何が起きたか
LoopedWAMの論文は2026年11月19日掲載。映像生成とロボット行動予測を組み合わせる世界行動モデルについて、0.58BのポリシーパラメーターでLIBERO、RoboTwin 2.0、RoboCasaGR1の成功率がそれぞれ96.1%、91.9%、52.2%だったと報告した。AgileX PiPERアームでの実機試験では、4タスク、計80試行の成功率は71.3%だった。
詳細
LoopedWAMは各エキスパートで6ブロックのコアを反復利用し、30層のTransformer計算を実行しながら、保持するブロック数をエキスパート当たり12に抑える構成だ。映像側はクエリーごとに特徴を一度計算する一方、行動側の計算はサンプリングの各ステップで繰り返すため、両エキスパートの推論深度を別々に設定できる。ロボット事前学習は行っていない。 弾力的な自己蒸留で学習するLoopedWAM-Eは、単一チェックポイントから推論予算に応じた動作点を提供する。H100上のLIBEROでは、27.6ミリ秒で成功率96.0%、24.7ミリ秒で95.2%を記録した。サンプリング2ステップ、行動ループ4回の場合も、3ベンチマークすべてでLoopedWAMとの差を0.5ポイント以内に保った。推論条件をそろえたFast-WAMとの比較では、ピークGPUメモリー使用量は7.4分の1だった。
Key Facts
| LoopedWAMは各エキスパートで6ブロックのコアを反復利用し、30層を実行しながらエキスパート当たり12ブロックを保持する。 | [1] |
| 0.58Bのポリシーパラメーターで、LIBERO、RoboTwin 2.0、RoboCasaGR1の成功率はそれぞれ96.1%、91.9%、52.2%だった。ロボット事前学習は行っていない。 | [1] |
| Fast-WAMとの推論条件をそろえた比較で、LoopedWAMのピークGPUメモリー使用量は7.4分の1だった。 | [1] |
| LoopedWAM-EはH100上のLIBEROで、27.6ミリ秒・成功率96.0%、または24.7ミリ秒・成功率95.2%を達成した。 | [1] |
| AgileX PiPERアームを使った実機試験では、4タスク、80試行で成功率71.3%だった。 | [1] |
本紙の見方
モデルの設計上の焦点は、パラメーター数を小さくするだけでなく、映像処理と行動生成の計算負荷が異なる点を推論時の制御対象にしたことだ。映像特徴はクエリーごとに一度計算する一方、行動計算はサンプリングごとに繰り返す。この非対称性に合わせて深度を分け、同じ重みを反復利用する構成は、世界行動モデルの計算を一律に縮めるのではなく、負荷の発生箇所に応じて調整する設計と読める。 ただし、ベンチマークでの精度と速度の両立は、そのまま実機で同等の結果を示すものではない。論文が示す実機値はAgileX PiPERアームで4タスクを80回試した成功率71.3%であり、シミュレーションの3ベンチマークとは分けて評価する必要がある。したがって、現段階で読み取れるのは、単一チェックポイントから推論予算を変えられることと、限定された実機試験で操作を評価したことまでだ。異なるタスクや環境での再現性、実行時の安全性は、この要約情報からは判断できない。 本紙の関連記事であるVantage、宇樹科技のPre-IPO CFDを提供開始(2026年8月24日掲載)は、Unitreeを対象にした金融商品の発表を扱った。今回の論文はロボット操作モデルの計算・実機評価であり、両者は同じロボット領域でも扱う層が異なる。金融商品に関する動きと、操作モデルの技術評価を結びつける根拠は示されていない。 業界構造への含意は、モデル性能の比較軸に、精度だけでなく推論時間、GPUメモリー、実機成功率を並べられる点にある。特にLoopedWAM-Eは、単一チェックポイントから複数の精度・遅延の選択肢を示したため、限られた計算資源で動かす際の調整余地を評価する材料になる。一方、Fast-WAMとのメモリー比較は記載された推論条件での結果であり、別のモデルや実機環境に一般化はできない。次に確認すべきなのは、実機試験でのタスク別成績と試験条件、異なる推論予算での実機性能、そして安全性や長時間運転の評価が公表されるかどうかだ。
なぜ重要か
LoopedWAM-EはH100上で、同じチェックポイントからLIBEROの成功率96.0%・27.6ミリ秒と、95.2%・24.7ミリ秒という動作点を示した。計算時間と成功率の選択肢を推論予算に応じて評価できる一方、AgileX PiPERアームでの成功率は71.3%(80試行)であり、シミュレーション結果と実機結果を分けて見る必要がある。
