Unitree向け人型動作生成手法PartiGen、G1で26件中27件の実機試行成功

何が起きたか

2026-10-09掲載のarXiv論文で、Unitree G1向けに再ターゲットした人型動作生成手法「PartiGen: Part-Aware Representations for Language-Conditioned Humanoid Motion Generation」が公表された。論文は、16フレームの動作原語を自回帰的に生成し、終了フレームを学習済み予測器で選ぶ方式を示している。評価では、MuJoCo上で500件中409件の生成参照が姿勢安定性スクリーニングを通過し、シミュレーション選別と手動選別の後に実機G1で試した27件のうち26件が成功と判定された。

詳細

論文は、全身動作表現に解剖学的構造を組み込む「part-aware latent diffusion framework」を採用し、部位別注意機構で解剖学的にマスクされたフレーム特徴を処理したうえで、局所的な四肢情報と全身文脈を統合するとしている。さらに、前向き運動学の監督で運動学的一貫性を促し、学習済みの終了予測器で生成後のフレーム単位の終端を決める設計である。

Key Facts

本紙の見方

PartiGenの新規性は、単にテキストから動作を作るのではなく、人体の部位構造を明示的に入れたうえで、動作の終端まで扱う点にある。論文中の数値を見ると、主眼は見た目の自然さだけでなく、ロボット実行に耐える参照動作をどこまで安定して作れるかに置かれている。segment-level FID 3.165、TextOp比16.8%改善、終了誤差12.471から3.080への低下、実機G1で26/27成功という並びは、生成品質、長さ制御、実機適合性を一続きの問題として扱っていることを示す。単なるモデル精度の更新というより、言語→運動→ロボット実行の間にある落差を埋める設計である。\n\n本紙の関連記事である「人形ロボットのサイズ分化を論じる記事を掲載」が示したのは、主にロボット側の形態分化である。一方、今回はUnitree G1を対象に、同じハードウェアに対してどのような動作表現が実行可能かを詰めており、論点は機体サイズではなく運動表現の標準化に寄っている。すなわち、ロボット市場の焦点が本体設計からソフトウェア的な動作供給へ移る兆しとも読めるが、まだ論文段階であり、汎用性は限定的だとみるべきである。\n\n業界構造への含意としては、動作生成の評価軸がシミュレーション指標だけでは足りず、MuJoCoでの409/500通過と実機での26/27成功のように、シミュレーション選別と現物検証をつなぐ工程が重要になる点が挙げられる。これは、データ収集、再ターゲット、シミュレーション検証、実機試行というパイプラインを整えられるかどうかが差になることを示す。加えて、16フレーム単位の原語と終了予測を採る設計は、長い連続動作をそのまま生成するよりも、ロボット実装向けに分割可能な単位を作る方向性であり、今後はこの粒度がどこまで機体やタスクをまたいで再利用できるかが焦点になる。\n\n未確定の論点は、Unitree G1以外の機体での再現性、実機評価のタスク種類、学習データの詳細、そして商用システムとしての推論速度や制御系との接続方法である。論文は成功判定を示すが、どの程度の一般化が可能かはこの要約だけでは判断できない。

なぜ重要か

論文がUnitree G1で26/27の実機成功を示したことは、言語条件付き動作生成がシミュレーション上の指標にとどまらず、実機適用の検証段階に入っていることを示す。Unitreeのような人型機に対しては、動作の見た目だけでなく、終端制御や姿勢安定性を含めた生成系の整備が課題になるとみられる。