UnitreeのG1を用いた人型ロコマニピュレーション手法、ARXIVで公開

何が起きたか

ARXIVは2026-10-05、Dataset-Free Compliant Humanoid Loco-Manipulation with Dynamic Online Postureを公開した。論文は、Unitree G1上で動作する人型ロコマニピュレーション手法OCLOを示し、人間の動作データを使わず、両方のエンドエフェクタの目標だけで制御する設計だとしている。シミュレーションでは、可到達性事前分布を使った場合の成功率は77.8%で、これを使わない場合の37.8%を上回った。

詳細

OCLOは、両エンドエフェクタの目標だけでは全身姿勢が一意に定まらないため、解析的な可到達性事前分布を用いて骨盤の高さと胴体の向きをオンライン生成し、さらにタスク非依存のコストを使ったpolicy-in-the-loop samplingで精緻化する構成である。加えて、実測した力に応じてスプリング・ダンパーモデルでエンドエフェクタ参照をずらし、脚・腰・骨盤が外力に対して譲るようにすることで、全身のコンプライアンスを学習する。 論文によると、同じ姿勢モジュールは事前学習済みのSONICコントローラを5課題中4課題で改善した。Unitree G1では、エンドエフェクタへの外乱でアブレーションが失敗する状況でもバランスを維持し、しゃがみ歩行や低い面から箱を持ち上げることを含む7つのロコマニピュレーション課題を実行したとしている。

Key Facts

本紙の見方

OCLOの新しさは、全身姿勢を人間のモーションデータに依存させず、しかも両手先の目標だけから骨盤高さと胴体姿勢までオンラインで決める点にある。既存の人型ロボット研究では、上半身と下半身の協調を学習データで補う設計が多いが、この論文は可到達性の解析的事前分布と、力に応じて参照をずらすコンプライアンス学習を組み合わせ、入力の少なさと外乱耐性を両立させようとしている。ここでは「何を持つか」より「どう姿勢を作るか」が主題であり、動作生成の中心が認識や言語ではなく、物理制約に沿った姿勢推定と力応答に置かれている。 本紙の関連記事としては、松延動力、智元機器人、宇樹科技が相次ぎ具身智能モデルを公表 がある。そこでは宇樹科技を含む各社の具身智能モデル公開が報じられており、今回のOCLOはその延長線上で、モデルそのものの大規模化よりも、実機で破綻しにくい制御構成を詰める流れとして読める。つまり、競争の焦点は「どのロボットが動くか」から「どの条件で崩れずに接触作業を維持できるか」へ移っている可能性がある。ただし、本件は研究公開であり、製品化や量産を示すものではない。 業界構造への含意としては、まず学習データの依存先が変わる点が大きい。人間動作データを前提にしないなら、データ収集・模倣学習のボトルネックを一部回避できる一方、代わりに可到達性モデル、力学モデル、実機での外乱評価が重要になる。加えて、Unitree G1でしゃがみ歩行や低面からの把持を示したことは、ヒューマノイドの実用評価が単純な歩行ではなく、低姿勢での接触操作へ移っていることを示す。今後の確認点は、OCLOが他機種へそのまま移植できるか、外乱条件をどこまで一般化できるか、そして事前分布やコンプライアンス学習が未見環境でも安定するかである。

なぜ重要か

Unitree G1上で、外乱に耐えつつ7課題をこなしたとする点は、人型ロボットの評価軸が「動けるか」から「接触しながら姿勢を保てるか」へ移ることを示す。発表元の論文は、人間動作データを使わない設計と明示しており、データ確保が難しい研究・開発では学習基盤の置き方に影響しうる。

日本への影響

日本では、ヒューマノイドの接触作業や実機評価を進める際に、動作データだけでなく力学モデルと外乱試験の整備が重要になるとみられる。特に、しゃがみ歩行や低い面からの把持のような低姿勢タスクを想定するなら、部品性能よりも全身の姿勢推定と制御検証の体制が論点になりやすい。