Unitree Go2、動的障害物回避で予測学習を実証 推論時コスト増なし

何が起きたか

2026年7月20日、arXivに投稿された論文「Predictive Training with Latent Imagination for Visual Quadruped Navigation」において、Unitree Go2を用いた動的障害物回避の実証が報告された。研究チームは、LSTM-SRUベースのナビゲーションポリシーにJEPAスタイルの予測器とSIGReg正則化を追加し、推論時には予測器を破棄することで追加コストなしに衝突率を低減できるとしている。

詳細

論文によると、提案手法は訓練中にポリシーの再帰状態を補助的な予測器で監視し、次の状態を予測するよう学習する。推論時には予測器を完全に破棄するため、追加の計算コストは発生しない。シミュレーションと実世界のベンチマークで、動的障害物を含む環境においてナビゲーション成功率が向上し、衝突率が低減した。実機ではUnitree Go2を使用し、屋内の雑然とした環境と動的な屋外環境を微調整なしでナビゲートし、シミュレーションで観察された衝突低減と一致する回避行動を示した。

Key Facts

本紙の見方

今回の研究は、ヒューマノイドや四足ロボットのナビゲーションにおける「予測的学習」の有効性を示すものだ。従来の強化学習ベースのナビゲーションは、現在の観測と短期記憶から反応的に行動を選択するため、動的障害物の将来の動きを予測する能力が限定的だった。本研究は、訓練時にのみ予測器を用いて再帰状態を監視し、推論時にはその予測器を破棄することで、追加コストなしに衝突回避性能を向上させる点が新しい。これは、推論時の計算資源が限られるエッジデバイスでの実装に有利であり、実用化へのハードルを下げる可能性がある。 本紙の過去報道（2026年6月11日付『UnitreeのIPO後、ヒューマノイド業界に「第二のUnitree」模索の動き』）では、Unitreeの上場後に業界で「第二のUnitree」を模索する動きがあると報じた。今回の研究は、Unitree自身が四足ロボットの基盤技術を学術的に公開する姿勢を示すものであり、同社が技術力の裏付けを通じて業界のリーダーシップを強化しようとしている可能性がうかがえる。一方で、この研究はUnitreeの製品そのものの性能を直接示すものではなく、研究コミュニティへの貢献として位置づけられる。 業界構造への含意として、このような予測的学習の手法は、競合他社のロボットにも応用可能な汎用的な技術である。Unitreeがこの技術をオープンにすることで、業界全体のナビゲーション性能の底上げにつながる可能性がある。また、推論時コストを増やさないという特性は、低コストなロボットへの搭載を容易にし、価格競争に影響を与えるかもしれない。 未確定の論点としては、本研究で示された衝突率の低減が、実際の製品にどの程度反映されるかが挙げられる。また、提案手法が他のロボットプラットフォームやより複雑な環境でどの程度有効かは、今後の検証が必要だ。さらに、論文では具体的な成功率や衝突率の数値が示されていないため、定量的な評価は今後の情報公開が待たれる。

なぜ重要か

この研究は、ロボットナビゲーションにおける予測的学習の実用性を示すとともに、Unitreeが技術的なリーダーシップを発揮していることを示唆する。推論時コストを増やさないという特性は、実製品への応用可能性を高め、業界全体の技術水準に影響を与える可能性がある。