Unitree G1とDobot Atom、放送映像からプロ級テニス動作を学習するAdaPTを発表

何が起きたか

研究チームは2026年8月20日、放送映像からプロのテニスのサーブやラリーの動作スタイルを学習する適応的動作計画・追従フレームワーク「AdaPT」を発表した。実機実験ではUnitree G1と、フルサイズのヒューマノイドロボットDobot Atom（身長1.7m）を用い、モーションキャプチャなしでの屋外サーブを実証した。

詳細

AdaPTは、階層設計により、プランナーがスタイリッシュな運動学的動作を生成し、トラッカーが計画への干渉を最小限に抑えて実行する。シミュレーションから実機へのギャップに対処するため、ランダム化された実行速度の追従を学習し、プランナーを学習済みの動作速度アダプタで条件付けする。実機実験ではUnitree G1で適応メカニズムの有効性を確認し、Dobot Atomではモーションキャプチャなしでの屋外サーブを実証した。

Key Facts

本紙の見方

今回の発表は、ヒューマノイドロボットの球技における「プロフェッショナルな動作スタイル」の実現を目指すもので、従来のタスク性能重視のアプローチにスタイルの学習を加えた点が新しい。特に、放送映像からの学習により、モーションキャプチャに依存しない点は、実世界展開へのハードルを下げる可能性がある。 本紙の過去報道では、Dobotが2025年3月に初のヒューマノイド「Atom」を発表し、28自由度と±0.05mmの精度を謳っていた。今回の研究でAtomが実機として使用されたことは、同社のヒューマノイドが研究プラットフォームとしても活用され始めたことを示す。一方、UnitreeはIPO後も研究用途での活用が続いており、両社のロボットが同一の研究で比較・使用された点は、競合関係にある両社の技術が相互に評価される土壌が整いつつあることを示唆する。 業界構造への含意として、この研究はロボットの「動作スタイル」の学習という新たな価値軸を提示する。従来の産業用ロボットでは再現性や精度が重視されるが、スポーツやエンターテインメント分野では人間らしいスタイルが求められる。この研究は、そのような分野への応用可能性を示すとともに、シミュレーションと実機のギャップを埋める適応機構の重要性を浮き彫りにした。 未確定の論点としては、AdaPTの学習に使用した放送映像の具体的なデータ量や、実機での成功率、Dobot Atomでのサーブの再現性などが挙げられる。また、このフレームワークが他のスポーツやタスクにどの程度汎用化できるかも今後の検証が待たれる。

なぜ重要か

ヒューマノイドロボットが単なる動作の再現から、プロのスタイルを学習して実世界で発揮する段階に入ったことを示す。モーションキャプチャ不要の学習手法は、ロボットのスポーツやエンターテインメント分野への応用を加速させる可能性がある。