車輪付き四脚ロボットUnitree B2-Wを対象に、Isaac Sim上でPPOによる不整地歩行の学習を実施。脚12関節と車輪4輪を扱う学習環境の構築、報酬・観測設計、シミュレーション映像を紹介します。実機動作は本事例の検証範囲に含みません。

課題と担当範囲

車輪と脚を持つB2-Wを、凹凸や坂道のあるシミュレーション環境で歩かせることを対象にしました。学習環境の構築、PPOによる学習、姿勢・脚・車輪の報酬設計、観測入力の検討、学習経過の映像化を行いました。

シミュレーション映像

B2-Wの不整地歩行シミュレーション。実機での走行映像ではありません。

対象 — Unitree B2-W（脚12関節・車輪4輪）

シミュレータ — NVIDIA Isaac Sim 5.1

学習基盤 — Isaac Lab / RSL-RL（PPO）

GPU — NVIDIA RTX PRO 6000 Blackwell Server Edition（96GB VRAM）、RunPod

並列環境 — 2,048環境

学習の初期から歩行する段階までの映像を収録しました。当時の公開記録に記載した学習時間は約8時間（28,110秒）です。掲載映像は個別の動作例であり、全条件での成功率や転倒率を示すものではありません。

本事例はシミュレーションでの学習・動作確認です。実機への搭載、センサ誤差への頑健性、現場での連続運用は検証範囲に含みません。

姿勢の報酬、転倒時の終了条件、脚と車輪の評価、観測入力の論点はB2-Wの歩行学習で見直した報酬・終了条件・観測の設計に整理しています。各変更の効果を分離した比較実験の結果ではなく、記録に残る設計変更と、次に確かめる項目です。