LaWM: 最小作用の原理を視覚潜在空間で実装する世界モデルを提案

何が起きたか

2026年5月8日にarXivで公開された論文「LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations」において、視覚観測から物理的に整合的な長期予測を行う世界モデル「LaWM」が提案された。LaWMは、学習されたラグランジアン作用を離散変分積分器で最適化することで将来状態を生成し、物理法則を遷移規則に組み込む。

詳細

LaWMは、観測を学習された一般化座標にエンコードし、連続する潜在状態間の離散ラグランジアンを学習する。そして、離散作用汎関数を構築し、対応する離散積分条件を解くことで予測を進める。これにより、物理構造は単なるスコアリングや正則化ではなく、潜在遷移規則そのものを定義する。実験では、物理的にクリーンな合成ダイナミクスとロボットインタラクションベンチマークにおいて、物理不変性、背景一貫性、動作の滑らかさ、外観・幾何学的予測指標で既存のビデオ生成・世界モデルベースラインを上回った。

Key Facts

本紙の見方

今回の提案は、視覚に基づく世界モデルにおける物理整合性の欠如という長年の課題に対する一つの回答を示す。既存の潜在世界モデルは、ニューラルネットワークによる遷移関数が物理法則を明示的に考慮しないため、長期的なロールアウトで誤差が蓄積し、エネルギーが発散するなどの問題があった。LaWMは、最小作用の原理を潜在空間で実装することで、物理法則を遷移規則に組み込み、構造保存的なバイアスを与える点が新しい。 本紙の過去報道との接続は、関連記事が提供されていないため直接的な言及はできないが、この研究は、物理シミュレーションと機械学習の融合という流れの中で位置づけられる。特に、ニューラルODEやハミルトンニューラルネットワークなど、物理法則をニューラルネットワークに組み込む研究の延長線上にある。LaWMは、ビデオ生成モデルが物理的整合性を欠く問題に対し、物理構造をスコアリングや正則化ではなく遷移規則自体に組み込むことで、より根本的な解決を目指している。 業界構造への含意としては、ロボティクスや自動運転など、物理的整合性が重要な分野での世界モデルの応用に影響を与える可能性がある。特に、モデルベース強化学習やロボット計画において、長期的な予測の信頼性が向上すれば、シミュレーションから実機への転移や、実環境での計画の精度向上が期待される。ただし、LaWMの実用化には、学習データの質や量、計算コスト、実環境でのロバスト性など、多くの課題が残る。 未確定の論点としては、LaWMが実際のロボットタスクでどの程度の性能向上をもたらすか、また、物理法則が複雑な実世界のダイナミクスにどの程度適用可能かが焦点になる。さらに、提案手法がビデオ生成モデルと比較してどの程度の計算コスト増加を伴うかも検証が必要である。

なぜ重要か

この研究は、世界モデルの物理的整合性を向上させる新しいアプローチを示しており、ロボティクスやモデルベース強化学習の進展に寄与する可能性がある。物理法則を遷移規則に組み込むことで、長期的な予測の信頼性が高まり、実世界での応用が進むことが期待される。