Unitree G1、CBF-RLで安全な階段昇降を実現 論文発表

何が起きたか

2025年10月16日、arXivに「CBF-RL: Safety Filtering Reinforcement Learning in Training with Control Barrier Functions」と題する論文が公開された。この論文では、強化学習の訓練中に制御バリア関数を組み込む新手法CBF-RLを提案し、Unitree G1ヒューマノイドロボットを用いた実世界実験で、オンラインの安全フィルタなしに障害物回避と階段昇降を安全に実行できることを示した。

詳細

論文によると、CBF-RLは2つの特徴を持つ。(1) 名目上のRLポリシーをCBF項で最小限に修正して安全制約を組み込む、(2) 訓練中のポリシーロールアウトを安全フィルタリングする。理論的には、連続時間の安全フィルタを離散時間のロールアウトで閉形式表現により展開できることを証明した。実践では、学習したポリシーに安全制約を内在化させ、オンラインの安全フィルタなしで安全な展開を可能にする。Unitree G1を用いた実験では、より安全な探索、高速な収束、不確実性下での堅牢な性能を示し、実世界で障害物を回避し階段を安全に昇降できたとしている。

Key Facts

本紙の見方

今回の論文は、強化学習（RL）における安全性の課題に対する一つの解決策を示した点で新規性がある。従来のCBFはオンラインの安全フィルタとして使われることが一般的だったが、CBF-RLは訓練中にCBFを組み込むことで、ポリシー自体に安全制約を内在化させる。これにより、実行時に安全フィルタを必要としないため、計算負荷の軽減や応答性の向上が期待できる。Unitree G1での実証は、この手法が実機のヒューマノイドに適用可能であることを示しており、シミュレーションだけでなく実世界での安全性検証が進んでいる点が重要だ。 本紙の過去報道では、UnitreeのIPO後の業界動向や、韓国の展示会でのヒューマノイド中心の展示転換を報じた。今回の論文は、Unitreeのロボットが研究プラットフォームとして活用されていることを示す一例であり、同社の技術が学術界で評価されている証左とも言える。ただし、論文は学術的な提案であり、Unitree自身の製品としての安全性保証を意味するものではない。 業界構造への含意としては、安全な強化学習の手法が確立されれば、ヒューマノイドの実用化が加速する可能性がある。特に、工場や物流現場での自律動作には安全性が不可欠であり、CBF-RLのような手法が標準化されれば、導入障壁が下がるだろう。また、Unitree G1が研究用に広く使われることで、同社のエコシステムが拡大し、競合他社との差別化につながる可能性もある。 未確定の論点としては、CBF-RLの計算コストや、より複雑な環境でのスケーラビリティが挙げられる。また、論文では階段昇降や障害物回避に成功したとあるが、その成功率や限界条件は明記されていない。今後、量産機での実証や、他のロボットプラットフォームでの再現性が確認されるかが焦点になる。

なぜ重要か

この研究は、ヒューマノイドロボットの安全性を高める手法として注目される。Unitree G1での実証は、同社のロボットが研究開発の基盤として活用されていることを示し、今後の実用化に向けた技術的な進展を後押しする可能性がある。