Unitree搭載の脚型ロボット制御研究、GPU並列シミュレーションで適応性を高める

何が起きたか

arxiv.orgは2026年10月7日、脚型ロボット向けの制御手法「LLA-MPPI: Rapidly Adaptive Whole-body Control of Legged Robots with GPU-Accelerated Parallel Simulations」を公表した。手法は、異なる物理・構造パラメータを持つGPUバッチ接触シミュレーター群から、直近の動きを最もよく説明するものを選び、whole-body MPPI plannerで制御を最適化する。実機検証はUnitree Go2で行われ、走行中に荷重を追加した歩行、片脚を無効化した後の歩行、箱の質量を増やしながら目標まで押す動作が示された。

詳細

論文は、固定的な名目モデルに基づく従来のwhole-body controllerが、実機の動力学が変化すると性能低下しやすいと指摘し、LLA-MPPIではこれをGPU-batched contact simulatorsの選択問題として扱う。Windowed prediction errorsで直近の運動を最もよく説明するシミュレーターを選び、そのモデル上でwhole-body MPPI plannerが制御を最適化する構成である。 評価では、四つのシミュレーション課題で成功率97.5%を記録し、最強ベースラインの74%を上回った。論文は、真のモデルを与えたoracleの98.5%にも近い水準としている。公開されたコード、動画、詳細情報はlla-control.github.ioに置かれている。

Key Facts

本紙の見方

この論文の新しさは、脚型ロボットのwhole-body制御を「固定モデルで追従する方式」から「GPUで並列に走る複数の接触シミュレーターを、その都度選ぶ方式」へ置き換えた点にある。単なる学習済み制御ではなく、直近の誤差から仮説を選び直すため、荷重追加や片脚無効化のような運動中の条件変化を扱う設計になっている。ここで主役なのはロボット本体そのものより、実機に合わせて候補モデルを切り替える計算基盤と推定の枠組みである。 本紙の過去報道であるFigure AI、F.02を溶解処分と報道　BMW工場で11カ月稼働が示したのは、実世界で長期運用された個体が最終的にどのように扱われるかという運用面の論点だった。これに対し今回のLLA-MPPIは、そもそも運用中に条件が変わることを前提に、その変化へどう追随するかを制御層で処理しようとしている。つまり、実機データが蓄積された後の処分や更新ではなく、稼働中の変化をどう吸収するかという点で射程が異なる。 産業構造の観点では、ロボット制御の競争軸がセンサー精度や機械構造だけでなく、GPU上でどれだけ多様な接触仮説を高速に回せるかに移っていることを示す。Unitree Go2での検証は、汎用ヒューマノイドではなく既存の脚型機で成立しており、適用対象は特定の機種に限られていない可能性がある一方、GPUバッチ接触シミュレーションの計算負荷、実機との乖離、どの程度の条件変化まで追随できるかはなお確認が必要である。四つのシミュレーション課題での97.5%という結果も、実地の多様な環境で同じ差が出るかは別問題である。

なぜ重要か

arxiv.orgが示した手法では、荷重追加や片脚無効化のような条件変化に対して、実機側の動きを見ながらモデルを選び直す設計が採られている。脚型ロボットの制御では、機体そのものだけでなく、GPU上で動くシミュレーション基盤の計算能力が性能を左右する可能性がある。

日本への影響

Unitree Go2のような既存機体を使った実機検証が示されたことで、日本側でもロボット本体の製造だけでなく、GPU計算資源を使った制御ソフトと検証基盤の整備が論点になる。脚型ロボット向けの接触シミュレーションを回せる計算環境や、荷重変化・一部故障を含む評価手順を持つ企業・研究機関にとっては、比較対象になり得る。