Unitreeのヒューマノイド制御研究HANDOFF、G1で検証　29-DoFの単一方策を採用

何が起きたか

arxiv.orgは2026-06-04、Unitree G1を対象にした論文「HANDOFF: Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers」を掲載した。論文は、移動、腕の動作、転倒回復を別々の技能としてではなく、29-DoFの単一方策に蒸留して統合する訓練構成を提示している。制御は10次元のタスク空間コマンドで動作し、実行時にポリシーを切り替えない設計だとしている。

詳細

論文は、motion-tracking、locomotion、recoveryの3つの教師を、context-conditioned KL lossesとsoft mixture of expertsを使って1つの方策に蒸留したと説明している。速度指令は身体の監督を継続的にブレンドし、binary recovery flagは回復教師に全アクションを割り当てる。実機とシミュレーションの実験では、自然言語で指示された多段階のloco-manipulationタスクを、追加のデータ収集やfine-tuningなしに実行したとしている。

Key Facts

本紙の見方

HANDOFFの新規性は、ヒューマノイドの歩行、腕操作、転倒回復を別系統の制御として足し合わせるのではなく、29-DoFの単一方策にまとめた点にある。一方で、要素技術そのものは、motion-tracking、locomotion、recoveryという既存の教師を蒸留し、soft mixture of expertsやKL損失で統合する構成であり、完全な新領域というより複数機能の統合設計を前進させた研究とみるのが妥当である。Unitree G1という実機名が明示されているため、研究の焦点は抽象的なアルゴリズム性能ではなく、特定のヒューマノイド筐体でどこまで統合制御を成立させられるかに置かれている。 とくに王兴興氏、ロボットの核心課題は「数ミリの作業誤差」と指摘は、実世界環境での精度不足がボトルネックだという見方を示していたが、今回のHANDOFFはまさに移動と操作を同一方策でつなぎ、回復まで含めた実行系を整える点で、その論点と接続する。ただし、本論文が示したのは制御アーキテクチャであり、量産機への展開や実運用での安定稼働を直接示したものではない。 業界構造でみると、論点はロボット本体の性能競争よりも、実機データ、教師政策、タスク空間表現をどう束ねるかに移っている。10-Dのtask-space commandで扱えることは、密な運動学ストリームを外部から与える方式よりも、上位指令層の設計を簡素化しうる一方、現場で必要になる作業種類や例外条件が増えた場合に、教師データの構成と回復条件の設計がどこまで一般化できるかが焦点になる。今後確認すべきなのは、この方策がG1以外の筐体でも同じ性能を保てるか、自然言語による多段階タスクがどの程度の失敗率で成立するか、追加学習なしの条件がどこまで厳密に維持されるかである。

なぜ重要か

論文がUnitree G1上で、移動・操作・回復を1つの方策に統合できるとしている点は、ヒューマノイドの制御を複数モジュールの寄せ集めから、より一体化した設計へ寄せる意味を持つ。実機とシミュレーションの両方で、自然言語による多段階タスクを追加学習なしに動かしたとしており、研究段階の評価軸としては、単発動作より連続タスクの成立性が重視されている。

日本への影響

日本企業や研究機関にとっては、ヒューマノイドの評価軸が個別動作の精度だけでなく、移動・操作・回復を束ねる制御設計へ広がっている点が示唆になる。とくに、実機データの収集、教師政策の設計、タスク空間表現の扱いは、ロボット制御や学習基盤を持つプレーヤーにとって比較対象になりうる。