DreamTrue、AgiBot向けロボット世界モデルを発表　行動追従率を改善

何が起きたか

arXivに2026-10-08付で掲載された論文で、研究チームはDreamTrueというロボット世界モデルを発表した。複数視点・複数ロボット形態に対応し、行動に忠実で物理的に妥当な動画予測を目指す点が特徴である。AgiBot上では、行動追従性能で最先端水準を示し、人手評価の相互作用欠陥率を48.12%から6.25%に下げたとしている。

詳細

手法面では、行動軌跡を画像空間の条件としてレンダリングし、対象動画に合わせるためにオフライン幾何キャリブレーションを導入した。さらに、記録済みの行動軌跡を改変してより広い行動・接触条件の未来動画を生成する反事実的事後学習を組み込んだ。 また、対となる正解未来がない予測を評価するため、ロボット・物体・相互作用の欠陥を含む人手注釈付き動画データセットを構築し、体現型動画報酬モデルを学習させた。報酬モデルのスコアを用いて、より物理的に妥当な相互作用結果へ向けた強化学習による事後学習を行ったとしている。

Key Facts

本紙の見方

DreamTrueの新しさは、単に未来動画を当てるのではなく、行動追従の精度と相互作用の物理妥当性を同時に詰めにいっている点にある。論文は、画像空間条件化とオフライン幾何キャリブレーションで「入力した行動を外さない」方向を補強しつつ、反事実的事後学習で成功例に偏りがちな学習分布を広げている。ここに人手注釈付き欠陥データセットと報酬モデルを重ね、予測の良し悪しを相互作用の観点から再学習に戻しているため、構造としては動画生成モデルというより、行動→予測→欠陥評価→再学習の閉ループに近い。 本紙の関連記事はないため、過去報道との連続性を直接は置けないが、AgiBot上での結果を前面に出している点は、汎用ベンチマークよりも実機・実データ寄りの評価に軸足を置く姿勢を示す。48.12%から6.25%という欠陥率の改善は、モデルの見栄えではなく、接触や失敗を含む相互作用の再現性が評価対象になっていることを示す数字である。一方で、論文が示すのは主に予測モデルと評価器の枠組みであり、実ロボットの制御系へどこまで直結するかは別問題である。 業界構造への含意としては、ロボット世界モデルの競争軸が「大量の成功軌跡を学ぶ」段階から、「失敗・接触・欠陥をどれだけ学習データに取り込めるか」へ移っている点が大きい。AgiBot World Challenge 2026のworld model trackで1位とされる以上、評価設計そのものが研究の方向を左右している可能性がある。次に確認すべきなのは、この手法が他のロボット形態や別環境でも同じ改善幅を保てるか、欠陥データセットの規模と構成、そして世界モデルの改善が下流の方策学習や実機タスクにどう波及するかである。

なぜ重要か

DreamTrueは、成功例中心の学習では拾いにくい接触失敗や相互作用欠陥を明示的に扱い、AgiBot上で欠陥率を48.12%から6.25%へ下げたとしている。ロボットの予測モデルにとって、行動に従うことと物理的に破綻しないことを両立できるかが焦点になるため、研究用途だけでなく、シミュレーションや方策学習の前段に置くモデル設計にも影響しうる。