ヒューマノイドロボット「Unitree G1」がわずか5時間のデータで高度なテニススキルを習得

2026年、ロボット工学の分野では、ヒューマノイドシステムに複雑で動的なタスクを学習させる技術が飛躍的な進歩を遂げました。清華大学、北京大学、そしてGalbot社の研究者らによる共同プロジェクト「LATENT」は、ヒューマノイドロボット「Unitree G1」に対し、アマチュアプレイヤーのわずか5時間分という、不完全で断片的な動作データのみを用いて複雑なテニススキルを習得させることに成功しました。

実験において、このロボットは時速54kmを超える速度で飛来する人間側のサーブに対し、フォアハンドで約90.9%という高い返球成功率を記録し、その卓越した精度を証明しました。この驚異的な成果を支えているのは、「Correctable Latent Action Space（修正可能な潜在アクション空間）」と呼ばれる革新的な技術です。この手法は、スイングや打撃時の動作をリアルタイムで安定化させ、高精度なモーションキャプチャデータを大量に必要とする従来の課題を克服しており、実世界での迅速なロボット導入を可能にする可能性を秘めています。

特筆すべき点として、開発チームはモーションキャプチャに必要な空間を、従来のテニスコートサイズと比較して17分の1以下にまで大幅に縮小しました。学習プロセスでは、フォアハンドやバックハンド、さらにはサイドステップやクロスステップといった基本的な身体動作の習得に焦点が当てられました。シミュレーション環境では96%の打撃成功率を達成し、実際のテストでも秒速15メートル（時速54km相当）以上のピーク速度で飛来するボールを正確に捉えました。LATENTフレームワークは、不完全な動作サンプルを構造的なヒントとして活用し、俊敏で自然な動きを再構成する仕組みとなっており、コストと手間の掛かる理想的なデータの収集を必要としません。

一方で、現在の技術的フェーズにおける課題も浮き彫りになっています。LATENTフレームワークを搭載したUnitree G1は、現時点では飛んできたボールに反応して打ち返す「リアクティブ（反応的）」な段階にあり、対戦相手の動きを読んだ戦略的な配球を行うまでには至っていません。また、テスト中のボール追跡は外部の光学式モーションキャプチャシステムに依存しており、ロボット単体での視覚システムによる自律制御は次の開発ステップとされています。今後はサッカーやパルクールなど、より高度な判断が求められる動的タスクへの応用が計画されています。

2026年のビジネス展望において、中国・杭州を拠点とするUnitree社は、前年の5,500台を大幅に上回る最大20,000台のヒューマノイドロボットの出荷を予定しています。この規模の拡大において、限定的なデータから高度な身体能力を効率的に学習させる本手法は、極めて重要な役割を果たすでしょう。Unitree G1は構成により23から43の自由度（DoF）を持ち、13,500ドルから43,000ドルの価格帯で展開されています。ダンスや武道といった他のスキル実証と共に、同社は研究室レベルの技術を実社会のユーティリティへと移行させる取り組みを加速させており、共同開発のGalbot社も中国国内で40以上の自律型店舗を運営するなど、実社会への実装が着実に進んでいます。