UnitreeのGo2で、実機20試行すべて無衝突到達のナビゲーション手法を公表

何が起きたか

arxiv.orgは2026年10月1日、Unitree Go2を用いたナビゲーション手法EIDAを掲載した。論文によると、静的シーン20試行でEIDAは全試行で目標に到達し、衝突はなかった。ベースラインは20試行中4回の到達にとどまったとしている。

詳細

EIDAは、方位を含む位置変化の応答を対象プラットフォームの実行データから当てはめ、アクチュエータの詳細なモデルを再構成せずにシミュレータ側へ反映する方式である。論文では、ボディ座標系の姿勢増分モデルでシミュレータの幾何を更新し、別のモデルでポリシーが受け取る速度フィードバックを予測する構成を採った。さらに、短い速度フィードバック履歴をポリシー入力に含め、軽量なGPU並列シミュレータ内で推定モデルを使うとしている。 評価では、JackalとGo2の全検証セットで、当該の当てはめモデルがシミュレータの既定運動モデルより位置誤差とヨー誤差を低下させた。別の物理ベースシミュレータ上の100のベンチマークナビゲーション環境では、EIDAが比較対象の学習済み方策の中で、グローバルガイダンスの有無にかかわらず成功率とナビゲーションスコアの両方で最高だったとしている。

Key Facts

本紙の見方

今回の論文の新しさは、Unitree Go2の実機結果そのものより、実機が返す速度フィードバックを方策側の入力と整合させることで、シミュレータから実機への移し替えのズレを抑えようとした点にある。単に高精度な物理モデルを作るのではなく、実行インターフェースの応答を別系統で近似し、軽量なGPU並列シミュレータに載せているため、焦点は「完全なアクチュエータ再現」ではなく「方策が見る世界をどこまで実機に寄せられるか」に置かれている。 本紙の関連記事である leaderobot.com、人形ロボット特許の中国比率60.8%を報じる は、争点が本体硬件から制御・大脳系へ移ると位置づけていた。今回のEIDAは、その見方をナビゲーション研究の側から裏づける材料である。つまり、実機性能の差は機体そのものの仕様だけでなく、実行時の速度応答をどうシミュレータとそろえるかに左右される可能性がある。Unitreeという具体的な機体名が出ている点も、抽象論ではなく実機転移の性能差を示す事例として重い。 業界構造の面では、この手法はロボット本体の設計、シミュレーション基盤、学習済み方策の三層を接続する。ボディ幾何の更新と速度フィードバック予測を分けているため、今後の論点は、どの機体まで同じ近似で通用するか、静的シーン以外で同様の改善が出るか、そして学習時に使うフィードバック履歴の長さがどこまで効くかである。論文は100のベンチマーク環境で高い成績を示したとしているが、そこから実運用の地形変化や非静的障害物へ一般化できるかはまだ別問題だ。 未確定の論点は、Unitree Go2以外の機体での再現性、GPU並列シミュレータの具体的な計算負荷、速度フィードバック履歴の長さと性能の関係、そして詳細なアクチュエータモデルを省いた場合の限界である。実機20試行の結果は示されたが、試験条件の広がりや失敗ケースの内訳はここでは見えていない。

なぜ重要か

論文が示したのは、Unitree Go2で静的シーン20試行の全てで無衝突到達に至った点と、ベースラインとの差である。これは、ロボットの移動性能が機体の物理定数だけでなく、方策が受け取る速度フィードバックの整合性にも左右される可能性を示す。

日本への影響

Unitree Go2のような既製機体を使う研究開発では、機体そのものの改良だけでなく、シミュレータ側で実機応答をどこまで合わせ込めるかが競争条件になるとみられる。日本のロボット研究・部品産業にとっては、機体性能の議論だけでなく、シミュレーションと実機の接続精度に関わる制御・ソフトウェア層が重要になる可能性がある。