ガルボットの「PASSAGE」は、ヒューマノイドが障害物の乗り越え方を選択できるようにする

散らかった部屋の中を移動できるヒューマノイドロボットは、一見些細だが実はそうではない問題を解決しなければならない。それは、どの部位を動かしてその空間を通過すべきかを判断することだ。なぜなら、足のための明確な経路があっても、肩や頭が衝突コースに残ってしまう可能性があるからだ。 2023年5月に北京大学の研究者であるHe Wang氏によって設立された、北京を拠点とする具現化AI企業「Galbot」は、2026年10月13日、ヒューマノイドが低い障害物をまたぐか、 頭上の障害物の下をくぐるか、あるいは横向きになって狭い隙間をすり抜けるかをリアルタイムで選択できるようにするフレームワーク「PASSAGE」を公開した。これは、同社が9月に発表した研究論文に続くものである。

Galbot社は、 エンターテインメントやパフォーマンス用途を目的とした二足歩行ヒューマノイド「ET1」を製造しており、3つのハードウェアバージョンで79,000元（約11,000米ドル）から販売している。この価格帯は多くの欧米のヒューマノイドプラットフォームよりもかなり低く、Galbotの商業戦略が、単なる高級産業用契約だけでなく、大量販売と手頃な価格設定を軸にしていることを示唆している。 PASSAGE自体のデモンストレーションは、研究プラットフォームとして使用された別のマシン「Unitree G1」上で行われた。これは、購入者がこの結果をどのように解釈すべきかという点で重要である。ガルボットが公表しているのは機能的な成果であり、現在のET1に搭載されている機能に関する製品主張ではない。

一見単純そうに見えるデモの背後にある数字

PASSAGEは、2つの部分を組み合わせることで機能する。1つは短い動作の連鎖を計画するプランナー、もう1つはそれを実行しつつ、ロボットを取り巻く環境の形状にその場で適応しながら調整を行うコントローラーである。これらはすべて1つの統合システム内で処理され、ロボットが遭遇する可能性のあるあらゆる種類の障害物に対して個別のポリシーを設定する必要はない。 Galbotのプロジェクトページによると、トレーニングデータは人間の動きとそれが行われる環境を直接結びつけている。オペレーターは仮想現実（VR）と慣性モーションキャプチャを用いて移動を実演し、チームは1,500の仮想シーンにわたって100時間分の人間の動作データを収集した。その

ロボット本体では、LiDARが環境情報を提供し、システム全体はNvidia Jetson AGX Orin搭載コンピュータ上で動作します。あらかじめ作成された地図や外部での演算を一切行わないため、ロボットは事前にマッピングしたことのない空間を読み取り、それに応じて反応しています。

注目すべき結果として、150のテスト用シーンにおける750回のシミュレーション試験で98.67％の成功率が報告されているが、これはロボットが目的地に到達したかどうかのみに焦点を当てた指標である。 途中で障害物に接触せずに到達することを条件にすると、その成功率は70.3％に低下する。この差こそが、報道記事の内容ではなく、この技術を評価する者にとって、今回の発表で最も重要な数値である。 棚に軽く触れたり、出入り口にわずかに接触したりして目標に到達するロボットは、研究用のベンチマークでは許容されるかもしれないが、障害物が壊れやすく、高価であるか、あるいは人が通行している倉庫、病院の廊下、小売店の売り場では、多大なコストを招く可能性がある。

実機テストはシミュレーションよりも保守的な結果を示す

Galbot社はまた、物理的なUnitree G1ロボットを用いて、PASSAGEを50の未見のレイアウトで実行した。各レイアウトは繰り返し試行して平均化するのではなく、1回ずつ試行されており、これはシミュレーションによる試験よりもはるかに厳格なテストである。 ロボットは50回の試行すべてを転倒や安全介入なしに完了し、そのうち45回（90％）は障害物との接触を一切伴わずに完了した。 この実世界における接触なしの成功率は、シミュレーションで得られた70.3％という数値よりも著しく高い。ただし、サンプルサイズがはるかに小さい（実機での試行50回に対し、シミュレーションでは750回）ため、この実機の結果は、それ単体で統計的に確固たる主張としてではなく、有望な初期の兆候として捉えるべきである。 ガルボット社が自ら公表した見解は、この点において適切に控えめなものとなっている。著者らは、コース完走ではなく「衝突回避」を、依然として最も改善が必要な機能として挙げている。この率直な認識は、耳障りの良いマーケティング文句よりも、購入者にとってはるかに有益な情報である。

ガルボットは一貫して

これらの機能実証は、独自のハードウェアではなくG1上で公開されており、その中には、ジェスチャーと発話をリアルタイムで連携させるシステム「RoboGesture」や、Galbotで学習したヒューマノイドが実際のテニス試合で100回以上の連続ラリーをこなした「AstraTennis」などが含まれる。 PASSAGEは、その研究の流れを全身を使った障害物回避へと拡張している。これは、ジェスチャーの協調やテニスラリーに求められる精密な運動制御と組み合わせることで、エンターテインメントロボットやサービスロボットが活動するような、構造化されていない人間が利用する空間で動作するヒューマノイドを明確にターゲットとした能力体系の輪郭を描き始めている。 Galbotが掲げる商業的焦点である、実際に稼働しなければならないような、構造化されておらず、人が存在する空間において活動するヒューマノイドに向けた能力体系の輪郭を、徐々に描き出しています。

なぜ全身を使った障害物回避は、仕様書から見る限りよりも難しいのか

歩行の安定性から階段昇降に至るまで、公表されているヒューマノイドの移動に関する研究成果の多くは、ロボットの経路を既知、あるいはほぼ予測可能な変数として扱っている。つまり、ロボットにはどこへ行くべきかが指示され、研究課題は、その脚とバランス制御によってそこに到達できるかどうかである。 PASSAGEは、これとは異なる、おそらくはより困難な問題に取り組んでいる。それは、目的地は明確だが直行経路が定まっていない場合に、体がどう動くべきかを決定することであり、この決定には、足と同様に、ロボットの肩、頭、腕も考慮に入れなければならない。 駐車されたカートによって狭くなった倉庫の通路、頭上にパイプがある出入り口、ストレッチャーが斜めに置かれた病院の廊下――これらはすべて、人が利用する空間では日常的な光景であり、ロボットにとっては、単に事前にマッピングされた経路をたどるのではなく、これまで見たことのない空間構造に対して自身の体の寸法を推論することが求められる。

だからこそ、Galbotが説明するプランナー・コントローラーのアーキテクチャは、プロジェクトページの簡単な概要から想像される以上に重要な意味を持つのです。障害物の種類ごとに「乗り越える」「身を屈める」「横向きになる」といった個別のポリシーに基づいて構築されたシステムでは、行動する前に新しい障害物をそれらのカテゴリーのいずれかに分類する必要があります。しかし、実際の状況では、このアプローチは脆弱なものとなってしまいます。

この環境は、狭い隙間から突き出た低い棚のように、3つの要素をすべて兼ね備えたものを提示しています。こうした分類の段階を経ずに、これらの動きを選択・融合させる単一の統合型プランナー兼コントローラーは、より汎用性の高い設計であり、 また、テスト用として用意された、これまで見たことのないシーン全体で98.67％という目的地到達率は、たとえ非接触率がコントローラーの精度をさらに高める余地がまだ十分にあることを示しているとしても、少なくともシミュレーション上ではこの汎用性の主張が成り立つことを裏付けている。

調達チームが研究プラットフォームの結果から学ぶべきこと

ヒューマノイドのナビゲーション性能を広く評価する購入担当者にとって最も有用な事実は、Galbotが開示する義務はなかったにもかかわらず開示した点にある。すなわち、PASSAGEで公表された評価結果は、Galbot独自のET1において同等の能力が確立されていることを示しておらず、同社は資料の中で、自社のハードウェアではなくG1がデモンストレーションプラットフォームとして選ばれた理由について何の説明も行っていない。 これは必ずしも危険信号というわけではない。研究チームは、実験に最適な計測機器が装備されたロボットを用いてソフトウェアの機能を検証することがよくあるからだ。 しかし、実際のET1ユニットに障害物回避ナビゲーションを導入することに興味を持つ購入者は、この発表を、ガルボットの研究部門がその機能を実現できるという証拠として捉えるべきであり、ガルボットが現在販売している製品にその機能が搭載されていることの確認として捉えるべきではない。

倉庫、病院、あるいは混雑した商業施設でヒューマノイドプラットフォームの評価を行っている調達チームにとって、全身を使った障害物回避能力こそが、管理されたデモエリアで動作するロボットと、家具が置かれた予測不可能な空間で人々と共存しながら信頼できるロボットとを区別する決定的な要素である。 PASSAGEが自ら発表した数値、すなわち完全に視界が遮られた実機テストにおいて90％の非接触率を達成したことは、そのユースケースにとって極めて有力な初期結果であり、その数値と実運用可能な保証との間のギャップこそが、真剣な購入者が求めるべき証拠そのものである。

Galbot、あるいは同様の主張を行うヒューマノイドベンダーには、発注後ではなく発注前に契約を締結するよう求める。

また、PASSAGEを、今年中国および欧米の研究所から発表されているヒューマノイドのナビゲーション研究というより広い分野の文脈に位置づけることも有意義である。いくつかの競合するアプローチは、階段やプラットフォームに特化して微調整された「登攀専用」コントローラーなど、より単純で単一目的のポリシーを通じて障害物の通過を追求しており、汎用性を犠牲にすることで、より狭い領域内での成功率を高めている。 一方、GalbotがPASSAGEで賭けているのはその逆だ。つまり、実際の展開環境では、特定のコントローラーが訓練されていない障害物の組み合わせが現れるという前提のもと、精度を短期的には多少犠牲にしても、あらゆる種類の障害物に汎用的に対応できるよう設計された単一のシステムである。 その賭けが商業的に報われるかどうかは、Galbot社とその研究仲間が、98.67％という目的地到達率到達率と70.3％の接触回避率との間のギャップを、Galbotとその研究仲間がどれだけ迅速に埋められるかにかかっている。というのも、10回の試行のうち3回は依然として障害物に接触してしまう汎用システムは、リスク回避的な購入者が、人が利用している施設での物的損害に対して保険をかけることができるようなシステムとはまだ言えないからだ。

PASSAGEのソースコードは、Galbotのプロジェクトページで「近日公開予定」と記載されており、現時点では公開されていない。つまり、外部の研究者は実験を自ら再現して、報告された数値を独立して検証することはまだできない。 中国および欧米の人型ロボット研究所による初期の能力に関する主張が、当初の枠組みが示唆していたよりも実際には限定的なものであることが頻繁に判明していることを踏まえると、独立した再現性は、具現化AI研究全般において、ますます重要な信頼性検証手段となっている。 公開されたコードベースを評価できる技術スタッフを擁する調達チームは、今回の発表ではなく、その最終的なコード公開を、PASSAGEの主張が完全に検証可能となる時点と見なすべきである。

本分析は、掲載日時点での企業の声明および公表された研究結果を統合したものであり、

本情報は、投資、金融、または専門的な助言として解釈されるべきではなく、あくまで一般的な情報提供のみを目的としています。