Unitree G1の実機で接触操作を検証　HS-MoDPとG1Exoを公表

何が起きたか

Unitree G1を用いた実験で、HS-MoDPと呼ぶヒューマノイド操作手法と、G1Exoという等尺性外骨格が2026-10-19に公表された。HS-MoDPは、個別に示された腕の技能を共有専門家群に対する独立した意味ルーティングで組み合わせる設計である。実験では、G1での技能合成が既存手法より強く、G1ExoはエンドエフェクターベースのVR-IKより信頼性の高い接触テレオペレーションを可能にした。

詳細

HS-MoDPは、学習済みの操作方策を既存のロコモーション・コントローラと交互の「操作」と「再配置」段階で統合するセマンティックスケジューラを備える。これにより、有効作業空間を広げ、位置が変わっても技能を再利用できるとしている。 G1Exoは、腕の構成を関節レベルで直接制御できる等尺性外骨格であり、全身接触操作の実演データを集めるために開発された。G1Exoによるデモは、4つの方策アーキテクチャにわたって接触技能学習を改善し、HS-MoDPではVR-IKデモからG1Exoデモに切り替えると、全キャビネット作業の成功率が35%から65%へ上昇した。プロジェクトのハードウェア設計とソースコードは、査読後にオープンソース公開される予定である。

Key Facts

本紙の見方

今回の主眼は、ヒューマノイドの操作を「一つの万能方策」で解くのではなく、個別に示した技能を組み合わせて再利用する枠組みを示した点にある。HS-MoDPは共有専門家プールを前提にしつつ、腕ごとの制御を保ったまま意味ルーティングで技能を切り替えるため、既存のロコモーション制御と接触操作を分離して積み上げる設計である。一方、G1Exoはその学習を支えるデータ取得側の装置で、関節レベルの直接制御を通じて全身接触操作のデモを集める。つまり、学習アルゴリズムだけでなく、デモ取得のインターフェースまで含めて一体で設計している点がこの発表の新しさだとみられる。 本紙の関連記事である Tau Robotics、Unitree G1で清掃サービスを提供と報道 は、G1の実運用に近い場面を伝えていたが、今回の主ソースはそれよりも前段の「どう学習し、どう技能を組み合わせるか」に踏み込んでいる。すなわち、実世界での接触作業を行うには、ロボット本体の性能だけでなく、デモ取得、方策の合成、移動制御との統合が必要になるという連続性が見える。これは OpenAI、ロボット関連の求人19件を公開　制御・製造まで拡張 にある制御、アクチュエータ、製造、データシステムまで含む体制拡張とも接続するが、今回の論文はそのうち実世界データの取り方と技能分解に焦点を当てたものだと整理できる。 業界構造への含意は、ヒューマノイドの競争軸が機体スペック単独から、デモ取得装置、方策のモジュール化、移動と操作の協調へ移っている点にある。35%から65%への改善は、単純な精度向上というより、技能の組み合わせ方とデータの質が成果を左右することを示す。G1Exoのような関節レベルの取得系は、エンドエフェクターベースのVR-IKでは取り切れない接触操作の学習を補う可能性があるが、どの作業でどこまで一般化するかはなお確認が必要である。次に見るべき論点は、G1Exoの具体的なハードウェア仕様、HS-MoDPの計算規模、他タスクへの転用可能性、そして査読後に公開されるという設計・コードが再現性をどこまで担保するかである。

なぜ重要か

接触を伴うヒューマノイド操作では、方策そのものだけでなく、学習デモの取り方が成果を左右することを示している。Unitree G1上でVR-IKからG1Exoに切り替えると全キャビネット作業成功率が35%から65%に上がったため、データ取得系の設計が実運用の成否に直結しうる。

日本への影響

日本企業や研究機関にとっては、ヒューマノイド本体だけでなく、関節レベルのデモ取得装置や技能合成の学習基盤をどう整えるかが論点になる。とくに、接触作業や移動をまたぐ操作では、ロボット機体、制御、データ取得を分けずに扱う体制が必要になる可能性がある。