Zero-HLM、実機デモなしの学習でUnitree G1の3タスクを評価

何が起きたか

arXivに2026年10月26日掲載された論文「Zero-HLM: Generalizable Humanoid Loco-Manipulation without Real Robot Data」は、実機デモを使わずにヒューマノイドの移動・操作を学習させる枠組みを示した。Zero-HLMは物理検証済みデモ4,800件を生成し、Unitree G1の3タスクでゼロショット転移を評価した。シミュレーションで学習したGR00T N1.7の平均フルタスク成功率は66.7%で、実データ学習の場合の46.7%を上回った。

詳細

Zero-HLMは、スマートフォンで撮影した画像とシミュレーション上のデモを用いるreal-to-sim-to-realの枠組みだ。Gaussian-guided agentic real-to-sim reconstructionで視覚・物理シーンを整合させ、motion-environment co-adaptationではロールアウトのフィードバックを使って全身動作の参照軌道と相互作用の幾何形状を修正する。 論文要旨によると、一般化された構成でシミュレーション学習を拡張した場合、成功率は実データで学習したベース方策の23%から69%に上がり、追加の実デモは使わなかった。これらの数値は論文要旨の記載であり、タスク別の結果や評価条件の詳細は要旨に示されていない。

Key Facts

本紙の見方

4,800件の物理検証済みデモをシミュレーションで生成し、実データ学習との比較で平均成功率66.7%対46.7%、一般化構成で23%から69%という結果を示した点が、この研究の中心である。新しいのは、実機の動作デモを追加せず、スマートフォン撮影から再構成した環境とシミュレーション上の動作を結び付け、学習データを増やす手順を提示したことだ。一方、移動と操作をシミュレーションで学び実機へ移す研究そのものは、real-to-sim-to-realという構成であり、実環境への転移可能性を検証する既存課題の延長でもある。 技術面では、シーンの見た目だけでなく物理特性も整合させ、動作のロールアウト結果を環境形状と全身動作の修正に戻す点が鍵となる。単にデモを合成するのではなく、環境再構成、動作生成、試行結果による補正を閉ループにした構成と読める。ただし、要旨が示すのは3タスクでの評価であり、異なるロボットへの適用や、実環境での長期稼働を裏付けるものではない。成功率の差も、要旨に記載された条件内の比較として扱う必要がある。 データ取得の観点では、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（2026年10月24日）が扱った人間の活動記録と、Zero-HLMのシミュレーション生成データは、学習データを得る方法の異なる例だ。前者の記事は100時間分の記録を扱うが、両者の学習効果を直接比較できる情報はない。また、leaderobot.com、宇樹G1の累計台数を報道（2026年10月26日）が扱った生産ライン通過台数と、本論文のタスク成功率は別の指標であり、生産規模から実運用性能を推定することはできない。 この構成が広く使えるかを判断するには、3タスクの内容、一般化構成の範囲、成功率の集計方法、実機評価の条件を確認する必要がある。スマートフォン撮影から物理的に妥当な環境をどこまで再構成できるか、タスクや環境が変わった際に補正がどの程度必要かも、要旨だけでは分からない。実デモの削減が示されても、再構成やシミュレーションに必要な計算・作業量、実機での安全性や反復稼働まで確認されたわけではない。次の論点は、追加データなしで得た成功率が、どの条件まで再現するかである。

なぜ重要か

論文は、実機デモを追加せずに一般化構成で成功率が23%から69%に上がったと報告しており、実機でのデモ収集に依存する学習工程を補う手法になり得る。ただし、示された評価はUnitree G1の3タスクであり、他の機体や実環境で同じ結果が得られることを示すものではない。