ヒューマノイド全身制御の新フレームワーク「ADAPT」、拡散モデルと強化学習を統合

何が起きたか

arxiv.orgに2026年9月1日付で公開された論文「ADAPT: Agile Diffusion Action Priors for Robust and Steerable Online Text-Driven Humanoid Control」は、テキスト指示に応答するヒューマノイド全身制御のエンドツーエンドフレームワークを提案した。拡散ベースの行動事前分布と強化学習を組み合わせ、長期的なロバスト性とスムーズな指示切り替えを実現する。

詳細

ADAPTは、テキストでラベル付けされたヒューマノイドの状態・行動軌跡から拡散ベースの行動事前分布を学習し、言語コマンドから多様な運動スキルを直接実行する。凍結した拡散コントローラの上に軽量な残差強化学習ポリシーを訓練し、長期的なロバスト性とスムーズなプロンプト切り替えを改善する。さらに、同じ拡散ポリシーを下流タスク適応のための操縦可能なテキスト条件付きモーション事前分布として再利用できることを示した。実験では、言語に基づくスキル実行のロバスト性、インタラクティブな遷移のスムーズさ、スタイルを保持した下流制御を実証している。

Key Facts

本紙の見方

ADAPTの提案は、ヒューマノイド制御における「テキストから運動」のパラダイムを、オフラインのモーション生成からオンラインの閉ループ制御へと移行させる点で画期的である。従来のテキスト・モーション生成パイプラインは、キネマティックなモーションを生成し、それを別のトラッカーで追従する方式が主流だった。これに対しADAPTは、エンドツーエンドの閉ループ制御を採用し、ロボットがバランス維持や自然な遷移を保ちながら、変化するコマンドに継続的に応答する。このアプローチは、実世界での即応性が求められるタスクにおいて本質的な優位性を持つ。 技術的には、拡散モデルによる行動事前分布と強化学習の残差ポリシーの組み合わせが鍵となる。拡散モデルは多様な運動スキルを表現できる一方、長期的なロバスト性に課題がある。ADAPTは、凍結した拡散コントローラの上に軽量な残差強化学習ポリシーを重ねることで、この課題を解決し、スムーズなプロンプト切り替えを実現している。さらに、同じ拡散ポリシーを下流タスクのモーション事前分布として再利用できる点は、転移学習の観点からも重要であり、タスク適応のコストを大幅に削減できる可能性を示唆する。 この研究は、ヒューマノイドロボットの実用化に向けた重要な一歩である。特に、言語指示による直感的な操作は、非専門家によるロボット制御を可能にし、介護や災害対応などの分野での応用が期待される。一方で、シミュレーションと実機のギャップ（シムトゥリアルギャップ）や、計算コスト、安全性の保証など、実用化には未解決の課題も多い。 今後確認すべき点として、第一に、実機での検証が行われているかどうか。第二に、拡散モデルの推論速度が実時間制御に耐えうるかどうか。第三に、強化学習の報酬設計がどのように行われ、安全性がどのように確保されているか、が挙げられる。

なぜ重要か

ADAPTは、ヒューマノイド制御におけるテキスト指示の直接的な活用を可能にし、ロボットの柔軟性と即応性を飛躍的に向上させる可能性がある。この技術は、産業用ロボットからサービスロボットまで幅広い応用が期待され、今後のロボット開発の方向性を左右する重要な研究である。