Hugging Face、強化学習で動作する25cm二足歩行ロボット「Microduck」を公開

ロボティクス製品の発表では、デモ動画を見て「信頼してください」というのが通例です。しかし、Hugging Face のボルドー拠点にあるロボットチーム「Pollen Robotics」は、動画ではなくトレーニングループそのものを提供します。

今週、同社は 25cm の二足歩行ロボット「Microduck」の予約販売を開始しました。このロボットが歩く、座る、キックする、ローラースケートをする、転倒して立ち上がるなど、すべての動作は物理シミュレータで学習されたニューラルネットワークポリシーに基づいており、それをハードウェアに直接展開しています。価格は 399 ドルです。

トレーニング環境、報酬関数、ドメインランダム化の設定、そしてシミュレーションから実世界への転送（sim-to-real）のレシピはすべて GitHub で公開されています。Microduck はすでに 10,000 台以上が出荷された「Reachy Mini」に続く製品ですが、そのコンセプトを逆転させています。Reachy Mini が机の上で動作し対話することを目的としていたのに対し、Microduck は机から離れ、転倒し、そして立ち上がることを前提に設計されています。

ハードウェア仕様

Microduck のサイズは高さ 25cm、幅 14cm、重量は 800g を超えません。脚部、首、頭部に合わせて計 15 個のモーターを搭載し、床から物体を拾う可動式のくちばしも備えています。

計算ユニットには AI アクセラレータ付きの Rockchip RK3566 を採用し、RAM は 1GB、ストレージは 32GB です。

この価格帯としては珍しく、センサー構成が充実しています。前面カメラには使用状況を示す専用インジケーターが付いています。IMU（慣性計測ユニット）は本体と頭部に各 1 つずつ搭載され、距離検出にはコンパクトな LiDAR と 8×8 の時間飛翔（ToF）行列を採用しています。

マイクやスピーカー、NFC アンテナが 2 基、さらに Wi-Fi と Bluetooth も標準装備。電源は着脱式の NP-F550 バッテリー（容量 2600mAh）で、約 1 時間の稼働が可能です。

箱詰めされた状態で出荷されるのは、7 つの訓練済み動作です。コードを書き始める前に、同梱されたゲームコントローラーで操作できます。ウォーク（歩行）、スィット（着座）、スタンディング（立位）、キック（蹴り）、グラブ（掴み）、ローラースケート（ローラー滑走）、そしてセルフリカバリー（自己回復）です。

このロボットは喋りません。各ユニットは起動時に独自の音声アイデンティティを生成し、その声を永続的に保持します。

動作の訓練方法

ポリシーは、MJLab (MuJoCo Warp) を基盤とし PPO アルゴリズムを用いた「microduck_rl」で訓練されます。Pollen によると、4096 の並列環境で実用的な歩行パターンを学習するには、CUDA GPU で約 1〜2 時間かかります。ローカルに GPU が用意されていない場合は、--hf-jobs オプションを追加するだけで、Hugging Face Jobs 上で同じコマンドを実行できます。

シミュレーションから実世界への転移（Sim-to-Real）の鍵はアクチュエータモデルにあります。各サーボモーターには、理想的な PD コントローラーではなく、Dynamixel XL330 の BAM M6 モデルが採用されています。これは電圧制御則、逆起電力、クーロン摩擦、ストリベック摩擦、そして負荷依存性の摩擦を考慮したモデルです。

各環境でのランダム化には、バッテリー電圧、負荷時の電圧降下、コマンド遅延、摩擦の大きさなどが含まれます。また、バックラッシュ（歯車の遊び）バリアントでは、RL 構成における 14 のサーボ関節それぞれに直列する±1°（合計 2°）のギア遊びに対して訓練が行われます。実機のエncoder はこの遊びの出力側に位置しているため、観測値はそれを通過した上で取得されます。

訓練済みのポリシーは、観測値の正規化器をグラフに埋め込んだ状態で ONNX 形式でエクスポートされます。Pollen は、この理由から手動変換されたチェックポイントのデプロイを強く警告しています。

ロボット本体では、Rust ランタイムが 50Hz の制御ループとモーターバスを駆動しています。すべてのポリシーは、61 次元のアクター観測値を共有します。これは、48 次元の自己知覚（プロプリオセプション）データに、ねじれ（twist）コマンド（3 次元）、首の姿勢（4 次元）、体の姿勢（6 次元）のコマンドを加えたものです。この共通契約こそが、歩行、回復、トリックなどのポリシーを実行中にホットスワップ可能にする理由です。特定の命令スロットを無視する環境では、そのスロットは削除されるのではなくゼロパディングされます。

公開されたレジストリには 13 のタスクが含まれています。速度追従、立ち上がり、着座から立位へ、地面からの物体把持、ボールキック（70mm・15g のボールを使用し、アクターはボールを視認不可）、転倒からの回復、そしてローラースケート用の 5 つの環境です。

主要なポイント

• 価格 399 ドルのオープンソースソフトウェア搭載二足歩行ロボット。予約受付は 2026 年 8 月 27 日開始。納品目標はクリスマス前。
• 15 個のモーター、カメラ、LiDAR、2 つの IMU（慣性計測装置）、NFC、Wi-Fi/Bluetooth、RK3566 プロセッサを搭載。動作時間は約 1 時間。
• ポリシー学習は mjlab/MuJoCo Warp で PPO アルゴリズムを用いて行われ、4096 並列環境下で歩行パターンを習得するには約 1〜2 時間で済みます。
• シミュレーションから実世界への転移（Sim-to-real）には、BAM アクチュエータモデルに加え、電圧、遅延、摩擦、±1°のバックラッシュランダム化が鍵となります。
• ソフトウェアは Apache-2.0 ライセンスですが、機械設計および電子回路の設計ファイルはオープンソースではありません。

Hugging Face が公開したマイクロダックは、強化学習で動作を学習できる、399 ドル（約 6 万円）のオープンソースな 25 センチメートルの二足歩行ロボットです。