Unitree G1、軟弱地盤での立ち上がり動作を強化学習で実現 29自由度・最大貫入約40mm

何が起きたか

arxiv.orgに2026年8月21日付で掲載された論文は、29自由度のUnitree G1ヒューマノイドが、変形する軟弱地盤上で立ち上がる動作を強化学習で生成する手法を提案した。硬い地面で記録した人間のデモを参照軌道とし、地盤の柔らかさをMuJoCoのsolref・solimpパラメータでモデル化。シミュレーションで最大約40mmの接触貫入を伴いながら、目標の骨盤高さと直立姿勢を達成した。

詳細

論文は、29自由度のUnitree G1を対象に、参照軌道追従と明示的な回復報酬（骨盤高さ、胴体の直立、最終姿勢）を組み合わせた報酬設計を採用。まず硬い地面でポリシーを訓練し、その後solrefで地盤剛性を下げ、solimpで公称表面貫入ゾーンを拡大して再訓練する。これにより、接触の多い局面での支持力発生の遅延に適応しつつ、デモパターンを維持する。アブレーション研究では、参照追従のみでは立ち上がりに不十分で、明示的な回復報酬が必須であることを示した。

Key Facts

本紙の見方

本論文の核心は、ヒューマノイドの立ち上がり動作を、硬い地面のデモから軟弱地盤へ転移させる点にある。従来の強化学習では、地盤の変形による支持力の遅延が動作生成を困難にするが、本手法はMuJoCoのソフトコンタクトモデルを段階的に調整することで、この問題を解決した。特に、参照追従だけでは不十分で、明示的な回復報酬が必須であるというアブレーション結果は、実世界の不整地でのロボット制御における報酬設計の重要性を示す。 本紙の過去報道では、Unitreeの上場に伴う収益性懸念（2026年6月11日）や、中国ロボット産業の競争激化が指摘された。本論文は、Unitree G1を研究プラットフォームとして活用する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に使われていることを示す。これは、Unitreeのビジネスモデルが単なる製品販売にとどまらず、研究エコシステムへの浸透を通じて長期的な競争優位を築く可能性を示唆する。 業界構造への含意として、本手法はシミュレーションから実機への転移（sim-to-real）の課題に取り組むものであり、ヒューマノイドの実用化には、こうした制御技術の進展が不可欠である。特に、軟弱地盤のような非構造環境での動作生成は、災害対応や介護などの応用で重要になる。また、MuJoCoのような物理シミュレータのパラメータ調整が、実世界の複雑な接地条件を模擬する上で鍵となる。 未確定の論点として、本論文はシミュレーションのみで検証されており、実機での検証結果は示されていない。また、提案手法が他のロボットや異なる地盤条件にどの程度汎化するかは不明である。さらに、計算コストや訓練時間などの実用性に関する情報も不足している。今後、実機実験や他のタスクへの適用が待たれる。

なぜ重要か

本論文は、ヒューマノイドが軟弱地盤のような非構造環境で立ち上がるための制御手法を提案し、シミュレーションでの有効性を示した。これは、災害現場や介護現場など、実世界の不整地でのロボット活用に向けた一歩であり、Unitree G1が研究プラットフォームとしての地位を確立しつつあることを示す。