清華大の「見て蹴る」サッカー人型ロボット、Science Robotics表紙に　シミュレーションだけで学習

中国の清華大学の研究チームは2026年8月19日、人型ロボットがサッカーボールを見て蹴るまでを、別々の認識と動作のモジュールではなく一つの学習済みループで処理する強化学習制御器を学術誌Science Roboticsで発表した。論文「Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots」は第11巻117号に掲載され、著者とハードウエア協力企業Booster Roboticsによると、同誌の人型ロボット特集号の表紙を飾った。

研究体制

筆頭著者は清華大学自動化系のYushi Wang氏、責任著者は趙明国教授である。バイトダンスSeedと中国農業大学が共同で参加した。Booster Roboticsによると、Wang氏は清華大学のロボカップチームの主将で、同チームはBoosterの機体で2025年と2026年のロボカップを連覇した。プレプリントは2025年11月にarXiv（2511.03996）で公開されている。

報告された成果

Boosterの人型ロボットT1で、著者らはルールベースの手法と比べボール位置の推定誤差を46%減らし、キックまでの時間を最大64%短縮し、前方位置でのキック成功率は約90%だったと報告した。制御器はシミュレーションだけで学習し、実環境での追加学習なしに実機へ展開した。チームは屋外と実際のロボカップの試合で検証したとしている。

仕組み

多くのロボットサッカーの仕組みは段階的な流れをとる。視覚モジュールがボールを見つけ、計画器が移動先を決め、別の制御器が脚を動かす。段階ごとに誤差が積み重なり、ボールが隠れたり動いたりすると反応が遅れる。清華大の制御器は、この流れ全体をシミュレーション上でPPOアルゴリズムによる強化学習で一括して学ぶ。

要点は3つある。第1に、シミュレーション内の「仮想知覚システム」が実際のカメラのノイズや検出漏れを模倣し、方策が本物のボールを見る前に質の悪いデータへの対処を身に付ける。第2に、エンコーダーとデコーダーからなるネットワークが直近50フレームの観測を64次元の内部状態に圧縮し、ボールが視界から消えても位置を推定し続ける。第3に、人間らしい動作データに似た動きに報酬を与える敵対的動作事前分布（AMP）で自然な歩容を保ち、これを実際の視覚環境でも機能するよう拡張した。

ハードウエア協力企業

北京のBooster RoboticsがT1を提供した。同社は8月20日の発表で、2026年7月のロボカップ人型リーグで38の国際チーム（参加チームの68%）が自社機を使い金メダルを独占し、8月の世界人型ロボット競技大会では56チーム（92%）が自社機を選んだとした。新型T2は身長1.4メートル、31自由度、両腕可搬重量10キログラムで、2070TFLOPSのエヌビディアThorを搭載すると説明している。

競争環境

ロボットサッカーは人型ロボットの機敏さを試す場となっている。2026年8月に上海の科創板に上場したユニツリーやBoosterなど中国メーカーが、研究用と競技用の機体供給を競う。今回の論文は、実寸の商用人型ロボットで、現実的なセンサーの欠陥を前提にカメラの画素から脚の動作までのループを閉じ、一流誌に掲載された点で際立つ。

日本の産業への意味

同じ課題はサッカー場の外にもある。ノイズが混じり一部が隠れた視覚情報を頼りに、バランスを保ちながら動くことは、物流倉庫や工場、家庭でも求められる。人手不足を背景に人型ロボットの導入を探る日本企業にとって、完璧なシミュレーションを目指すよりセンサーの欠陥を再現するという学習法は実用的な示唆となる。一方、研究用の標準機を中国メーカーが押さえ、開発者の層を厚くしている現状は、かつてロボカップで存在感を示した日本の研究界と産業界にとって課題を突きつける。

リスクと課題

数値は著者と協力企業によるもので、比較対象は他の学習型制御器ではなくルールベースの手法である。サッカーは対象物が一種類の構造化された環境だ。多様な物体、手による操作、言語指示を伴う長い作業に広げられるかはまだ示されていない。Boosterの採用率は同社の主張である。