何が起きたか
arXivに2026年11月10日掲載の論文「LaST0.5: A Generalist World Action Model with Interaction-Centric Latent Reasoning」は、ロボット操作向けの世界行動モデルLaST0.5を提案した。ロボットと環境の視覚的な相互作用を手掛かりに潜在表現を学習し、世界モデルから行動を生成する過程をつなぐ。論文は1万4000時間を超えるロボットデータで事前学習したとし、LIBEROで99.5%、RLBenchの評価10タスクで従来の最高性能を上回ったと報告している。
詳細
LaST0.5はMixture-of-Transformers構成を採用し、world expertとaction expertの間に、相互作用を軸に推論するlatent expertを置く。将来の表現と進捗値を共同予測し、進捗の一貫性に基づいて行動の実行を調整するとともに、将来予測を再サンプリングする仕組みを備える。 論文は、実環境での実験で長い時間軸の実行と器用な操作の精度を示したとしている。要旨には、LIBEROの99.5%がどの評価指標を指すか、RLBenchの各タスクの結果や実環境実験の条件は記載されていない。
Key Facts
| 論文LaST0.5は、ロボットと環境の視覚的な相互作用を教師信号として、相互作用中心の潜在表現を学習する。 | [1] |
| Mixture-of-Transformers構成で、world expertとaction expertの間にlatent expertを配置する。 | [1] |
| 1万4000時間を超えるロボットデータコーパスで事前学習した。 | [1] |
| LIBEROで99.5%を達成し、RLBenchの評価対象10タスクで従来の最高性能を上回ったと論文は報告している。 | [1] |
| 将来の表現と進捗値を共同予測し、進捗の一貫性を使って行動実行を調整し、将来予測の再サンプリングを行う。 | [1] |
本紙の見方
LaST0.5の焦点は、世界の変化を広く表す表現をそのまま行動に渡すのではなく、ロボットと物体の局所的な相互作用を中間表現として設けた点にある。論文は、既存の世界行動モデルでは世界の進化を捉える表現が操作に必要な局所相互作用を十分に重視しない場合があり、表現と操作の間にずれが生じると問題を設定する。したがって新規性は、世界モデル全体を大きくすることより、認識した状況を操作指令へ渡す接続部分を明示的に学習対象にしたことにある。 構成上は、world expert、相互作用を推論するlatent expert、action expertを連ね、さらに将来表現と進捗値を共同予測する。進捗の一貫性で行動の実行を調整し、将来予測を再サンプリングする設計は、行動を一度出して終えるのではなく、予測した進み具合を実行制御に戻す考え方と読める。ただし、要旨は再サンプリングの条件や頻度、行動をどの単位で調整するかを示していないため、この仕組みがどの状況で性能に寄与したかは確認できない。 評価では、1万4000時間超のロボットデータによる事前学習、LIBEROの99.5%、RLBenchの10タスクで従来の最高性能を上回ったという結果が並ぶ。データ規模とベンチマーク結果を合わせて示すことで、相互作用中心の表現を大規模な学習に適用できることを主張する構成だ。一方、要旨だけではデータの構成、学習データと評価タスクの関係、99.5%の指標、タスクごとの改善幅は分からない。結果の比較可能性を判断するには、論文本文で評価条件を照合する必要がある。 実環境実験については、長い時間軸の実行と器用な操作を示したとするものの、対象物、ロボット構成、試行数、失敗条件は要旨に記載されていない。次に確認すべきなのは、進捗値が実機の行動調整にどう結び付くか、異なる対象や環境でも相互作用表現が有効か、そして1万4000時間超のデータの範囲が結果にどう関係するかである。これらが明らかになれば、ベンチマーク上の性能と実際の操作能力の対応をより具体的に評価できる。
なぜ重要か
ロボット操作では、世界全体の変化を予測する表現と、ロボットが物体にどう働きかけるかを示す表現が一致しない場合があるという問題設定に対し、LaST0.5は両者の間に相互作用中心の潜在表現を置いた。論文のLIBERO、RLBenchおよび実環境での報告は、この接続方法を評価する材料になるが、実用性の判断には各評価の条件や実験規模の確認が必要だ。