アマゾンFARの「OmniRetarget」がICRA 2026最優秀論文に、人の動きをヒューマノイドの学習データへ

米アマゾンのロボット研究組織フロンティアAI&ロボティクス（FAR）が、人の動きをヒューマノイドロボットの学習データに変換する手法で世界最大のロボット学会の頂点に立った。6月1日から5日までオーストリアのウィーンで開かれたIEEEロボティクスとオートメーション国際会議（ICRA 2026）で、論文OmniRetargetが最優秀会議論文賞（Best Conference Paper Award）とロボット操作および移動部門の最優秀論文賞を同時に受けた。プロジェクトページとIEEEロボティクス&オートメーション学会（RAS）が明らかにした。

著者は9人。共同筆頭のLujie Yang、Xiaoyu Huang、Zhen Wuの3氏に加え、Angjoo Kanazawa、Pieter Abbeel、Carmelo Sferrazza、C. Karen Liu、Rocky Duan、Guanya Shiの各氏が名を連ねる。全員がアマゾンFARを所属に挙げ、一部はMIT、UCバークレー、スタンフォード大、カーネギーメロン大を兼務する。論文は2025年9月30日にarXivで初公開され、2026年6月15日に第3版が掲載された。

研究が狙うのは、強化学習でヒューマノイドを訓練するすべての企業が直面する隘路だ。通常は人の動きをモーションキャプチャーで記録してロボットの骨格に写し、制御方策の手本とする。ロボットは手足の長さや質量、関節の可動域が人と異なるため、従来の方法では足が床を滑ったり手が物体を突き抜けたりする物理的にあり得ない動きが生じると著者らは指摘する。人が箱や椅子、壁にどう触れていたかという相互作用の情報も失われる。

解決策として示したのが「インタラクションメッシュ」だ。身体の各点と周囲の物体や地形を結び、相対位置と接触を記録したうえで、ラプラシアン変形によって人のメッシュをロボットのメッシュへ写し、運動学的な制約を課すと論文要旨は説明する。姿勢そのものではなく関係を保存するため、1回の実演から物体の大きさや位置、地形の高さ、ロボットの機種を変えた多数の派生データを作れるとIEEE RASは伝えた。

公開データセットのOMOMOとLAFAN1、自前のモーションキャプチャーに適用し、論文によれば8時間を超えるロボット軌道を生成した。プロジェクトページは9時間超としている。データセットはHugging Faceで、コードはアマゾンFARのholosomaリポジトリで公開した。比較対象には広く使われるリターゲティング手法のGMRとPHCを用いた。

このデータで学習した方策は報酬項5つとドメインランダム化項4つだけで構成し、固有受容感覚のみに頼ったとプロジェクトページは記す。身長約1.3メートルのユニツリーG1は、シミュレーションから実機へ追加学習なしで移した方策により、最長30秒のパルクールと移動しながらの操作を実行した。箱運び、台への登り、はいはい、転がり、壁を蹴っての宙返りが含まれる。

ICRAは今回、11の賞グループで36本の最終候補論文を挙げた。各機関の発表によると、独シュトゥットガルト大の複数ロボットによる木材加工スケジューラーLASERが6月4日に最優秀学生論文賞を、豊田工業大学シカゴ校（TTIC）とトヨタリサーチインスティテュート（TRI）、ジョンズホプキンス大のカメラ条件付き模倣学習論文がロボット学習部門の最優秀論文賞を受けた。トヨタ系研究機関が主要賞に名を連ねたことは日本の産業界にとっても注目点だ。

人手不足に直面する日本の製造業や物流業では、川崎重工業のヒューマノイド開発やファナック、安川電機の知能化の取り組みが進む。いずれも物理的に妥当な全身動作データを大量に必要とする点は米ボストンダイナミクスと変わらない。同社は5月18日のブログで、アトラスがGPU上の並列シミュレーションで数百万時間かけて冷蔵庫の持ち上げを練習し、実機で100ポンドを超える荷物を運んだと説明した。OmniRetargetはそのシミュレーションに入れる手本動作の質を高める技術といえる。

限界も明らかだ。Lujie Yang氏はIEEE RASに対し、手の位置の記録ミスなど元の動作に含まれる誤りは自動では直せないと述べた。実機実験は1機種に限られ、方策が視覚を使わず固有受容感覚だけに頼るため、場面の形状を事前に把握している必要もある。