中国の共生知行、人形ロボットがカートを運転するデモを公開 — 中間運動表現を廃した「Direct Perception Control」

中国の具身智能スタートアップ**共生知行（Symbiosis Robotics）は2026年8月17日、双足人形ロボットがカート（ゴーカート）を運転するデモと、技術レポート「Direct Perception Control Model」**を公開した（公開日は中国メディアが8月17日と報道。技術レポートは2026年8月付）。デモは同社が初めて体系的に示す「全身智能（Whole-Body Intelligence）」の成果で、今後は移動操作・高精度な視覚位置合わせ・接触力制御・長いタスクチェーンへの展開を予定している。

階層制御の限界と「直接知覚制御」への転換

• 多くの全身制御システムは、高次のタスク理解（System 1）が運動目標を生成し、低次のWhole-Body Tracker（System 0）が現在の身体状態からその目標を追跡するという階層構成を採用している
• 同社の技術レポートはこの構成に3つの問題があると指摘する: ①中間の運動表現でタスク制御情報が失われる（表現の圧縮による十分性ギャップ）、②上位と下位が別々に訓練され推論時だけ連結される（損失の断絶）、③凍結された低次の実行分布に出力が制約される（実行可能領域の限界）
• 提案の**Direct Perception Control（DPC）**は中間の運動表現を完全に取り除き、視覚・言語・身体状態・行動履歴・実行フィードバックを単一モデルで直接、実行可能な関節・手先目標へ写像する

Symbiotic AttentionとDriftDistill

• 中央に置かれるSymbiotic Attentionは、知覚表現と制御表現を共有の行動目的（action objective）の下で相互参照させる。タスク理解は動作の実行可能性によって制約され、動作生成は意味的文脈を継続的に利用する
• 学習ではDriftDistillを導入。オフラインの模倣学習（Behavior Cloning）で初期化した後、オンラインロールアウトで訪れた「ずれた状態」を凍結した教師モデルの修正で吸収しながら訓練分布を拡大する
• 学習データは人・遠隔操作ロボット・頭部装着カメラ・自己中心視点映像など異種ソースをG1（Unitree G1）実行可能な時系列関節軌跡に統一し、合計15,010時間（ヒト自己中心視点6,781時間・搭載ロボット4,024時間・車輪型人形3,660時間・二足人形545時間）に拡張した

デモ: 移動把持・全身操作・カート運転

• 技術レポートのパフォーマンス節では3つのデモを紹介している: ①移動把持（コーンに近づきしゃがんで片手で掴み、反転して2歩運び置く）、②狭所での全身移動操作（制約姿勢と狭いクリアランスの中で支持を保ちながら胴体と腕を再構成）、③手・眼・脚の協調（右足でアクセルを操作し、コーナー出口付近でハンドルを切る。視覚のタイミング・精密なスロットル制御・運転の意味理解を組み合わせる）
• レポートは、提案手法を整えた分野の代表例として、FigureのHelix、Google DeepMindのGemini Robotics 2、Physical Intelligenceのπ0.5/π0.7、Dyna RoboticsのDyna-2、Psi LabのΨ₀などの取り組みと比較・位置づけている
• 同社は浙江大学と西湖大学の共同博士課程出身の丁鵬翔氏が創業したと中国メディアは報じている。技術レポートは公式サイトで公開されており、性能や数値は同社の報告に基づく点に留意が必要
• ※公式の技術資料はインタラクティブなビジュアライゼーション中心のため、本記事では性能比較画像の埋め込みは行わない（比較画像なし）

出典: Symbiosis Robotics — Direct Perception Control Model（技術レポート）、Symbiosis Robotics 公式サイト