RecMorph、全身運動制御向けの空間再帰アーキテクチャを提案　30肢まで一般化

何が起きたか

arXivは2026-09-16、Topology-Guided Spatial Recurrence for Generalized Morphology Control と題する論文を公開し、一般化形態制御向けの空間再帰アーキテクチャ「RecMorph」を示した。論文は、深さ優先走査で運動学木を形態由来の系列に変換し、固定のモデル幅・深さで線形トークン複雑性を保つ設計だとしている。 著者らは、UNIMALの5課題で評価対象の一般化形態制御器の中でも平均最終学習性能が最も高く、FTで推論スループットも最高だったと述べた。未学習の形態や最大30肢の身体への一般化に加え、4プラットフォームの四足歩行設定でも検証し、同一方策で40回のGo1/Go2物理試験を転倒なく完了したとしている。

詳細

論文によると、RecMorphは「recurrent sequence computation」を用いて、肢間通信と表現変換を同時に行う。設計要素としては、残差保持、RMS正規化、入力依存のチャネル変調を組み合わせ、反復する空間変換を安定化させるとしている。 評価では、UNIMALベンチマークから代表的な一般化制御器を4プラットフォームの四足歩行環境へ移植した。高摩擦条件を含む比較で、RecMorphはマクロ平均性能が最良で、名目条件での速度RMSEをspecialist MLP比で43.5%低減したという。コードと実験資源はGitHubで公開されているとしている。

Key Facts

本紙の見方

本件の新しさは、単に多肢ロボットを扱う制御器を示した点ではなく、運動学木そのものを系列に変換し、同一の再帰構造で肢間通信と表現変換を担わせた点にある。一般化形態制御は、異なる身体構造に対して一つの方策を適用するため、部位間の情報伝達とボディサイズ拡大時の計算効率が同時に問われる。RecMorphはその両方を、深さ優先走査、双方向遷移、残差保持、RMS正規化、入力依存チャネル変調という組み合わせで処理する設計であり、ここが既存の通信機構と異なる。固定のモデル幅・深さで線形トークン複雑性をうたう点も、形態が大きくなるほど計算量が増えやすい制御系に対する明確な設計上の答えである。 本紙の過去報道との接続でみると、関連する論点は、評価軸が「学習性能」だけでなく「推論スループット」と「実機移行」に広がっていることである。今回はUNIMALの5課題での平均最終学習性能に加え、FTでの推論スループット、さらに4プラットフォームの四足歩行での40回のGo1/Go2試験まで示しており、研究段階の比較から実機での再現性に軸足を移している。一般に公開されたロボット制御研究では、シミュレーション上の汎化と実機での安定性が乖離しやすく、今回の結果はそのギャップをどこまで縮めたかを示す初期材料とみられる。ただし、論文の記述だけでは、どの程度の条件差まで性能が維持されるのか、また他の身体構成へ移植した際に何がボトルネックになるかはなお残る。 市場や競合の文脈では、この種の一般化制御は、個別機体ごとの専用方策を積み上げる流れと、単一方策で複数形態を扱う流れの分岐点にある。公開情報では価格や製品化時期は確認できないが、計算効率を保ちながら身体一般化を広げる設計は、実機展開時の学習コスト、検証コスト、更新コストに直結するとみられる。競合との比較では、性能だけでなく推論速度と身体横断の一貫性が評価軸になるため、今後は手法名よりも、どの形態群で安定して使えるかが焦点になる。 今後確認すべき点は3つある。第一に、30肢までの一般化がどの程度の分布外条件に耐えるかである。第二に、FTで最高だった推論スループットが他の実機条件や別ハードウェアでも維持されるかである。第三に、Go1/Go2以外の脚式・多腕系へ移す際に、深さ優先走査と双方向遷移の設計がどこまで共通化できるかである。

なぜ重要か

論文が示したのは、最大30肢までの一般化と、4プラットフォームの四足歩行での実機試験を同時に扱える制御枠組みである。これにより、形態ごとに別方策を作る負担をどこまで減らせるかが、研究者だけでなく多品種の脚式ロボットを扱う開発側の論点になる。

日本への影響

日本のロボット研究では、脚式や多腕など機体ごとの形態差をどう吸収するかが継続課題であり、今回のような形態一般化と推論効率を両立する設計は、研究開発の比較軸になりうる。もっとも、論文は実機条件をGo1/Go2を含む四足歩行に限っているため、日本の各種機体へそのまま適用できるかは公開情報だけでは判断できない。