論文「METATRON」、Unitree G1で複数の全身動作を実行する制御層を提示

何が起きたか

論文「METATRON: A Promptable Whole-Body Execution Layer for Humanoids」が2026年10月27日にarXivに掲載された。論文は、生成型の基礎ポリシーとプログラム可能なスキル層を組み合わせ、学習後に固定した1つのチェックポイントをUnitree G1で評価した。歩行、転倒からの復帰、遠隔操作による物体の拾い上げ、家具への着座を実行したとしている。

詳細

論文の要旨によると、基礎ポリシーへのプロンプトは、身体部位ごとの時間指定付き目標、速度指令、動作スタイルの手掛かりを組み合わせる。学習にはモーションキャプチャー、合成した復帰動作の軌跡、シーンとの相互作用を含む動作をリターゲットしたデータを使い、学習後はポリシーを固定する。 状態を持つスキルは通常のコードとして記述し、各制御ステップでタスクの意図をプロンプトにする。論文は、動作データを分析して簡潔なルールを作るコーディングエージェントが、タスク別のポリシー再学習なしにスキルを改良できる設計だと説明する。比較評価では、試験した参照動作追従型の手法より、到達動作の成功率と押された際の頑健性が高かったとしている。

Key Facts

本紙の見方

この論文の設計上の焦点は、全身動作の基礎能力を学習後に固定し、個別タスクの意図をコード化したスキルからプロンプトとして渡す点にある。タスクごとにポリシーを再学習する方式に対し、動作の生成部分とタスクの記述部分を分ける構成だ。時間指定付きの身体部位目標、速度指令、動作スタイルを組み合わせるため、単一の動作系列を再生するだけでなく、複数の指示を全身協調に結びつけることを狙っている。ただし、論文要旨が示すのは設計と実験結果の概要であり、従来方式全般に対する優位性を意味するわけではない。 Unitreeに関する本紙記事では、UnitreeのH2-X動画をleaderobot.comが報道、最長約8時間の稼働を紹介と、稼働時間を掲げた動画の報道を扱った。今回の論文が扱うのは稼働時間ではなく、固定したポリシーが複数のタスクを実行できるかという制御方式であり、評価対象は異なる。ロボットの能力を読む際には、動作の種類、連続稼働、タスク成功率を同じ指標として扱わず、各資料が実際に評価した範囲を分ける必要がある。 構造面では、モーションキャプチャーや合成復帰動作などを基礎ポリシーの学習に使い、その後のスキル追加を通常のコードに担わせる。これが機能すれば、追加タスクごとにポリシーを学習し直す工程を避けられる可能性がある一方、スキルの記述や調整がどの程度の作業を要するかは要旨から判断できない。物理ロボットで示した4種類の動作は、シミュレーション上の登攀・アクロバットとは区別して評価すべきだ。 次に確認すべきなのは、比較対象の具体名、評価回数、成功率や押しへの頑健性の数値、プロンプトやスキルを変更した際の再現性である。また、遠隔操作による拾い上げ以外のタスクが自律的に実行されたか、実環境での失敗や安全性をどう扱ったかも、要旨には記載がない。コードでスキルを増やせるという設計上の主張と、異なる現場・物体・作業条件に広く適用できることは分けて検証する必要がある。

なぜ重要か

論文は、Unitree G1で学習後に固定した1つのチェックポイントが、歩行や物体の拾い上げなど複数の動作を実行したとしており、タスクごとのポリシー再学習を避ける制御設計を示している。開発側にとってはスキル追加をコードで行う方法の評価材料になるが、適用範囲や比較優位は、要旨に示された実験条件を超えて一般化できない。