Unitree G1、人間の歩行データのみで未知環境を走行する「EgoNav」を発表

何が起きたか

研究チームは2026年4月1日、人間の歩行データ5時間のみから学習し、ロボットデータや微調整なしで未知環境を走行できるシステム「EgoNav」を発表した。Unitree G1ヒューマノイドに搭載し、屋内・屋外の未見環境でゼロショット展開に成功したとしている。

詳細

EgoNavは、拡散モデルを用いて過去の軌跡、360度視覚メモリ（色・深度・意味情報を融合）、凍結したDINOv3バックボーンからのビデオ特徴に基づき、将来の軌跡の分布を予測する。ハイブリッドサンプリング方式により、10回のノイズ除去ステップで実時間推論を実現する。前方視野のコントローラが予測分布から経路を選択する。オフライン評価では、衝突回避とマルチモーダルカバレッジでベースラインを上回り、ドアが開くのを待つ、群衆を回避する、ガラス壁を避けるなどの行動が学習された事前分布から自然に出現したとしている。データセットと学習済みモデルは公開予定。

Key Facts

本紙の見方

今回の発表は、ヒューマノイドのナビゲーション分野において、ロボットデータを一切使わずに人間の歩行データのみで学習するという点で新規性が高い。従来の手法では、ロボット自身のデータやシミュレーション環境での学習が一般的であり、実環境への適応には多大なデータ収集が必要だった。EgoNavは、人間のデータを活用することで、データ収集のコストを大幅に削減できる可能性を示している。 本紙の過去報道では、UnitreeのIPO後、ヒューマノイド業界で「第二のUnitree」を模索する動きがあると報じた。今回のEgoNavは、Unitree G1をプラットフォームとして利用しているが、研究チームはUnitree社の一部ではなく、外部の研究グループである。このことは、Unitreeのハードウェアが研究コミュニティで広く利用され、ソフトウェア開発の基盤となっていることを示す。UnitreeのIPO後、同社のハードウェアがさらに普及し、こうした研究開発が加速する可能性がある。 業界構造への含意として、ヒューマノイドのナビゲーション技術は、物流や警備、介護などの分野での実用化に不可欠である。EgoNavのような人間データを活用した学習手法は、データ収集の障壁を下げることで、これらの分野での導入を促進する可能性がある。また、拡散モデルや視覚メモリなどの技術は、他のロボットプラットフォームにも応用可能であり、ソフトウェアとハードウェアの分離が進む可能性も示唆される。 未確定の論点としては、EgoNavの実環境での性能がどの程度か、特に動的な環境や複雑な地形での堅牢性が不明である。また、学習データが5時間と限られているため、多様な環境への一般化がどこまで可能かも検証が必要である。さらに、データセットとモデルの公開が予定されているが、その際のライセンスや商用利用の条件も注目される。

なぜ重要か

EgoNavは、ヒューマノイドのナビゲーション学習におけるデータ収集のコストを大幅に削減する可能性を示しており、実用化への大きな一歩となる。また、Unitree G1が研究プラットフォームとして広く使われることで、ヒューマノイド業界全体の技術発展を加速させる可能性がある。