UnitreeのG1とH2で検証した「ForgetMimic」、ヒューマノイド制御の動作消去手法を提案

何が起きたか

arXivは2026年9月23日、物理世界のヒューマノイド制御向けに動作レベルのunlearning手法「ForgetMimic」を公表した。論文は、UnitreeのG1とH2ヒューマノイドロボットで12種類の動作を使って評価し、Dance、Fight、Flipなどを対象にしている。著者らは、学習済み方策から特定の動作だけを弱め、残りの動作性能を保つことを狙うとしている。

詳細

論文では、RLで学習した方策を対象に、N個の動作で訓練された政策 πθ から、K個の標的動作の性能を下げつつ、残りの N-K 個の動作の有効性を保つ設計を示した。あわせて、ロボット制御におけるunlearning失敗につながる2つの訓練機構を特定し、解決したとしている。 実験はUnitreeのG1とH2で行われ、対象動作は12種類である。論文は、指定した動作の記憶を消去しながら、他の動作については通常動作を維持できたと報告している。

Key Facts

本紙の見方

今回の焦点は、ヒューマノイド制御における「学習の強化」ではなく、「特定の動作を意図的に消す」ための手法が、物理ロボットで成立するかどうかにある。これは単なるモデル精度の改善ではなく、安全性や権利処理のために、学習済み方策の一部を選択的に無効化する研究である点が新しい。論文自体が、悪意ある動作、汚染された動作、性能の低い動作、さらにGDPRの「忘れられる権利」に触れた著作権保護済み動作の削除を動機として挙げており、RL制御の文脈をデータ削除問題へ接続している。 今回のForgetMimicは、そのようなハードウェア進化とは別の層、つまり制御方策と動作データの扱いに踏み込む内容である。ハードを増強するだけではなく、どの動作を残し、どの動作を削除するかを制御する必要がある段階に入っていることを示す。UnitreeのG1とH2が実験台になっている点も、商用機を想定した制御の整備が研究対象になっていることを示唆する。 業界構造でみると、この研究はロボット本体の性能競争ではなく、学習済み行動の再編集・再配布・権利管理の層に効く。動作単位で消去できるなら、収集済みデモや学習済みポリシーをそのまま抱え込むのではなく、後から修正する運用が視野に入る。ただし、論文が示したのは12動作での実験結果であり、実運用でどこまで一般化できるかは別問題である。次に確認すべきなのは、対象動作の数を増やした場合の安定性、G1とH2以外の機体への適用、そして「消した」とみなす基準が他の制御タスクでも保てるかである。

なぜ重要か

UnitreeのG1とH2で実験したという事実は、ヒューマノイド制御の研究がシミュレーション段階から実機の方策修正へ進んでいることを示す。安全性や権利対応のために、学習済み動作を後から除去できるなら、ロボットの運用方法は単純な再学習依存から変わる可能性がある。

日本への影響

日本のヒューマノイド研究や制御ソフト開発では、動作データの収集と再利用だけでなく、特定動作を消去する仕組みが論点になる可能性がある。とくに、実機での再学習やデータ管理を扱う企業・研究機関にとっては、G1やH2のような商用機を想定した制御層の設計が参考材料になる。