Unitree Go1で力推定と追従制御を検証、arXiv論文が公開

何が起きたか

arXivは2026-09-28、Quadruped locomotionとHuman-Robot Interactionを対象にした論文「Proprioceptive Force Estimation for Quadruped Locomotion and Human-Robot Interaction」を公開した。論文は、Unitree Go1で固有感覚の履歴から3次元の力を推定し、その推定値を歩行制御とリード追従の両方に使う枠組みを示した。 実験では、静止状態での垂直・水平力の推定、8.5kgの荷重を載せた歩行、同じ力推定インターフェースを用いたリード誘導を確認した。訓練時の力上限は70Nで、荷重はそれを上回る条件だった。

詳細

論文は、推定器とlocomotion policyを共同で学習させ、supervised force and velocity outputsとlearned latent contextを用いる構成である。推定した力は歩行条件として使うだけでなく、解析的な写像により平面速度とyaw-rateの命令にも変換される。 シミュレーションのsustained-force sweepsでは、componentwise force root mean square errorの時系列平均が1.44〜2.83Nの範囲だった。domain-randomized baselineとの比較では、velocity-tracking errorが21.6%、base-orientation errorが46.5%改善し、別のsustained-force testでmean survivalは68.29%から94.60%に上昇した。

Key Facts

本紙の見方

この論文の新しさは、四足歩行の姿勢制御と人とのリード追従を、同じ3次元力推定インターフェースでつないだ点にある。単なる力推定の精度評価ではなく、推定値を歩行ポリシーの条件として使い、さらに平面速度とyaw-rateの命令生成に流用しているため、入力→推定→運動制御→対人誘導という一連の制御経路が一本化されている。ここは、ロボットの内部状態推定をそのまま行動出力に接続する構造であり、センサー追加よりも推定器と制御器の結合設計が焦点だとみられる。 本紙の関連記事では、王兴興氏、ロボットの核心課題は「数ミリの作業誤差」と指摘 が、実世界での精度不足をボトルネックと位置づけていた。今回の論文は、その「誤差」を作業レベルではなく接触力・荷重の推定へ落とし込んでおり、誤差の対象が位置だけでなく力の履歴にも広がっている点が接続される。一方で、関連記事が汎用性と精度の改善を論じたのに対し、本件はUnitree Go1という特定機体での検証にとどまるため、汎用化の程度は別途確認が必要である。 業界構造への含意としては、四足ロボットの価値が単独の歩行性能から、荷重変動下での安定性と人との接触を含む運用へ広がる可能性がある。ただし、今回の数値はシミュレーションと限定的な実機条件に基づいており、8.5kg荷重や70N上限を超える状況がどこまで一般化できるかは未確定である。次に確認すべき点は、異なる地形での再現性、長時間稼働時の推定誤差、学習に使った力・速度ラベルの収集条件、そしてUnitree Go1以外の機体への移植性である。

なぜ重要か

Unitree Go1で8.5kg荷重を載せた歩行とリード誘導が示されたことで、四足ロボットが「移動するだけ」でなく、荷重変動や人の操作入力を含む用途に近づく条件が具体化した。論文が示したのは推定器と制御器の結合であり、接触力を使った制御設計をどう実機へ移すかが論点になる。 また、訓練時70Nの力上限を超える荷重条件でも検証したため、既存の学習条件と実運用条件の差をどこまで埋められるかが重要になる。