人型ロボットが連続バク転やブレイクダンス　制御基盤「OmniXtreme」公開

OmniXtreme は、人型ロボットに連続バク転、ブレイクダンス、倒立、武術といった高難度のアクロバット動作を習得させるオープンソースの運動制御フレームワークです。

北京通用人工知能研究院（BIGAI）と Unitree Robotics が共同開発し、モデルのチェックポイントと評価コードが GitHub 上で公開されています。Unitree ロボットを所有している開発者であれば、実機で直接検証できます。

何ができるのか

これまで人型ロボットが演舞などの高難度アクションを披露する場合、特定の一連の動きに過学習させた単機能コントローラーに頼るケースが一般的でした。しかし、動作ライブラリを拡張しようとすると方策同士の干渉が起き、動きが破綻しやすいという壁がありました。

OmniXtreme は単一の統合ポリシーを用いてこの汎用性の課題を解決しています。Unitree G1 ロボットに適用することで、連続 2 回のバク転、片足踏み切りでの宙返り、手倒立バランス、フロア系ブレイクダンスなどを単一方策で切り替えながら滑らかに実行できます。

実機を用いた 157 回の検証テストにおいて、高い成功率を記録しています。バク転などの宙返り系（7 種）の成功率は 96.36%、武術アクション（3 種）は 93.33% に達しました。

ハンドスプリング系（5 種）は 88.57%、地面との接触が多いブレイクダンス（5 種）は 86.36%、アクロバット技（4 種）も 80.00% の成功率を維持しています。

どのような仕組みか

ロボットのモーターを焼き切ることなく極端な動作を学習させるため、OmniXtreme は課題をシミュレーション学習と実機保護の 2 段階に分割しました。

第 1 段階はシミュレーション環境での事前学習です。まず個別の技に特化した専門の追従エキスパートを複数育成し、それらをフロー・マッチング（Flow Matching）手法によって 1 つの大規模な統合ポリシーへと蒸留・統合しました。これにより、ゼロから強化学習を行う際に生じる最適化の干渉を回避しています。

第 2 段階はハードウェア制約を考慮したポストトレーニングです。シミュレーション上で完璧に見える動作であっても、実機ではトルク不足や過電流保護が働き、転倒や故障の原因になります。

そこで研究チームはメインポリシーを固定した上で、軽量な多層パーセプトロン（MLP）による残差強化学習ポリシーを追加しました。トルク速度制限や電力安全ペナルティを反映した補正を加えることで、ハードウェアの物理的限界を超えない安全な動作を実現しています。

宙返りのような瞬間的な動作にはトルク速度制限で十分対応できましたが、接地衝撃が大きいブレイクダンスでは、強い制動負荷に耐えるため積極的なドメインランダム化と安全正則化が適用されています。

入手先と注意点

現在、GitHub リポジトリにて Unitree G1 向けのチェックポイントと動作評価スクリプトが公開されています。

ただし、実環境とのギャップが完全に解消されたわけではありません。着地時の急激な過渡負荷によってバッテリーの低電圧保護やモーターの過電流停止が誘発される事例が報告されており、これらは既存のシミュレーターでは完全には再現できない要素です。

実機で試す際は、いきなり硬い床で動かすのではなく、保護ハーネスや衝撃吸収マットを用意してテストすることをお勧めします。

なぜ重要か

Unitree G1 を保有するロボット工学の研究者や制御エンジニアにとって、OmniXtreme は真っ先に試す価値のある資産です。NVIDIA の SONIC や Amazon の OmniRetarget など汎用全身制御の試みが広がるなか、本フレームワークは「高容量生成モデルによる動作統合」と「残差学習による実機保護」を明確に切り分ける実用的な解を示しました。

アクロバット技そのものは派手なデモに見えますが、極限動作で鍛えられた衝撃耐性と過負荷制御機構は、将来人型ロボットが過酷な産業環境へ進出する際の安定した足回り制御として極めて重要な意味を持ちます。