Unitree G1で全身動作を制御する確率的モーショントークン化手法を発表

何が起きたか

arXivは2026年10月27日、Unitree G1の全身動作制御に確率的モーショントークン化を用いる論文を公開した。動作を離散的な表現にまとめ、高位の制御器が行動ラベルまたはテキスト指示から生成した表現を、動作追跡ポリシーに渡す手法である。実機のG1で、ダンス・格闘・歩行を各16.8秒、格闘からダンスへ移る35秒の連続動作を実行した。

詳細

論文は、同じモデル容量で比較した場合、確率的モーショントークナイザーによるG1動作の再構成が、finite scalar quantization（FSQ）やvector-quantized autoencoder（VQ-VAE）などの既存手法を上回ったとしている。これは論文中の比較結果であり、実環境での汎用的な性能を示すものとは限らない。 論文が課題として挙げるのは、速度指令を主な入力とする制御ではヒューマノイドの複雑な全身動作を扱いにくいことと、従来の追跡ポリシーでは望ましい将来動作の情報が限られ、行動間の遷移を準備しながら長期タスクを進める制御が難しいことである。提案手法では、行動ラベルやテキスト指示に基づいて高位制御器が簡潔な動作表現を生成し、追跡ポリシーに詳細な動作参照として与える。

Key Facts

本紙の見方

この研究の焦点は、ロボット本体や駆動系の改良ではなく、高位の指示と低位の追跡制御をつなぐ動作表現にある。論文が示す構成では、行動ラベルやテキスト指示を受けた高位制御器が動作を簡潔な離散表現にし、追跡ポリシーがそれを実際の全身動作の参照として使う。速度指令中心の制御と異なり、動作の形や将来の遷移に関する情報を制御器へ渡す設計だと読める。 新規性として論文が強調するのは、動作表現の再構成と、実機での長めの連続動作を同じ枠組みで扱った点である。同一容量の比較でFSQとVQ-VAEを上回ったという結果は表現方式の比較であり、ロボットの総合性能や実用性の優位を意味しない。また、実機で確認されたのはダンス・格闘・歩行の各16.8秒と、格闘からダンスへの35秒の系列である。これらは論文が掲げる長期タスク制御の課題に対する実演だが、幅広い作業の完遂や長時間稼働を示すデータではない。 本紙の関連記事では、研究者ら、人間の活動を記録したロボット学習用データセットを作成が100時間分の人間活動データを扱った。一方、この論文の要旨は学習データの量や構成を示しておらず、両者を直接結びつける根拠はない。データを集める工程と、動作を制御可能な表現に変換する工程はロボット学習の異なる段階であり、データ規模だけで制御性能を判断できないことを示す比較材料となる。また、leaderobot.com、宇樹G1の累計台数を報道はG1の生産規模に関する報道である。生産台数と今回の制御実演は別の指標であり、台数の増加が動作の再現性や運用実績を裏づけるわけではない。 今後の評価では、再構成性能の数値、学習データと評価条件、実演の反復回数、環境変化への対応、動作間の遷移が長いタスクの成功にどう寄与するかを確認する必要がある。要旨にはこれらの情報がなく、実機での実演時間だけから汎化性能や安全性を判断することはできない。

なぜ重要か

Unitree G1の実機で、個別動作だけでなく格闘からダンスへ移る35秒の系列を実行した点は、動作表現を行動間の遷移を含む制御に使う具体例となる。ただし、論文の要旨が示すのは限られた動作の実演と再構成比較であり、長時間運用や他の作業への適用を裏づけるものではない。