復帰、外乱と目標変更後の閉ループ復帰を確認したとしている。
Key Facts
| BeJEPAは、目標条件付きの人型ロボット向け行動世界モデルである。 | [1] |
| 学習には、人の動作事前知識とロボット相互作用からの自己教師あり強化学習を用いる。 | [1] |
| モデルは、Dynamic PredictorとSuccessor Predictorの組み合わせで構成される。 | [1] |
| 20秒のモーショントラッキング実験で、AMASS上の全身位置誤差をBFM-Zero比61.7％、SONIC比58.7％改善したとしている。 | [1] |
| 物理実機としてUnitree G1で検証し、姿勢・位置・向きの目標達成や外乱後の復帰を示したとしている。 | [1] |
本紙の見方
BeJEPAの新規性は、単なる姿勢模倣や軌道追従ではなく、世界座標系での位置と向きを含む目標条件を、行動世界モデルとして扱う点にある。論文は、長い想像ロールアウトを使わずに、1回の物理予測と1回の行動要約で方策改善を導くとしており、ここに計画・制御の設計思想の違いが表れている。一方で、実機検証先がUnitree G1であることは、モデルがシミュレーション内にとどまらず、実物のヒューマノイドで姿勢、位置、向きの同時制御を試していることを意味する。 本紙の関連記事でいうと、OpenAI、ロボット関連の求人19件を公開 制御・製造まで拡張が示したのは、制御だけでなく電気、アクチュエータ、モーター設計、製造、データシステムまで体制を広げる動きである。これに対し本件は、学習済みモデルの表現設計が、実世界データと閉ループ制御を結ぶ中核になりうることを示す材料だとみられる。つまり、求人で示された周辺機能の拡張と、今回のような制御表現の研究は、別々の話ではなく同じロボティクス基盤を構成する。 業界構造への含意としては、論点はロボット本体の運動性能そのものより、世界座標を扱う状態表現、外乱後に戻る閉ループ制御、そして実機で評価できる学習環境に移っている。AMASSのようなモーショントラッキングデータと、Unitree G1上の物理検証が結びつくことで、データ・学習・実機評価の循環がどこまで作れるかが焦点になる。未確定の論点は、学習に使った人の動作事前知識の具体的な構成、実機での評価条件、そしてUnitree G1以外の機体への一般化可能性である。
なぜ重要か
論文が示したのは、Unitree G1のような実機で、姿勢・位置・向きを同時に扱う制御が検証されたことである。人型ロボットの研究では、シミュレーション上の動作と実機の閉ループ挙動の差が課題だが、本件はその差を埋める学習枠組みとして読める。