Unitree G1で全身衝突回避の手法を提案　テスト時に行動を誘導

何が起きたか

arxiv.orgは2026-10-19、Unitree G1ヒューマノイドでの実機実験を含む論文「SWAP: Test-Time Steerable Humanoid Whole-Body Collision Avoidance」を公表した。論文は、狭く混雑した空間を通る際に、全身の協調と動的安定、衝突回避を同時に扱う階層型手法SWAPを提案している。 高位層は知覚条件付きの拡散方策で衝突を考慮した複数の動作候補を生成し、低位層は全身強化学習コントローラでそれを追従して姿勢を維持する。実験では静的・動的障害物を避ける挙動を示し、テスト時の誘導で速度・向き・姿勢などの標的報酬を平均34%改善したとしている。

詳細

論文は、学習データの効率化のために hindsight labeling を用いるとしている。低位層方策をランダムな指令で実行し、その軌跡が掃かなかった空間にだけ障害物を置いて、結果として衝突のない動作をラベル付けし、ロボットが見たはずの知覚を再生成する手順である。 実機評価は Unitree G1 humanoid で行われ、Monte Carlo sampling と単純なコスト信号を使って、重い報酬調整をせずに安全でタスク整合的な行動へ誘導できるとしている。

Key Facts

本紙の見方

今回の主眼は、ヒューマノイドの衝突回避を単一の決定論的方策ではなく、候補生成と安定化を分離した階層構造で扱った点にある。論文が示したのは、Unitree G1という実機で静的・動的障害物に対応し、さらにテスト時のMonte Carlo samplingで速度や姿勢といった目標を後から寄せられる構成である。これは、衝突を避けるだけの受動的な安全制御ではなく、動作の意図を保ったまま安全側へ振る実装に重心を置いた研究だと読める。 本紙の関連記事である OpenAI、ロボット関連の求人19件を公開　制御・製造まで拡張 は、制御システムやデータシステムまで含めて体制を広げる動きだった。今回のSWAPは、そのうち制御系の論点をさらに絞り込み、実世界での知覚入力から全身運動へ落とす部分を明示的に分離している。求人が示したのが体制拡張なら、SWAPはその中で何を学習し、何を実行時に調整するかを具体化した形といえる。 業界構造でみると、論点はロボット本体の性能だけではない。高位層の拡散方策、低位層の全身制御、hindsight labeling、そしてテスト時のコスト信号という4要素が連結しており、知覚・学習・制御の接続方式が競争点になる。とくに、障害物を掃かなかった空間にだけ置くという教師生成の方法は、実機データをどう安全に増やすかという論点に直結する。逆に言えば、同種の手法が実運用へ入るには、学習時の再現性、実機での頑健性、どの程度の環境変化まで保てるかを確認する必要がある。 未確定の論点としては、Unitree G1以外の機体への適用範囲、実環境での失敗率の詳細、どの程度のコスト信号が必要か、そして長時間運用での安定性である。論文は有効性を示したが、量産機への展開や現場導入の条件までは示していない。

なぜ重要か

Unitree G1での実機結果は、ヒューマノイドが人間環境を歩く際の安全制御を、研究室内の静的評価から一段進めたことを示す。特に、速度や姿勢などの目標をテスト時に調整できる点は、同じ機体でも用途ごとに動作を寄せられる可能性を示す。

日本への影響

日本では、ヒューマノイドの全身制御、知覚、学習データ収集を一体で扱う設計が重要になるとみられる。今回の論文が示したように、実機での衝突回避には本体性能だけでなく、全身コントローラとデータ生成手順が要るため、ロボット本体より制御・検証基盤を持つ企業に論点が寄る可能性がある。