Unitree G1向け基盤ロボットポリシー、モダリティ拡張で成功率94%に

何が起きたか

arxiv.orgに2025年12月1日付で掲載された論文において、研究チームは基盤ロボットポリシーを多様なヒューマノイドに適応させるためのモダリティ拡張ファインチューニング手法を提案した。GR1とUnitree G1の2つの異なる実施形態で検証し、G1向けにはcuRobo動作計画、逆運動学、接地接触力測定を含む新しいマルチモーダルデータセットを提供した。

詳細

論文は、基盤ロボットポリシーを異なるヒューマノイドに適応させるためのモダリティ拡張ファインチューニング手法を提示している。GR1では公開データセットに二値接触信号とZoeDepthによるメトリック深度を追加し、G1ではcuRobo動作計画、逆運動学、接地接触力測定を含む新規のマルチモーダルデータセットを構築した。実験では、GR1で接触状態キューとRGB-D融合によりオンライン成功率が51%から63%に向上し、G1の「Pick Apple to Bowl」タスクでは接触拡張モデルが94%の成功率を達成した。標準ファインチューニングは48%、ゼロショット転送は0%だった。

Key Facts

本紙の見方

今回の研究は、基盤ロボットポリシーを特定のハードウェアに適応させる際のデータ設計に焦点を当てた点で新規性がある。従来のファインチューニングがモデルパラメータの調整に重きを置くのに対し、モダリティ拡張は入力データの質と種類を変えることで性能を引き出す。特に、接触信号や深度情報などの軽量な後処理モダリティが、GR1とG1という異なる実施形態で一貫して効果を示したことは、データ中心のアプローチの有効性を裏付ける。 本紙の過去報道では、UnitreeのIPO後の業界動向や、ヒューマノイドが製造業の展示会で中心テーマとなったことを報じた。今回の研究は、Unitree G1を対象とした学術的な取り組みであり、同社のハードウェアが研究コミュニティで標準的なプラットフォームとして浸透しつつあることを示す。これは、Unitreeが単なる製品提供者ではなく、エコシステムの基盤として機能している可能性を示唆する。 業界構造への含意として、基盤ロボットポリシーの適応には高品質なマルチモーダルデータが不可欠であり、データセットの構築が競争力の源泉になり得る。今回の研究は、接触力測定などの高精度なデータを提供するセンサーや、動作計画ツールの重要性を浮き彫りにする。サプライチェーンにおいては、こうしたデータ収集を可能にするセンサーやソフトウェアの需要が高まる可能性がある。 未確定の論点として、今回の成功率は特定のタスクと実験環境に限定されたものであり、実環境での汎用性や、他のタスクへの転移可能性はまだ不明である。また、データセットの規模や計算コスト、実運用時のロバスト性についても、追加の検証が必要とみられる。

なぜ重要か

基盤ロボットポリシーの実用化には、個々のハードウェアへの適応が不可欠であり、今回の研究はその効率的な方法を示した。Unitree G1での高い成功率は、同社のプラットフォームが研究開発の基盤として成熟していることを示し、今後のヒューマノイド応用の加速につながる可能性がある。