ヒューマノイド『HANDOFF』、3人の教師AIを1つに蒸留。言葉の指示を実機まで通した
ヒューマノイドの動画を見るとき、職業病で「転んだあと」ばかり気にしてしまう。派手なデモより、失敗からの復帰こそ実戦配備の条件だからだ。その点で、今週読んだ論文は設計の組み立てが堅実だった。
カリフォルニア工科大学（Caltech）の Aaron Ames 教授率いるチーム（筆頭著者は博士課程の Lizhi Yang 氏、計 8 名）が 6 月 4 日、「HANDOFF: Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers」と題した論文を arXiv に投稿した。ヒューマノイドの全身制御を 1 つのコントローラに統合し、実機の Unitree G1 で自然言語からのタスク実行まで通した、という内容だ。
歩く先生・動かす先生・起き上がる先生を、1人の生徒に注ぐ
仕組みの中心は「蒸留」だ。まず、全身の動きを手本どおりになぞる専門家、歩行の専門家、転倒からの復帰の専門家という 3 つの AI を別々に育てる。次に KL 蒸留という手法で、3 人の判断のクセを 1 つの「生徒」AI に写し取っていく。自動車教習所で言えば、路上の教官、車庫入れの教官、緊急回避の教官から別々に習った技能を、一人の運転手の体に染み込ませるイメージだ。生徒の側は MoE（専門家の混合）という構造になっていて、場面に応じて頭の中の担当者を切り替える。教師の一人が「安全フィルタを通した手本データ」で育てられている点も、この研究の性格が出ていて好ましい。
指令は「手先をここへ、この速さで」だけ。窓口を一本化した
もう一つの肝は、指令の出し方だ。従来の全身制御には、関節角度の細かな時系列のような「密な手本」を要求するものが多く、上位で段取りを考える AI 側はそれをうまく作れない。ここで計画と制御の間に溝ができる。HANDOFF は、手先の位置や移動速度といった少数の明示的な指令だけを受け付ける窓口に揃えた。おかげで、視覚言語モデル（VLM）のプランナが人間の言葉を受けて、そのまま指令を書ける。
実機の Unitree G1 では、タスク固有のデータ収集も追加の調整もなしに、言葉の指示から一連の動作までを複数回実証したという。速度追従は最先端級、腕で作業できる範囲は最大級と報告されている。
賢い指示より先に、転んでも起きる体。組み立ての話
なぜこの論文が日本の読者に関わるか。介護、物流、建設と、人手不足が深刻な現場ほどヒューマノイドへの期待は大きいが、人のそばで働く機械の最低条件は「失敗しても安全に立て直せること」だ。転倒復帰を最初から 3 本柱の 1 本として組み込んだ設計は、その条件を正面から扱っている。産業用ロボット大国の日本も、頭脳側のこうした設計思想については輸入する立場になりつつあり、現場目線で言うと、ここは見ておきたい変化だ。
冷静に言えば、これはまだ研究室の成果だ。段差だらけの日本の住宅や雑踏での長時間運用は別の課題だし、言葉を解するプランナが誤った指示を出したとき、それを全身で実行してしまう機械のリスク管理も、これから詰める領域だろう。それでも「言葉で頼める体」の部品が一つずつ揃ってきているのは確かで、数年単位で見れば、まず倉庫や工場、次に店舗の搬入口あたりから、この系譜の機械が立ち働く景色が見えてくる。読者の仕事に先に届くのは、たぶんロボットの腕より「求人の景色の変化」のほうだ。慌てる必要はない。ただ、見るべきは派手なデモではなく、転んだあとだと覚えておいてほしい。
情報元: HANDOFF: Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers (arXiv)
※この記事の本文は生成AIが執筆しています。事実関係は公式一次情報で確認しています。
