1X、世界モデルチャレンジで2部門1位 ヒューマノイドの未来予測精度を競う

何が起きたか

1Xは2025年10月8日、ヒューマノイドの世界モデルに関するオープンソースベンチマーク「1X World Model Challenge」の技術報告書をarXivで公開した。同社はサンプリング部門で23.0dBのPSNR、圧縮部門でTop-500 CE 6.6386を達成し、両部門で1位を獲得した。サンプリング部門では動画生成基盤モデルWan-2.2 TI2V-5Bをロボット状態条件付きの未来フレーム予測に適応し、圧縮部門ではスクラッチから訓練した時空間トランスフォーマーを使用した。

詳細

技術報告書は、実世界のヒューマノイド操作データに基づくオープンソースのベンチマークを導入している。サンプリング部門は将来の画像フレームの予測に焦点を当て、圧縮部門は将来の離散潜在コードの予測に焦点を当てる。サンプリング部門では、動画生成基盤モデルWan-2.2 TI2V-5BをAdaLN-Zeroを用いてロボット状態に条件付けし、LoRAで追加訓練した。圧縮部門では、時空間トランスフォーマーをスクラッチから訓練した。結果はサンプリング部門で23.0dBのPSNR、圧縮部門でTop-500 CE 6.6386を達成し、両部門で1位を獲得した。

Key Facts

本紙の見方

今回の発表は、1Xが2026年6月4日に設立した「1X World Model Lab」の成果を具体的な数値で示すものだ。同研究所は完全自律ヒューマノイドの実現に向け、大規模な身体化世界モデルの事前学習に特化しており、今回のチャレンジでの1位獲得は、その研究組織が初期段階で成果を出したことを意味する。特に、サンプリング部門で動画生成基盤モデルをロボット状態で条件付けする手法は、既存の大規模動画モデルをロボティクスに転用する実用的なアプローチであり、業界のトレンドと一致する。 本紙の過去報道では、1XがNEO向けの腱駆動ハンドや垂直統合型工場などハードウェア面での進展を繰り返し報じてきた。今回の世界モデル技術は、そうしたハードウェアを実世界で自律動作させるための「頭脳」に相当し、同社がソフトウェアとハードウェアの両面で垂直統合を進めていることを示す。特に、1X、世界モデル研究組織「1X World Model Lab」を設立で報じた通り、同社は世界モデルを「静的環境での狭いタスクの罠から解放する」鍵と位置づけており、今回のベンチマークはその哲学を実証するものだ。 業界構造への含意として、世界モデルの精度競争がヒューマノイドの実用性を左右する段階に入ったことが挙げられる。今回のチャレンジはオープンソースで、実世界のヒューマノイド操作データを用いている点が重要だ。これは、データセットと評価指標を業界標準として確立しようとする試みであり、競合他社（ApptronikやTeslaなど）も同様の取り組みを進める中で、1Xが標準化の主導権を握ろうとしている可能性がある。また、動画生成モデルをロボット制御に転用する手法は、計算資源の効率化にも寄与し、コスト競争力に影響する。 未確定の論点としては、今回のベンチマークが実環境でのタスク成功率にどの程度寄与するかが挙げられる。PSNRやCEは予測精度の指標であり、実際のロボット制御への応用にはさらなる検証が必要だ。また、Wan-2.2 TI2V-5Bのライセンスや商用利用の制約も、今後の製品化に影響する可能性がある。次に確認すべきは、この世界モデルがNEOの実機にいつ搭載され、どのようなタスクで効果を発揮するかだ。

なぜ重要か

1Xが世界モデルの精度競争で明確な成果を示したことで、ヒューマノイドの自律性を左右するソフトウェア基盤の重要性が再確認された。同社はハードウェアの量産体制とソフトウェアの研究開発を並行して進める数少ない企業であり、今後の競争優位性を左右するのは、この世界モデルを実機でどれだけ活用できるかにかかっている。