Unitree R1 Eduなど向けに人と人型ロボットの相互作用動作を生成、論文がHumiTransferを提案

何が起きたか

arXivは2026年10月27日、人同士の実環境動画を人型ロボットと人の相互作用動作に変換する手法「HumiTransfer」を提案する論文を掲載した。論文は1,200本の動画を処理し、Unitree R1 EduとHighTorque Mini-hi向けに約50万フレームを生成したとしている。生成データセットは「HumiMimic」と名付けられ、論文は実機で動作を実行できることも確認したと報告している。

詳細

手法はまず、人の動きを足と地面の接触が整合する形で3次元再構成し、相手との相互作用を保ちながら対象ロボットの身体構造へ移す。関節間の相対方向に重みを付け、身体上のオフセットも用いて、抱擁や握手などで重要となる身体間の関係を優先する。変換後には、バランス、接触、衝突回避を考慮した最適化を行う。 適用先は26自由度のUnitree R1 Eduと23自由度のHighTorque Mini-hiである。論文は、既存のベースラインと比較して動作の忠実度が高く、相手との関係や接触の正確さを保つと報告する。また、HumiMimicが人の動きに追従する相互作用動作の生成に使えることを示したとしている。

Key Facts

本紙の見方

この研究の焦点は、人の動作をロボットの関節運動に置き換えるだけでなく、相手との距離や向き、接触を含む相互作用を保ったまま身体構造の異なるロボットへ移す点にある。論文は、足と地面の接触を考慮した人の動作再構成、相互作用関係を重視した変換、変換後のバランス・接触・衝突回避の最適化を一連の処理として示した。単体動作の模倣よりも、人との関係を維持することを課題の中心に置く設計である。 規模の見方では、1,200本の動画から約50万フレームを作ったことに加え、Unitree R1 EduとHighTorque Mini-hiという自由度の異なる2機種に適用した点が重要だ。異なる身体構造への適用は、特定の機体の動作データだけに依存しないデータ生成を目指す構成と読める。ただし、2機種への適用結果だけで、形態の異なる人型ロボット全般への汎化が確立したとはいえない。フレーム数はデータ量を示すが、動画の場面の偏りや、各動作の多様性・品質を直接示す数字でもない。 本紙の関連記事では、研究者ら、人間の活動を記録したロボット学習用データセットを作成が、人間の活動を100時間記録し、映像や身体動作、指の動き、触覚データを組み合わせたデータセットを扱った。今回の論文は同じ研究成果やデータセットを示すものではないが、ロボット学習用データを人の記録から作るという点で対照できる。前者が記録する情報の組み合わせを示すのに対し、HumiTransferは人同士の動画をロボットとの相互作用動作に変換する処理を扱う。したがって、データの収集だけでなく、ロボットの身体条件に合わせて動作を変換する工程もデータ生成の要素となる。 業界構造への含意は、動画から動作を再構成する工程、機体ごとの動作変換、実機での実行確認を一つの流れとして扱う点にある。データセットが複数機種の学習や動作生成に使えるなら、データ作成とロボット本体の開発を分ける余地が生まれる一方、機体ごとの関節構成や安全制約に合わせた検証は残る。抄録では、実機実験の台数・環境・成功率や、動画の選定条件、データセットの利用条件は示されていない。次に確認すべきなのは、別の機体や相互作用場面でも接触とバランスを保てるか、また実機での動作評価がどの条件で行われたかである。

なぜ重要か

HumiTransferは、単独の人間動作ではなく、相手との接触や位置関係を保った相互作用動作を、異なる自由度の2機種向けに生成したと論文が報告している。人と握手するなどの動作を学習・生成する際、動画をロボットの身体構造に合わせて変換し、実機で実行できるか確認する工程が課題となることを示す事例である。