AI2026/11/09 9:37 UTC·2 分で読めます

Apple、HALOで人型ロボットが未知の家で動作　成功率91%

AppleはHALOを1000の仮想住宅で訓練し、Mac mini M4 Proを載せたUnitree G1で360回の実機試験を行い、成功率91%を記録した。

A Unitree G1 humanoid robot with a head-mounted camera and a Mac mini backpack sitting down on a chair in a living room. — 画像: Spider's Web

SUMO：数字パズル

Dialo：話して学ぶ語学アプリ

ediviewer：EDIファイルを文書のように読む

giftdetect：数分でぴったりの贈り物

Appleの研究チームは、人型ロボットが初めて入る家でも指示に従って全身を動かせるシステム「HALO」を発表した。論文「Perceptive Humanoid Motion from Simulation」によると、実機での360回の試験で成功率は91%に達した。

1000の仮想住宅で学習

ロボット学習の最大の障壁はデータ収集だ。遠隔操作や人の動きの録画、モーションキャプチャーには時間と人手がかかる。Appleは間取りや家具が異なる1000の仮想住宅を用意し、約16万3000のエピソード、合計約300時間分の動作を生成した。各データには指示、ロボット視点の映像、対応する動作が含まれる。足が床を貫通するなどの不正な試行は自動的に除外された。データセットの作成には、Nvidia H100を250基使って48時間かかった。

中国製ロボットにMac miniを搭載

実験に使われたのはApple製ではなく、中国メーカーのUnitree G1である。研究者は頭部にカメラを追加し、64GBメモリのMac mini M4 Proを収めたケースを取り付けた。Macが指示の解釈と動作計画を担い、ロボット本体のNvidia Jetson Orin NXが残りの制御を行う。

HALOは3つのモジュールで構成される。1つ目が映像と指示を単純な動作に分解し、2つ目が毎秒約3回、先の5秒間の全身動作を計画する。3つ目は50Hzでモーターを制御し、バランスを保つ。

結果と課題

試験は事前にスキャンしていない6つの部屋で、6つの技能を各10回ずつ実施した。障害物の下にしゃがむ動作は全試行で成功し、半開きのドアを横向きで通り抜けるのは93%、対象物への到達は92%だった。机の下を這うのが90%、箱を押すのが88%、椅子に座るのが85%となった。座る動作を仮想住宅1つだけで学習させた場合、未知の仮想環境での成功率は43%にとどまったが、1000環境では84%に上がった。

一方、複数の動作を連続させるテストでは平均成功率が70%に下がった。この試験は実環境1カ所のみで行われている。最も難しい、しゃがんで対象へ向かい箱を押す課題は、成功が約半数にとどまった。研究者は、最初の動作を終えたロボットが次の目標を視界に捉えられない向きで止まることが多いと指摘している。