東北大学などの国際共同研究グループは、ナナフシの数歩分の歩行データからAIが歩行原理を抽出し、六脚ロボットへ移植する手法を発表した。
実機での適応歩行にも成功し、災害現場など未知環境で動く多脚ロボットへの応用が期待される。
数歩のデータから歩行原理をAIが抽出
東北大学大学院工学研究科とタイのウィタヤシリメティー科学技術大学院大学の研究グループは2026年8月19日、ナナフシの平地直進歩行から約3〜4歩行周期分のデータのみを使い、歩行を生み出す報酬構造と脚の協調則をAIで抽出したと発表した。
研究成果は8月11日、科学誌「Bioinspiration & Biomimetics」に掲載されている。
従来の多脚ロボットでは、脚を動かす軌道や制御パラメータ、強化学習の報酬関数などを研究者が手作業で設計する必要があった。
しかし今回の研究では、敵対的逆強化学習（※）を用い、昆虫の動きから「何を望ましい歩行としているのか」をAI自身に推定させた。
結果、平地のデータしか与えていないにもかかわらず、凹凸地形では脚の動かし方を自律的に変化させ、右中脚を無効化した条件でも残る脚が支持関係を組み直したという。
教師データにない状況でも、生物に近い柔軟な協調が現れた形だ。
さらに抽出した報酬構造を、体格や関節配置が異なる六脚ロボット「RedMirror」へ移植した。約7万ステップ、約1時間8分で協調歩行を獲得し、単純な報酬を使った場合の約20万ステップ、約4時間7分と比べて学習を約3倍高速化した。
シミュレーションで得た制御方策を実機にも搭載し、現実環境での歩行にも成功している。
研究グループは今後、記憶機構を導入するとともに、中枢パターン発生器や反射といった生物的な低次制御を組み合わせ、より生物の運動学習に近い階層的な制御へ発展させる方針だ。
※敵対的逆強化学習：熟練した行動データを手本として、行動を生み出している報酬や評価基準を推定する手法。手本とAIの行動を識別する仕組みを競わせながら、望ましい行動の基準を学習する。
制御設計の省力化に期待、実用化には課題
今回の成果の大きな利点は、ロボットごとに歩行ルールをゼロから設計する負担を減らせる可能性がある点だろう。
生物から抽出した報酬構造を別の機体でも再利用できれば、機体の変更や新規開発に伴う学習コストを抑え、多脚ロボットの開発サイクルを短縮できると考えられる。
特に災害現場やインフラ点検、惑星探査では、事前に地形や障害を完全に想定することが難しいため、平地の限られたデータから不整地や脚の欠損へ対応できた今回の結果は、想定外の環境でも動き続けるロボットの実現に向けた重要な示唆になりそうだ。
一方、現在の制御方策は現時刻の観測情報を基に動作しており、過去の経験を蓄積して長期的に行動を切り替える記憶機能までは扱えていない。
実用化を進めるには、未知の環境へその場で反応する能力だけでなく、過去の状況を踏まえて行動を変える仕組みも重要になるだろう。
こうした課題を克服し、生物から得た制御原理を多様な機体や環境へ安定して転用できれば、ロボット開発における設計や再学習の負担を大きく減らせる可能性がある。
今回の多脚ロボットの制御開発結果は、「人が歩き方を設計する」方式から「生物の動きから原理を学ぶ」方式へと移行する契機になるかもしれない。
国立大学法人東北大学 昆虫の「歩き方」をAIが解読しロボットへ―数歩分のデータで六脚ロボットが適応歩行―
関連記事：
大阪大学、AIで口腔粘膜疾患の早期発見へ Mucosight AIが製造販売承認取得
