Unitree G1、模倣学習由来の再利用可能な動作プリミティブで実機検証

何が起きたか

arxiv.orgに2026年7月27日付で掲載された論文『Learning Reusable Hybrid Motion Priors for Humanoid Locomotion from Motion Imitation』において、研究チームは模倣学習による動作スキルを再利用可能なハイブリッド動作プリミティブ（HMP）に変換する3段階パイプラインを提案した。提案手法はUnitree G1実機での速度追従タスクで検証された。

詳細

提案手法は3段階で構成される。第1段階では、リターゲットされた人間のモーションキャプチャクリップを模倣する専門家ポリシーを訓練する。第2段階では、専門家を、 proprioceptive encoder、 residual vector-quantized (RVQ) codebook、 action decoder からなる凍結アーキテクチャに蒸留する。第3段階では、HMPを凍結したまま、離散コードブックエントリを選択することでタスクレベルのポリシーを訓練する。評価は、シミュレーションでの速度追従、ポイントゴールナビゲーション、転倒回復速度追従、および実機Unitree G1での速度追従ポリシーの展開によって行われた。蒸留プロセスは専門家の追従行動を保持し、HMPは再訓練なしで異なる下流の移動ポリシーのアクションインターフェースとして再利用できる。学習されたHMPは解釈可能なコードブック構造を示し、アクティブなRVQステージの数が利用可能な歩容パターンを調整する。さらに、回転トリックを用いたコードブック訓練は、標準的なstraight-through estimatorと比較して、潜在表現の組織化を改善し、下流の転倒を減少させることが示された。

Key Facts

本紙の見方

本論文は、ヒューマノイドの移動制御において、模倣学習で得たスキルを再利用可能なプリミティブとして蒸留する手法を提案し、実機Unitree G1で検証した点が新規性である。従来の強化学習ではタスクごとにポリシーを個別訓練する必要があったが、本手法はHMPを凍結したまま下流タスクを解くことで、再訓練なしの再利用を可能にする。これは、Unitree G1のような汎用ヒューマノイドの開発において、タスク追加のコストを削減する可能性を示す。 本紙の過去報道（2026年6月11日付『Unitree、中国ロボット産業の厳しい現実を予見か Reutersが分析』）では、Unitreeの動向が中国ロボット産業の厳しい現実を予見させると報じられた。本論文は、Unitree G1を実機検証に用いることで、同社のハードウェアが研究プラットフォームとして活用されていることを示す。これは、Unitreeが産業界だけでなく研究コミュニティにも浸透していることを示唆し、中国ロボット産業の技術基盤の一端を表すとみられる。 業界構造への含意として、本手法はヒューマノイドの制御ソフトウェアの開発効率を高める可能性がある。HMPの再利用により、異なるタスクへの適応が容易になれば、ソフトウェア開発のコストが下がり、ヒューマノイドの実用化が加速する可能性がある。一方で、本手法はシミュレーションと実機での速度追従のみで検証されており、他のタスクや環境での汎用性は未確認である。 未確定の論点として、HMPの実機での性能がシミュレーションとどの程度一致するか、また、より複雑なタスク（例えば、不整地歩行や物体操作）での再利用性がどの程度保たれるかが焦点になる。さらに、コードブックの解釈可能性が実際の制御設計にどのように活用できるかも今後の検証課題である。

なぜ重要か

本手法は、ヒューマノイドの制御ソフトウェア開発において、タスクごとの再訓練を不要にする再利用可能な動作プリミティブを提案し、実機で検証した点で重要である。これにより、Unitree G1のようなヒューマノイドの実用化に向けたソフトウェア開発コストの削減が期待される。また、研究プラットフォームとしてのUnitreeの活用は、中国ロボット産業の技術発展の一端を示す。