Unitree G1、受動移動椅子で全方向座位移動を実現 模倣報酬なしで学習

何が起きたか

2026年8月28日、arXivに公開された研究で、Unitree G1がキャスター付きの受動移動椅子に座り、全方向への座位移動を実現する方策を学習した。方策は模倣報酬なしで学習され、actorは proprioception と速度指令のみを使用し、接触センサーや椅子の状態を入力としない。ランダム指令評価では、ほぼ全ての20秒ロールアウトで全方向指令を追従し、最良の座位方策は立位方策を速度追従で上回った。ゼロショットで実機のUnitree G1に転送され、全方向の座位移動を生成した。

詳細

研究では、標準的な立位速度追従環境を、受動椅子モデル、座位状態報酬、criticのみの椅子観測、タスク特化の接触設定で拡張した。方策は模倣報酬なしで学習され、actorは proprioception と速度指令のみを使用し、接触センサーや椅子の状態を入力としない。4つの学習シードで、対称性正則化(SY)、足滑り正則化(FS)、指令カリキュラム(CC)の2^3完全要因比較を行い、FSはCoT(消費トルク)を減らすが追従誤差を増加させ、一部のFSのみの方策は静止した局所最適に収束した。FSをSYまたはCCと組み合わせると、FSの再調整なしでこの失敗を回避できた。方向別解析では、CoTは後方<横<<前方の順で、後方・横方向では脚の伸展、前方では踵接地後の膝屈曲が見られた。

Key Facts

本紙の見方

今回の研究は、ヒューマノイドロボットの移動能力を「立位」から「座位」へ拡張する試みであり、ロボットが椅子に座って作業する「座位ロコ操作」の第一歩と位置づけられる。従来のヒューマノイド研究は立位での歩行・走行が中心で、座位での移動はほとんど扱われてこなかった。本論文は、受動的な椅子とロボットの接触が非固定であるという新たな問題設定を導入し、模倣報酬なしで方策を学習できることを示した点で新規性がある。特に、actorが接触センサーや椅子の状態を一切使わず、proprioceptionと速度指令のみで全方向移動を実現したことは、実機展開の簡便さにつながる。 本紙の過去報道では、NVIDIA、エッジ向け世界モデル「Cosmos 3 Edge」を公開 4BパラメータでJetson Thor上で実時間推論やボストン・ダイナミクス、Atlasの頭部をモジュール化 計算コアを交換可能にで、ロボットの計算基盤やモジュール化の進展を報じた。今回の研究は、計算基盤ではなく「身体と環境の相互作用」に焦点を当てており、ロボットの運動能力を拡張する別のアプローチを示す。また、中国ヒューマノイド、短期の労働代替は困難 専門家が懐疑的で指摘された実用化の課題に対し、座位移動はオフィスや工場での作業を想定した現実的な解決策となり得る。 業界構造への含意として、この研究はヒューマノイドの「移動」と「操作」の分離を促す可能性がある。立位での移動はエネルギー消費が大きく、バランス制御が複雑だが、座位では椅子が体重を支えるため、その分の計算資源を操作タスクに振り向けられる。これは、ロボットのバッテリー持続時間や計算負荷の課題に対する一つの回答となる。また、受動的な椅子を利用することで、特別なアクチュエータやセンサーを追加せずに移動能力を拡張できるため、コスト面でも有利だ。 未確定の論点として、本研究はシミュレーションと単一の実機での検証に留まっており、異なる床面や椅子の形状での汎用性は未確認である。また、座位移動中の操作タスクとの同時実行(ロコ操作)は今後の課題で、論文では「座位ロコ操作への第一歩」と位置づけられている。さらに、方策の学習に用いた報酬設計の詳細や、実機転送時のロバスト性(例えば、椅子のキャスターの摩擦係数の違い)は公開情報からは不明であり、今後の検証が待たれる。

なぜ重要か

ヒューマノイドロボットが「立つ」ことから「座る」ことを学ぶことで、オフィスや家庭での実用的な作業(デスクワーク、介助など)への適用範囲が広がる。また、模倣報酬なしで学習できる点は、データ収集コストの低減につながり、ロボットの量産・普及を後押しする可能性がある。

日本への影響

日本のロボット産業は、モーターやセンサーなどの部品供給に強みを持つが、本研究成果は受動的な椅子を利用することでアクチュエータやセンサーの追加を不要にする。これは、部品の内製化圧力とは逆に、既存の部品で移動能力を拡張できることを示しており、日本の部品メーカーにとっては、新たな需要創出の機会となる可能性がある。ただし、具体的な日本企業への影響は現時点では不明である。