NVIDIA、GR00T全身制御のコードベースを公開　Unitree G1向けSONICモデルも収録

何が起きたか

NVIDIAのGitHubリポジトリ「GR00T Whole-Body Control」は、ヒューマノイド向け全身制御の学習、評価、展開に使うコード、モデルチェックポイント、スクリプトを掲載している。内容には、GR00T N1.5とN1.6で使われたDecoupled WBCのほか、GEAR-SONIC系列とMotionBricksが含まれる。Unitree G1向けにはSONICの3種類のチェックポイントが用意されている。

詳細

SONICの3モデルはいずれも64次元の潜在モーショントークンを出力し、制御周期は50Hz。Default SONICとSONIC v1.1は20ミリ秒間隔で10フレーム先までの参照を使い、約200ミリ秒の先読み幅を持つ。Low-latency teleoperationは4フレーム、約80ミリ秒の先読み幅で、全身テレオペレーションとVLA実行向けとされる。この先読み幅は、センサー、通信、前処理、推論を含むテレオペレーション全体の遅延を示す値ではない。 展開にはC++とTensorRTを使い、PyTorchのチェックポイントはIsaac Labでの評価や継続学習に対応する。リポジトリはテレオペレーションによるデータ収集用の仕組みも掲載し、SONICのモデル重みにはNVIDIA Open Model Licenseが適用される。

Key Facts

本紙の見方

この公開の焦点は、ロボットの動作モデル単体ではなく、学習、評価、テレオペレーションによるデータ収集、実機展開までを同じリポジトリで扱う点にある。GR00T N1.5とN1.6で使われたDecoupled WBCを収録する一方、GEAR-SONIC系列やSONICも並べており、既存の分離型制御と、全身動作を扱う制御器群を一つの開発環境で扱う構成だ。ただし、収録されたことは各方式の実環境での性能や普及を示すものではない。 SONICの3種類は、単に速さの違いで区分されているわけではない。Default版は汎用的な動作追跡、計画、テレオペレーション向け、Low-latency版はより応答性の高い全身テレオペレーションとVLA実行向け、v1.1はロボットの向きを基準にした姿勢と手首姿勢の拡張学習を使う。先読み幅の約200ミリ秒と約80ミリ秒は制御器に渡す参照の範囲であり、総遅延の比較値ではないという注意書きも重要だ。ここを実測の応答時間と取り違えると、ロボットの操作性能を誤って評価する。 本紙が報じたロボスタ、富士ソフトとダイドーの実機デモを報道は実機デモを扱ったのに対し、本件は制御モデルと実装手段を共有する開発基盤の公開であり、両者が示す証拠の種類は異なる。SONICではG1向けモデル、C++・TensorRTによる展開、テレオペレーション用のデータ収集が結び付いている。これは、動作データをモデル学習に使い、その出力を制御器経由でロボットに適用する工程を開発者が追える構造とみられる。一方、リポジトリにコードや重みがあることだけでは、特定タスクの成功率や継続稼働は判断できない。 事業・供給網の観点では、複数の制御方式やモデルを共通の展開基盤で試せることが、ロボットメーカーや研究者の実装負担にどう影響するかが論点になる。ただし、対象機体として具体的に示されるSONICのモデルはUnitree G1向けであり、他機体での互換性や性能は記載されていない。モデル重みにはNVIDIA Open Model Licenseが適用される一方、コードや各構成要素の利用条件は重みのライセンスと同一とは限らず、利用者は個別に確認する必要がある。次に確認すべきなのは、異なる機体での再現性、タスク別の実測性能、安全性、そして学習データの収集・利用条件である。

なぜ重要か

Unitree G1向けに、約200ミリ秒と約80ミリ秒の参照先読み幅を持つモデルが用意され、C++・TensorRTによる展開手段も示されたため、開発者は目的に応じて制御構成を選べる。先読み幅は総遅延を表さず、リポジトリの公開だけで実機のタスク性能が確認されたわけではない点が、適用を判断する際の条件となる。