ヒューマノイド歩行で予測的知覚を導入　Unitree G1でゼロショット移植も確認

何が起きたか

arxiv.orgに2026年10月21日に掲載された論文「Watch Your Step: Anticipated Perception for Humanoid Locomotion」は、ヒューマノイドの歩行制御で、次の着地点の周辺だけを小さく切り出して観測する方法を提案した。著者らは、慣性や速度指令から将来の足場を予測する軽量なfoothold prediction model（FPM）を用い、エレベーションマップ全体をそのまま与えない構成にした。

詳細

論文は、密なロボット中心のelevation mapをそのまま使うのではなく、FPMが予測した足場の周辺だけをサンプリングする前処理を導入した。FPMは proprioception と velocity command のみから将来の footholds を予測し、ロコモーション方策と並行して学習し、歩容の成熟に応じて新しい方策ロールアウトで周期的に再学習する。 著者らによると、この軽量前処理により、完全なマップを使う場合に比べて、同じ地形難度に到達するまでの学習反復回数はおよそ3分の1になった。また、footholds がまばらな環境では完全マップを観測する方策を上回り、狭い壁付き通路や未見の地形でも優位を示した。さらに、学習分布を超える屋内外の障害物、階段、隙間、段差降下に対して、Unitree G1 humanoid へのゼロショット移植を確認したとしている。

Key Facts

本紙の見方

この論文の新しさは、ヒューマノイド歩行で「地形全体を見せる」のではなく、「次に踏む場所の周辺だけを先に切り出す」点にある。歩行方策が必要とする情報をあらかじめ絞ることで、完全なelevation mapを入力する従来構成より学習効率を高めた、というのが主眼である。一方で、方策自体は地形情報を使う設計のままであり、知覚の与え方を変えた改善だと整理できる。 本紙の過去記事との関係では、宇樹科技、H2-Xを発表　「会守護」型に用途を広げるで触れたように、Unitreeのヒューマノイドは武術や舞台演出から、安保や応急救援を想定した用途へ広がっている。今回の論文は、その用途拡張を支える要素として、見えない地形や段差、障害物に対して歩行制御がどこまで追随できるかに焦点を当てる。H2-Xのような用途では、外部の大規模計算基盤よりも、ロボット本体の知覚と局所判断が実運用の成否を左右するとみられる。 業界構造の観点では、論点はロボット本体の脚運動性能だけでなく、センサ入力の圧縮方法と学習サイクルの設計に移る。完全マップを前提にした重い注意機構より、軽量な前処理で同等以上の性能を狙うなら、搭載計算資源、学習データの収集方法、再学習の頻度が実装上の制約になる。特に、footholds がまばらな環境や未見地形での挙動は、実地導入時の安全性評価にも直結する。 未確定の論点は、Unitree G1への移植結果がどの範囲の障害物条件まで再現できるか、学習に要したデータ量や計算量、FPMの推論コスト、そして屋内外の条件差で性能がどう変わるかである。論文は性能優位を示すが、実運用で必要になる稼働時間や保守条件までは示していない。

なぜ重要か

著者らは、完全な地形マップを見せる方式より学習反復回数をおよそ3分の1に抑えられるとしており、ヒューマノイドの歩行学習に必要な計算と試行回数の圧縮に関係する。Unitree G1で障害物、階段、隙間、段差降下へのゼロショット移植を示した点は、実機への適用可能性を検討する材料になる。

日本への影響

Unitree G1への適用が示されたことで、日本のヒューマノイド開発でも、脚機構そのものだけでなく、地形認識と局所歩行制御の設計が競争点になる可能性がある。とくに、屋内外の段差や階段を扱う用途では、知覚前処理と再学習の設計が安全性評価の焦点になりうる。