UnitreeのG1実機を使った記憶付き操作手法、実験で成功率を改善

何が起きたか

arXivは2026年10月22日、ヒューマノイドの歩行と操作を組み合わせた課題向けの論文「Memory before Goal: Role of Pre-History Memory for Humanoid Loco-Manipulation」を掲載した。論文は、Unitree G1の実機6課題を含む評価で、対象物の事前履歴を保持する「WholeBodyMem」を提案し、実機での基礎方策の成功率を36.7%から88.3%に引き上げたとしている。シミュレーションでも29.1%から72.6%へ改善し、標準SIMPLEタスクでも70.2%から86.9%に上がったとしている。

詳細

論文は、動的な場面でヒューマノイドのloco-manipulationが非マルコフ的であると述べ、WholeBodyMemを「object-guided perceptual memory」と位置づけている。SAM3がタスク対象物を追跡し、対象物のイベントに基づいて可変予算の中から重要フレームを選び、アクション側のexpertが対象物トークンとともにクロスアテンションで参照する構成である。 評価用にHuMeGoというヒューマノイド記憶ベンチマークも提示し、シミュレーション6課題と実世界6課題を含むとしている。論文は、WholeBodyMemが記憶なしおよび一様な記憶のベースラインを上回ったと記している。

Key Facts

本紙の見方

今回のポイントは、ヒューマノイドの操作に必要な「記憶」を、単に長い履歴として持つのではなく、対象物のイベントに応じて必要なフレームだけ残す設計に置いた点である。論文は、SAM3による対象物追跡と、イベント駆動でフレームを選ぶ可変予算の記憶を組み合わせた。ここで新しいのは、視覚履歴の量そのものではなく、何を残すかを制御して成功率を改善した点であり、これは既存のVLA方策の延長線上にあるが、実装上の焦点を「メモリ管理」に移している。 本紙の関連記事である36Kr、Unitree巡る記事でヒューマノイド株高に警鐘は、概念株としての期待と実装・商用化の距離を論点にしていた。今回の論文は、その距離を埋めるための技術的な前提、つまり動的環境で見えなくなった対象物の履歴をどう扱うかに踏み込んでいる。ただし、これで商用化の障害が解けたとはいえず、実機での成功率改善が特定の評価設定にとどまるのか、より複雑な作業でも同じ傾向が出るのかが次の確認点になる。 業界構造の観点では、この手法はロボット本体の性能だけでなく、認識モデル、記憶モジュール、行動方策をどう接続するかを競争軸にする。HuMeGoのようなベンチマークを通じて、実世界6課題とシミュレーション6課題の両方で評価する枠組みが整えば、比較対象は「どの機体が強いか」だけでなく「どの記憶設計が再現性を持つか」に移るとみられる。もっとも、論文本文からは、実機6課題の具体的な内容、学習データの規模、推論時の計算コスト、長期稼働での安定性は読み取れない。今後は、Unitree G1以外の機体でも同じ改善が出るか、また重要フレーム選択がどの程度一般化するかが焦点になる。

なぜ重要か

Unitree G1を使った実機評価で36.7%から88.3%への改善が示されたため、ヒューマノイドの歩行・把持・視覚認識を一体で扱う設計の有効性を検証する材料になる。ロボットを実環境で動かす際には、対象物が視界から消える局面をどう扱うかが課題であり、この論文はその一部を記憶設計で補う方法を示している。