UnitreeのG1を使うHOTICE、雑然環境での全身物体搬送を提示

何が起きたか

arxiv.orgは2026年9月21日、論文「HOTICE: Whole-Body Humanoid Object Transportation in Cluttered Environments」を公開した。Unitree G1ヒューマノイドを使い、散乱物のある環境で物体を運ぶ全身制御の学習枠組みを示したもので、MuJoCoシミュレーションと実機の両方で評価した。論文は、形状の異なる物体について、雑然とした場面での搬送と障害物回避を扱っている。

詳細

論文は、ロボットと搬送物の両方について衝突回避の誘導を与える「Humanoid-Object Decoupled Potential Fields」を導入した。さらに、上半身と下半身の制御を切り分けつつ、共有状態観測と報酬で全身協調を保つ二者構成の強化学習アーキテクチャを設計した。 加えて、特権情報を持つ教師方策を1つの展開可能な学生方策へ蒸留する「specialist-to-generalist distillation strategy」を採用した。評価はMuJoCoシミュレーションと実機のUnitree G1で行われ、論文は、未見の散らかった環境でも有効に一般化したとしている。

Key Facts

本紙の見方

HOTICEの新規性は、ヒューマノイドの物体搬送を単なる把持や歩行の問題としてではなく、ロボット本体と搬送物の双方に対する衝突回避を同時に扱う全身制御として定式化した点にある。特に、上半身と下半身を分けて学習しながら共有状態観測と報酬で協調させる設計は、広い行動空間をそのまま解くのではなく、制御対象を分割して学習可能性を高める方針である。さらに、教師方策を学生方策へ蒸留する構成は、研究用の複数方策を実運用可能な1方策に落とし込む橋渡しとして読める。 本紙の関連記事との接続でみると、宇樹科技、Dex5-Sを発表が示したのは手の自由度の拡張であり、JoyInが人型ロボット向け基盤モデル「AETHER Space」を紹介は人型向けの基盤モデルという別方向の抽象化である。これに対しHOTICEは、手先の器用さや基盤モデルの提示よりも、狭い空間で物体を運ぶという具体タスクに対して、制御分解と蒸留で実行可能性を詰めた点が異なる。すなわち、同じUnitree文脈でも、部品やモデルの宣伝より、実環境での搬送性能をどう作るかに重心がある。 業界構造への含意としては、ヒューマノイドの競争軸が単体ハードウェアの性能から、障害物のある空間での移動・把持・搬送を統合した学習手法へ広がっていることを示す。MuJoCoでの検証だけでなく、real Unitree G1で実証した点は、シミュレーションで成立した制御を実機に移すsim2realの難しさを前提に置いた設計であり、今後は学習方策の汎化性能、未見環境での失敗条件、搬送物の形状差に対する再現性が焦点になる。特に、教師方策から単一学生方策へ落とす蒸留は、研究段階の複雑な制御を実装に近づける一方、どの程度の性能を保ったのかは本文だけでは定量が見えない。 未確定論点としては、実機での成功率、比較対象となる既存手法、計算資源や学習データの規模、Unitree G1のどの構成を使ったかが挙げられる。論文は有効性を示しているが、搬送速度、積載条件、失敗パターンの分解がなければ、産業用途への距離はまだ測りにくい。

なぜ重要か

論文が示したのは、Unitree G1のような既存ヒューマノイドでも、散らかった環境で物体搬送を扱う全身学習の対象になり得る点である。ロボット本体と搬送物の双方を考慮する設計は、把持だけでなく移動を含む作業の成立条件を詰める必要があることを示している。

日本への影響

日本にとっては、ヒューマノイドの評価軸が部品性能だけでなく、狭所搬送や障害物回避を含む全身制御へ広がる点が示唆になる。特に、学習手法と実機検証を結びつける研究は、ロボット本体、制御ソフト、実環境データの統合が必要になるため、個別要素だけでは競争力を作りにくい構造が見える。