Unitree G1で極限バランス制御を実現するフレームワーク「HuB」、arXivで公開

何が起きたか

2025年5月12日にarXivで公開された論文「HuB: Learning Extreme Humanoid Balance」において、Unitree G1ヒューマノイドロボット向けのバランス制御フレームワーク「HuB」が発表された。同フレームワークは、ツバメバランスやブルース・リーの蹴りなどの極端な片足ポーズを含む準静的バランス課題を強化学習で解決し、サッカーボールの強烈な衝撃などの物理外乱下でも安定性を維持する。

詳細

HuBは、参照動作の改良、バランス認識ポリシー学習、シミュレーションから実機へのロバスト性訓練の3つの要素で構成される。論文では、参照動作の誤差による不安定性、形態的不一致による学習困難、センサノイズや未モデル化ダイナミクスによるシミュレーションと実機のギャップという3つの課題に対処する。検証はUnitree G1で行われ、ベースライン手法が失敗する状況でも、強い物理外乱下でポリシーが安定を維持したと報告されている。

Key Facts

本紙の見方

今回のHuBは、ヒューマノイドロボットのバランス制御における強化学習の適用範囲を、従来の歩行や運動追従から、より静的な極限バランスへと拡張した点で新規性がある。特に、片足立ちやハイキックのような、人間の運動能力の極限に近いタスクを実機で実現したことは、ヒューマノイドの実用性を高める上で重要な一歩とみられる。 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への関心の高まりを報じた。HuBの発表は、Unitreeのハードウェアが研究コミュニティで広く利用され、高度な制御アルゴリズムの検証プラットフォームとして機能していることを示す。これは、Unitreeが単なるロボットメーカーではなく、ヒューマノイド研究のエコシステムの中心的存在になりつつあることを示唆する。 業界構造への含意として、HuBのようなフレームワークの登場は、ヒューマノイドの制御ソフトウェアの競争を激化させる可能性がある。ハードウェアの性能差が縮まる中、ソフトウェアの高度さが差別化要因となる。また、強化学習によるバランス制御の進展は、介護や建設など、動的で不確実な環境での作業にヒューマノイドを適用する際の障壁を下げる。 未確定の論点としては、HuBの実機での再現性や、他のヒューマノイドプラットフォームへの適用可能性が挙げられる。論文ではUnitree G1での検証結果が示されているが、他のロボットでの性能や、より複雑な動的タスクへの拡張は今後の課題である。また、強化学習の学習データや計算資源の要件も、実用化に向けて確認が必要だ。

なぜ重要か

ヒューマノイドロボットの実用化には、不整地や外乱下での安定したバランス制御が不可欠である。HuBは、強化学習を用いて極限的なバランスタスクを実現したことで、ヒューマノイドの適用範囲を広げる可能性を示した。これは、産業用からサービス用まで、ヒューマノイドの市場拡大に寄与する技術的基盤となる。