研究チーム、ロボット制御向けDirectWAMを提案　4つのLIBEROで平均成功率97.1%

何が起きたか

研究チームは2026年10月20日、ロボット制御向けのDirectWAMを発表した。これは、予測した未来と行動を結び付けるcascade world-action models（WAMs）を、1回の推論で動く予測器に変換する手法である。発表では、4つのLIBEROスイートで平均成功率97.1%、RoboTwin 2.0で85.4%を達成し、推論遅延は従来の反復型教師より28.0倍短いとしている。

詳細

論文は、既存のWAMが拡散学習済みの専門家に由来する反復推論コストを抱える一方で、単純に映像と行動の両ストリームを1ステップに切るだけでは成功率が下がると述べる。これに対しDirectWAMは、行動に十分な未来表現を残す蒸留を行い、明示的な未来→行動のカスケードは維持しつつ、確率的サンプリングを使わない単一ステップ予測器に変換する。学習では、まず1ステップの行動モデルを学習し、その後、モデル自身が予測した未来から行動を復号し、デモ行動誤差を専門家へ逆伝播する。必要に応じて未来潜在の再構成損失も加える。

Key Facts

本紙の見方

DirectWAMの新規性は、ロボット制御で使う未来予測を「もっと当てる」方向ではなく、「行動に必要な情報だけを残して1回で出す」方向に置き換えた点にある。WAMは未来映像を条件に行動を決めるが、拡散事前学習由来の反復推論が重い。今回の手法は、その反復を残したまま高速化するのではなく、action-sufficient distillationで単一ステップ化したことが核心である。 技術的には、単に映像と行動を1ステップに切ると成功率が落ちる、という観察が重要である。つまり、未来予測の品質を表現一致だけで測るのではなく、その予測が下流の制御結果にどう効くかで評価する設計に踏み込んでいる。これは、ロボットの世界モデル研究でしばしば問題になる「見た目の予測精度」と「行動性能」のずれを、学習目的そのものに組み込んだ形といえる。 本紙の観点では、ここでの焦点はモデル精度よりも推論構造の変更である。97.1%と85.4%という成功率は、単一評価予算でFlash-WAMを上回ったことと合わせ、計算資源の使い方を変える提案だと読める。一方で、論文が示したのは4つのLIBEROとRoboTwin 2.0、さらに研究者が設計した3つの実環境タスクでの結果までであり、一般の産業用ロボットへの適用範囲はまだ別問題である。今後は、どの程度の推論回数でどのタスクに効くのか、学習に必要なデモ量、未来潜在再構成損失の有無による差、実機での安定性を確認する必要がある。

なぜ重要か

研究チームが示したのは、ロボット制御で使う未来予測を高精度化するだけでなく、推論回数を1回に抑えることで実行遅延を28.0倍短くできる可能性である。制御ループの待ち時間が短くなれば、計算資源の制約がある機体や実時間応答が求められる場面で意味を持つとみられる。