Unitree G1へのゼロショット転移を示すP-BFM論文、arXivで公開

何が起きたか

arXivは2026年10月11日、P-BFM（Perceptive Behavioral Foundation Models for Humanoid Control via Unsupervised Reinforcement Learning）を公開した。論文は、地形に依存しない意図と地形条件付きの実現を分ける人型ロボット制御の枠組みを提案し、Unitree G1に対するゼロショット転移を示した。単一の固定ポリシーで、歩幅、姿勢、足の置き方、接触の仕方を地形に応じて変えるとしている。

詳細

論文は、forward-backward representationによって motion references、target states、reward functions を地形情報なしの shared intent space に写像し、perceptive policy が周囲の地形幾何に応じて各 intent を実現する構成を取る。さらに、Behavioral latents が局所的な動作パターンを保ちながら大域的な進行を損ない得るという制約を挙げ、Explicit Root Instructions（ERI）を導入して heading と planar velocity を behavioral intent から分離した。 著者らは、この分解により、terrain-specific demonstrations を用いずに、one fixed intent が異なる地形適応行動を誘発すると説明する。評価では、challenging terrains において motion fidelity、root-control precision、perturbation recovery が強いベースラインを上回り、単一の凍結ポリシーが motion tracking、goal reaching、reward inference、teleoperation、terrain-aware recovery にも対応するとしている。

Key Facts

本紙の見方

P-BFMの新しさは、ヒューマノイド制御を「地形に依存しない意図」と「地形条件付きの実現」に分け、さらにERIで大域移動を意図から切り離した点にある。ここで主役なのは学習済み表現そのものではなく、地形ごとに動作例を列挙する代わりに、1つの固定ポリシーで複数の地形適応を成立させようとする設計である。歩幅、姿勢、接地位置、接触の仕方まで変えると明記しているため、単なる歩行制御ではなく、全身運動の再構成を扱う論文だと読める。 本紙の関連記事であるDeepSeek創業者の梁文鋒、具身智能分野の起業家と接触　参入を検討かやロボット賃貸の掲載価格が289元には、いずれも中国の具身智能やUnitree製品周辺で需要や関心が動いている状況を示していた。今回の論文は、その周辺で繰り返し語られてきた「ロボットをどう動かすか」という問いに対し、ハードの性能よりも、地形条件を組み込んだ制御表現の切り分けを先に提示している点が異なる。つまり、機体の販売やレンタルの話題とは別に、実運用で必要になるのは、未知環境での転倒回避や復帰を含む制御の再利用性であることが、Unitree G1への転移実験で示された格好だ。 業界構造への含意としては、学習データの集め方が変わる可能性がある。terrain-specific demonstrations を前提にしないなら、必要になるのは地形別の大量模倣データではなく、意図と地形条件を分けて学習させる設計だ。他方で、論文が強調するのは研究上の転移であり、量産機で同じ性能が再現できるか、オンボード深度センシングの依存度がどこまで許容されるかは別問題である。実機導入では、歩行安定性だけでなく、teleoperation や goal reaching まで含めた汎用性がどの程度保たれるかが焦点になる。 未確定の論点は、Unitree G1での転移がどの程度の条件・地形範囲で成立したのか、また学習に使った計算量やデータ規模である。論文要旨には評価指標の優位は示されているが、実運用での失敗条件、稼働率、安全性、そして他機種への再現性は本文精読が必要だ。

なぜ重要か

Unitree G1へのゼロショット転移をうたうことで、実機ロボットの制御研究がシミュレーション内の歩行から、未知地形での復帰や接地判断まで含む段階に移っていることを示す。論文の主張が再現するなら、地形別のデモ収集を減らしつつ、深度センサーを備えたヒューマノイドで汎用制御を試しやすくなる可能性がある。