異なる形態のヒューマノイドにゼロショット転移する統一立ち上がりポリシーを発表

何が起きたか

arXivに2025年12月13日付で掲載された論文『Learning to Get Up Across Morphologies: Zero-Shot Recovery with a Unified Humanoid Policy』において、研究チームは、高さ0.48〜0.81メートル、重量2.8〜7.9キログラムの7種類のヒューマノイドロボットを対象に、単一の深層強化学習ポリシーが立ち上がり動作を学習し、未見の形態に対してゼロショットで転移できることを実証した。

詳細

論文によると、提案された統一ポリシーはCrossQアルゴリズムで訓練され、未見の形態に対して86±7%（95%信頼区間[81, 89]）の成功率でゼロショット転移を達成した。これはロボット固有の訓練を不要にする。実験では、leave-one-out実験、形態スケーリング分析、多様性アブレーションを通じて、対象となる形態のカバレッジがゼロショット汎化を向上させることが示された。場合によっては、共有ポリシーが専門家ベースラインを上回る性能を示した。ソフトウェアはオープンソースとしてhttps://github.com/utra-robosoccer/unified-humanoid-getupで公開されている。

Key Facts

本紙の見方

今回の研究は、ヒューマノイドロボットの立ち上がり動作において、形態に依存しない制御の実現可能性を示す点で新規性がある。従来の深層強化学習による立ち上がり動作は、ロボットごとに個別のポリシーを訓練する必要があったが、本研究は単一のポリシーで複数の形態に対応できることを示した。これは、RoboCupのような動的環境での応用を視野に入れたもので、試合中のダウンタイムを減らすことが期待される。 本紙の過去報道との接続はないが、この研究はロボット制御における汎用ポリシーの可能性を探る流れの一部と位置づけられる。特に、ゼロショット転移というアプローチは、シミュレーションから実機への転移や、異なるロボット間での知識共有という観点で重要であり、今後のロボット開発の効率化につながる可能性がある。 業界構造への含意としては、ロボットメーカーが個々のロボットに特化した制御ソフトウェアを開発するコストを削減できる可能性がある。また、オープンソースで公開されることで、研究コミュニティ全体での再現性と発展が促進されるだろう。一方で、本研究は特定のロボット群（高さ0.48〜0.81m、重量2.8〜7.9kg）に限定されており、より大規模なロボットや異なるアクチュエータ構成への適用は未検証である。 未確定の論点としては、実際の物理ロボットでの転移成功率がシミュレーションとどの程度一致するか、また、より多様な形態（例えば、脚の数や自由度の異なるロボット）への一般化が可能かどうかが挙げられる。さらに、立ち上がり動作以外のタスク（歩行、操作など）への統一ポリシーの拡張可能性も今後の課題である。

なぜ重要か

この研究は、ヒューマノイドロボットの制御におけるパラダイムシフトを示唆する。ロボット固有の訓練を不要にする統一ポリシーは、開発コストの削減と導入の迅速化につながり、RoboCupなどの競技や実用現場でのロボットの信頼性向上に寄与する可能性がある。また、オープンソース公開により、研究の再現性とコミュニティの発展が促進される点も重要である。