論文が歩行制御手法「STEP」を報告、Noetix E1実機で100回中98回成功

何が起きたか

arXiv掲載論文は2026年11月5日、知覚型ヒューマノイドの歩行制御手法「STEP」を報告した。23自由度のNoetix E1に実装し、階段、40cmの台、70cmの溝、踏み石、後方の地形を見ずに行う後ろ向きの階段移動を含む実機試行100回中98回で成功したとしている。

詳細

STEPは深度情報と固有感覚のトークンを複数の学習済みクエリーで集約し、制御に使う状態表現を構成する。片方のモダリティーから、隠されたもう片方の潜在特徴を予測する双方向のマスク予測に加え、現在の状態表現と実行した行動から次の状態表現を予測する仕組みを、単一の枠組みで学習する。 論文はシミュレーション比較で、評価対象とした融合手法やアブレーションより地形走破性能が全体として改善したと報告した。また、深度情報の欠落や遅延を加えた実験では、二つの予測目的それぞれの効果を示したとしている。

Key Facts

本紙の見方

この研究の技術的な焦点は、視覚と身体感覚を一つの特徴表現にまとめるだけでなく、地形と身体状態の関係、および行動後に状態がどう変わるかを予測対象にした点にある。論文は、同時点の感覚情報を結び付ける学習にとどまらず、実行した行動を介した状態の時間変化も制御表現上で学習する設計を示した。したがって、成果の読みどころは単にセンサー情報を統合したことではなく、行動に伴う変化を学習目標に含めたことと、実機で評価したことの組み合わせにある。 本紙はGalbotめぐる中国の人型ロボット投資を報道で投資動向を扱った。今回の論文はその記事で扱った企業や投資案件との関係を示すものではなく、別の角度からヒューマノイド開発の進展を捉える材料だ。投資額や事業計画ではなく、Noetix E1上での歩行制御の実装と試行結果を報告している点が異なる。両者を結び付ける資金・企業上の関係は、提示された情報からは確認できない。 産業構造の面では、深度カメラの入力と固有感覚、制御ポリシー、実行行動を一続きの学習枠組みで扱う設計が、センサー情報の欠落や遅延を含む条件でどう機能するかが論点になる。論文はシミュレーション上の比較に加え、23自由度の機体で複数の地形課題を試した。ただし、100回の試行に各課題が何回含まれたか、成功の判定基準、比較手法との数値差は要旨に記載されていない。98回という結果だけで、異なる環境や長時間稼働での再現性まで評価することはできない。 次に確認すべきなのは、試行条件ごとの成績、評価対象となった融合手法との定量比較、深度情報の欠落・遅延に対する耐性の範囲、実機での計算負荷や制御周期である。要旨は後方の地形を見ない階段移動を試したとするが、センサー構成や動作速度、失敗した2回の条件は示していない。これらが明らかになれば、STEPの寄与が特定課題での成功にとどまるのか、実運用で必要な感覚情報の変動にも対応するのかを、より限定的かつ正確に評価できる。

なぜ重要か

論文は、深度情報と固有感覚の関係だけでなく、実行行動に伴う状態変化も学習するSTEPをNoetix E1で試し、100回中98回の成功を報告した。地形情報の欠落や遅延を扱う実験も含むため、視覚入力が不完全な条件での歩行制御を検討する研究者に関係する成果だが、試行条件の詳細や異なる環境での再現性は要旨からは評価できない。