Unitree G1とGo2、LLMによるロボット群統制の新アーキテクチャで実証 論文公開

何が起きたか

2026年8月23日、arxiv.orgに掲載された論文「Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs」が、UnitreeのヒューマノイドG1と四足ロボットGo2を用いた実証実験を含む新たなロボット群統制アーキテクチャを発表した。このアーキテクチャは、LLMによるタスク計画とロボットの実行の間に検証層を設け、各動作をロボットの能力や状態と照合してから実行を許可する。実験では、ドローンとUGVによる探索・派遣ミッションと、ヒューマノイドと四足ロボットによる運搬タスクを実施し、強制適用により誤った動作を0%に抑えた。

詳細

論文は、各ロボットが実行可能なスキルの型付きライブラリを公開し、基盤モデルプランナーがタスクをフェーズに分解して各フェーズをロボット・スキルペアに割り当てる枠組みを提案する。Robot Orchestration層は、スキルライブラリ、ロボット状態、名前付き位置、ワークフロー契約を非作動のMission Plannerに公開し、決定論的なRobot Orchestratorが一度に1つのスキルを検証・承認する。評価では、ドローンとUGVによる探索・派遣ミッションをGazeboで全条件ライブ実行し、ヒューマノイドと四足ロボットによる運搬タスクではハードウェア相当のスキルインターフェースとUnitree G1およびGo2での2回の物理試験を実施した。プランナーの知識と実行時の強制を独立に変化させた結果、検索によりスキルの接地率が51%から96%に向上した一方、情報を得たプランナーでも23〜29%の障害ステップを送信した。ディスパッチごとの強制により誤ディスパッチは0%となり、誤ブロックはなかった。保持プランアブレーションにより、ゲートが原因であることが確認された。ライブ実行では、強制なしで注入した8つの障害すべてがオーケストレーション境界を越え、うち6つがロボットの動作を引き起こしたが、強制ありでは8つすべてが動作前に拒否された。

Key Facts

本紙の見方

今回の論文は、LLMをロボット制御に用いる際の根本的な問題、すなわち計画と実行の間のギャップに、明確なアーキテクチャ上の解決策を提示した点で新規性がある。従来のAgentic AIフレームワークは、タスクを分解して計画を生成するが、その計画が実際のロボットの能力や物理的制約と整合するかは保証されない。本論文は、計画層と実行層の間に「Robot Orchestrator」という決定論的な検証ゲートを挟むことで、不適切な動作を実行前に遮断する。この考え方は、ロボットの安全性と信頼性を高める上で重要であり、特に実世界での展開を考えると必須の要素となる。 本紙の過去報道では、Unitree CEOの王興興氏がロボットの「ChatGPT瞬間」に言及し、ソフトウェアの革新は2〜3年後と予測していた。今回の論文は、そのソフトウェア革新の一端を示すものと言える。LLMによる計画と実行の橋渡しは、ロボットの汎用性を高める鍵であり、Unitreeが自社のハードウェアでこのような研究を進めていることは、同社がソフトウェア面でも競争力を強化しようとしている表れとみられる。 業界構造への含意として、このアーキテクチャはロボットの「OS」とも言える層を標準化する可能性がある。各ロボットがスキルライブラリを公開し、プランナーがそれを利用するというモデルは、異なるメーカーのロボットを統合する際のインターフェースとして機能し得る。これは、ロボット業界におけるサプライチェーンの再編を促す可能性がある。また、検証ゲートの概念は、ロボットの安全性規制にも影響を与えるだろう。 未確定の論点としては、このアーキテクチャが実際の産業現場でどの程度スケールするか、また、スキルライブラリの整備コストや、LLMの計画能力が向上した場合に検証ゲートがボトルネックにならないか、といった点が挙げられる。さらに、今回の実験は限定的なタスクであり、より複雑な環境での有効性は今後の検証が待たれる。

なぜ重要か

この研究は、LLMをロボット制御に応用する際の安全性と信頼性の課題に対する具体的な解決策を示しており、ロボットの実用化に向けた重要な一歩となる。Unitreeのハードウェアで実証されたことで、同社のロボットがより高度な自律性を持つ可能性を示唆している。