星野誠 makoto hoshino

2026.3.28

このブログでも何度か触れているけれど、本当に毎回衝撃を受ける。

中国のUnitree（ユニツリー）が開発したヒューマノイドロボット「G1」が、人間のプレイヤーと実際にテニスのラリーを続けている映像が話題になっている。

単なるデモとして見ても驚きだけど、
その裏にあるAIの学習方法を知ると、さらに驚く。

この研究で使われた学習データは、
わずか5分間の、人間のテニスプレイヤーの映像。

しかも、精度の高いものではない。

これまでの機械学習の常識では、
「高品質で大量のデータ」が必要とされてきた。

でも今回は違う。

まず、低レベルのAIが「動きの大枠」を学習する。
いわば、人間のプレーを見て「それっぽい動き」を覚える段階だ。

そのあとで、高レベルのAIがシミュレーション上で強化学習を行い、精度を上げていく。

ただし、完全な自由ではない。

最初に学習した「人間らしい動き」から逸脱しすぎないように、
見えないガードレールを設けた状態で学習を進める。

その結果、

ただ強いだけじゃなく、
「人間らしく動く」モデルができあがる。

これ、よく考えると、かなり人間に近い。

最初は、うまい人の動きを見て真似する。
そこから練習して、少しずつ上達していく。

まさにそれを、ニューラルネットの上で再現している。

さらに面白いのが、シミュレーションから実機への移行だ。

現実のロボットにそのまま適用すると、うまく動かないことが多い。
いわゆる「シミュレーションと現実のズレ」。

それを埋めるために、

ボールの重さ、摩擦、空気抵抗などの条件をランダムに変えながら学習させている。

現実のバラつきを、あらかじめ経験させているわけだ。

その結果、

シミュレーションではフォアハンド成功率96%、
実機でも90%以上を維持。

秒速15メートル以上のボールで、25球以上のラリーを続けることができる。

ここまで来ている。

この話を見て思ったのは、

「完璧なデータがなくてもいい時代になってきた」ということだ。

むしろ、

不完全なデータから始めて、
そこに構造と工夫を加えることで、
現実で使えるレベルまで持っていける。

これは、かなり大きな変化だと思う。

そしてもう一つ。

こういう進化は、
純粋な理論だけではなく、
エンジニアリングの積み重ねによって実現されている。

泥臭い工夫の集合だ。

Unitree Robotics のロボットが、研究者にとって使いやすく、自由度が高いからこそ、
こういう研究がどんどん積み重なっている。

結果として、デファクトスタンダードに近い存在になってきている。

ここは、日本にとっても大事なポイントだと思う。

ハードをオープンにして、
その上でAIを競う環境をつくる。

部品や素材で競う人たちも含めて、
全体としての競争力を上げていく。

そういう構造を作れるかどうか。

今回の話は、単なるロボットの進化ではなく、

「どうやって進化が起きるか」

そのヒントを見せているようにも感じた。

ーーーー

ーーーー

“Unitree G1” — still impressive

I’ve mentioned this a few times on the blog, but every time I see it, I’m honestly impressed.

The humanoid robot “G1,” developed by Unitree Robotics, has been making the rounds online—playing real tennis rallies with human players.

That alone is surprising.
But once you understand how the AI behind it was trained, it becomes even more interesting.

The training data used in this research was just five minutes of video footage of a human tennis player.

And not even high-quality footage.

Traditionally, machine learning has relied on large amounts of high-quality data.
But this approach is different.

First, a low-level policy learns the rough structure of movement—basically mimicking human motion.

Then, a higher-level AI improves performance through reinforcement learning in simulation.

But it’s not completely free to do anything.

There’s a kind of invisible guardrail that prevents it from drifting too far away from the “human-like” movements it learned at the beginning.

As a result, the model doesn’t just become effective—it moves in a way that still feels human.

In a way, this is very similar to how people learn.

We start by copying someone skilled.
Then we practice and gradually improve.

That same process is being recreated inside a neural network.

Another interesting part is the transition from simulation to the real world.

Models trained only in simulation often behave in unrealistic ways when applied to real hardware.

To address this, the researchers introduced randomness—changing factors like the ball’s mass, friction, and air resistance during training.

This helps the model adapt to real-world variability.

The results are quite strong.

In simulation, the forehand success rate reached 96%.
On the actual robot, it maintained over 90%.

It can rally more than 25 shots against balls traveling over 15 meters per second.

That’s where we are now.

What stood out to me is this:

We may be moving into a world where perfect data is no longer required.

Instead, you can start with imperfect data,
and with the right structure and engineering,
build something that works in the real world.

That feels like a significant shift.

And there’s another point.

Progress like this isn’t driven by theory alone.
It comes from accumulated engineering effort—practical, sometimes messy work.

Because Unitree Robotics provides hardware that is flexible and accessible, researchers can experiment more freely.

Over time, that kind of environment starts to resemble a de facto standard.

This has implications beyond robotics.

For countries like Japan, it raises an important question:

Can we create open platforms where hardware is shared,
AI is built on top,
and different players compete and collaborate across the ecosystem?

This isn’t just a story about a robot playing tennis.

It’s also a glimpse into how progress itself happens.

カテゴリー

• 【きのう、火星に行きました ♡ 】（ブログ)
• 【記事一覧】（ブログ)