何が起きたか
arXivに2026年11月17日掲載の論文は、市販汎用ヒューマノイドUnitree G1を用いた自律走行システムを、World Humanoid Robot Games 2026の100メートル、400メートル、1500メートルで運用したと報告した。成績は100メートルが74台中13位、400メートルが44台の第1ラウンドで10位となり準決勝で転倒、1500メートルが35台中7位だった。論文は全種目でモーターの熱余裕がペースを決め、準決勝の転倒はレーン検出エラーに続いたとしている。
詳細
システムは、視覚によるレーン認識、経路追従、ヒトの動作事前分布を使って強化学習で訓練した走行ポリシーを統合した。身体の揺れによる頭部カメラ映像のぶれを補正し、IMUを使った脚のオドメトリーで空中にある走行局面をつないだ。 モーターの発熱に対しては、訓練時に股関節ピッチのトルクを罰する設定を加え、放熱プレートを取り付けた。さらに温度に基づく速度制限と種目別のペース配分を適用した。
Key Facts
| Unitree G1を用いたシステムをWorld Humanoid Robot Games 2026の100メートル、400メートル、1500メートルで運用した。 | [1] |
| 100メートルは74台中13位、400メートルは44台の第1ラウンドで10位となり、準決勝で転倒、1500メートルは35台中7位だった。 | [1] |
| システムは視覚によるレーン認識、経路追従、ヒトの動作事前分布を用いた強化学習の走行ポリシーを統合した。 | [1] |
| 論文は全種目で熱余裕がペースを制約し、準決勝の転倒はレーン検出エラーに続いたと報告した。 | [1] |
本紙の見方
この報告の焦点は、競技順位そのものより、市販の汎用ヒューマノイドで、認識・経路追従・走行制御を組み合わせたシステムを実際の競技に投入し、距離の異なる3種目で運用した点にある。特定のコースに沿って走るだけでなく、レーンを認識し、ペースを調整し、介入なしで完走する課題を扱った。結果は一様ではなく、100メートルは74台中13位、1500メートルは35台中7位だった一方、400メートルでは準決勝で転倒した。順位だけではシステムの再現性や競技環境への適応範囲までは示さない。 技術面では、走行性能を制御アルゴリズムだけで説明できないことが具体的に表れている。論文は全種目で熱余裕がペースを決めたとし、学習時の股関節ピッチトルクへのペナルティ、放熱プレート、温度による速度制限、種目別ペース配分を組み合わせた。すなわち、走行ポリシーの訓練から実機の熱管理までを一体で設計している。一方、準決勝の転倒はレーン検出エラーに続いたとされ、身体能力を保つ制御と、コース認識の失敗を防ぐ認識系の双方が完走条件となる。熱対策を加えても、認識の誤りが競技結果を左右し得る構造だ。 本紙関連記事のhumanoid.guide、Booster T2を開発者向けヒューマノイドとして報道は開発者向けの機体を主題としている。こちらはUnitree G1を使った競技現場での自律走行を扱っており、機体の位置づけを論じた報道と、特定タスクでの実運用報告は分けて読む必要がある。機体が市販汎用機であることは、走行システムの構成を示すが、別の機体やコースでも同じ性能が得られることを意味しない。 運用上の次の焦点は、熱管理による速度制限が距離や環境の違いでどう働くか、レーン検出の誤りをどの条件で抑えられるかだ。提示された要旨には、温度や速度制限の具体値、同条件での反復結果は記されていない。これらが確認できれば、順位だけでなく、熱余裕・認識精度・完走率のどれが性能を支配したかを比較しやすくなる。
なぜ重要か
論文の報告では、Unitree G1の走行ペースは全3種目でモーターの熱余裕に制約され、温度に基づく速度制限と種目別のペース配分が用いられた。ヒューマノイドを競技や走行タスクに導入する側にとって、走行制御だけでなく熱管理とレーン認識を含むシステム全体の評価が必要であることを示す事例だ。
