Meta Motivo、全身ヒューマノイド制御の基盤モデルを発表

何が起きたか

Metaは2025年4月15日、arxiv.orgに投稿した論文で、ヒューマノイド制御のための行動基盤モデル「Meta Motivo」を発表した。このモデルは、観測のみのモーションキャプチャデータセットを用いて訓練され、モーション追跡、ゴール到達、報酬最適化などの全身タスクをゼロショットで解決できるとしている。

詳細

論文によると、Meta Motivoは「Forward-Backward Representations with Conditional-Policy Regularization」と呼ばれる新しいアルゴリズムを用いて訓練される。このアルゴリズムは、教師なし強化学習を、ラベルなし行動データセットからの軌道模倣に正則化する。具体的には、前方・後方表現を訓練してラベルなし軌道を状態・報酬・ポリシーと同じ潜在空間に埋め込み、潜在条件付き識別器を用いてポリシーがデータセット内の状態を「カバー」するように促す。これにより、データセット内の行動と整合しつつ、報酬ベースおよび模倣タスクに対するゼロショット汎化能力を保持する。

Key Facts

本紙の見方

今回の発表は、ヒューマノイド制御における基盤モデルの構築という点で新規性が高い。従来の教師なしRLは、下流タスクごとにRLプロセスを実行する必要があったり、カバレッジの良いデータセットやタスク固有のサンプルを必要としたり、下流タスクと相関の低い教師なし損失を用いるなどの課題があった。Meta Motivoは、ラベルなし行動データセットからの軌道模倣を正則化として導入することで、これらの課題を克服しようとするものである。特に、観測のみのモーションキャプチャデータを用いる点は、実世界のデータを活用する上で重要であり、シミュレーション環境に依存しないアプローチとして注目される。 本紙の過去報道との接続は、関連記事が提供されていないため直接的な言及は避けるが、ヒューマノイド制御の分野では、強化学習と模倣学習の融合が進んでおり、今回の手法はその流れをさらに推し進めるものと位置づけられる。特に、ゼロショット汎化を重視する点は、実環境での適応性を高める上で重要であり、今後の研究の方向性を示唆している。 業界構造への含意としては、ヒューマノイドロボットの制御ソフトウェアの開発において、基盤モデルの活用が進む可能性がある。従来はタスクごとに個別のポリシーを訓練する必要があったが、基盤モデルを用いることで、多様なタスクに柔軟に対応できるようになる。これは、ロボットの実用化に向けたコスト削減や開発期間の短縮につながる可能性がある。また、モーションキャプチャデータの活用は、データ収集の効率化にも寄与する。 未確定の論点としては、実際のヒューマノイドロボットへの適用時の性能や、シミュレーションと実環境のギャップが挙げられる。論文ではシミュレーション環境での評価が中心である可能性が高く、実機での検証が今後の課題となる。また、ゼロショット汎化の限界や、データセットの質と量が性能に与える影響も確認する必要がある。さらに、安全性や倫理的な側面についても、実用化に向けて議論が求められる。

なぜ重要か

ヒューマノイド制御の基盤モデルは、ロボットの汎用性を高める可能性を秘めており、産業用からサービス用まで幅広い応用が期待される。今回のMeta Motivoの発表は、その実現に向けた一歩であり、今後の研究開発の方向性に影響を与えるだろう。