何が起きたか
arxiv.orgは2026-09-07、OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model Pretrainingを公開した。OpenWAMは、世界行動モデル（WAM）の事前学習を、生成バックボーン、視覚表現、アーキテクチャ、情報流、推論手順、学習データに分かれたモジュールとして扱うオープン研究スタックである。 同論文は、約6,400時間の人間とロボットの視点データで事前学習したOpenWAM-αも示した。評価は8つのシミュレーションベンチマークと実機ロボット実験で行われ、単腕操作、両腕操作、器用手までを含む範囲を対象にしている。
詳細
OpenWAM-Infraは、WAM設計空間を構成要素に分解し、学習・推論・展開・評価を統一した。OpenWAM-Studyは、何を継承するか、世界学習と行動学習がどう相互作用するか、両者の相乗効果がどうスケールするかの3点を実験で検証した。 論文は、上流の知識移転には十分な能力を持つ生成バックボーンと、情報量の高いコンパクトな潜在空間が必要だと整理した。また、世界行動の相乗効果には専用の行動容量、明示的な世界から行動への情報流、同期した共同デノイジングが要るとした。さらに、身体化事前学習は主に分布外一般化を改善し、エゴセントリックデータとロボットデータの1段階共同学習が世界的なカバレッジと行動の接地を統合すると述べている。
Key Facts
| OpenWAMは、世界行動モデル（WAM）の事前学習を対象とするオープン研究スタックである。 | [1] |
| OpenWAM-αは、約6,400時間の人間とロボットの視点データで事前学習された。 | [1] |
| 評価は8つのシミュレーションベンチマークと実機ロボット実験で行われた。 | [1] |
| 実験対象には、単腕操作、両腕操作、器用手が含まれる。 | [1] |
| 論文は、研究リソースとしてインフラ、評価プロトコル、事前学習済みモデル、データレシピを公開するとしている。 | [1] |
本紙の見方
OpenWAMの新しさは、世界行動モデル（WAM）を単一のモデルとして語るのではなく、学習・推論・展開・評価までを分解して再現可能な実験系として提示した点にある。従来型の「大きなモデルを作る」話と違い、OpenWAM-Infraは設計空間をモジュール化し、OpenWAM-Studyはその上で何を継承するか、世界学習と行動学習をどう接続するかを切り分けている。ここではモデル性能そのもの以上に、どの設計要素が効いたのかを検証可能にしたことが主題である。 本紙の過去報道はないため、連続性の確認はできないが、論文内の整理からは3つの論点が浮かぶ。第1に、約6,400時間というデータは、エゴセントリック人間データとロボットデータを1段階で組み合わせる前提に立っており、単純な規模拡大よりデータの組成が重要だと読める。第2に、8ベンチマークと実機実験を並べたことで、シミュレーション上の改善が実世界に接続するかが評価軸になっている。第3に、単腕、両腕、器用手まで含めたことは、WAMが汎用操作の基盤を狙っていることを示すが、同時に一般的なロボット操作全体を代表するわけではない。 業界構造への含意としては、モデル性能の議論が、データ量だけでなく潜在空間、行動容量、世界から行動への情報流、共同デノイジングといった設計変数の比較に移る可能性がある。これは、既存の大規模モデルを流用するだけではなく、ロボット用の専用学習系をどう組むかが焦点になることを意味する。もっとも、論文が示したのは研究基盤であり、量産的な展開条件や実運用での稼働率、データ更新の運用方法はまだ見えない。次に確認すべきは、公開されたモデル群がどの程度再現可能か、どのベンチマークでどこまで優位が続くか、そして実機での評価範囲がどこまで広がるかである。
なぜ重要か
OpenWAMは、約6,400時間の人間・ロボット視点データを使い、8つのシミュレーションベンチマークと実機実験で評価したため、研究者にとっては「どの設計要素が効くか」を切り分けやすい。発表元のarxiv.orgによれば、インフラ、評価プロトコル、事前学習済みモデル、データレシピも公開される。
日本への影響
日本のロボット研究にとっては、モデル単体よりも、視点データ、実機評価、評価プロトコルを含む研究基盤をどう組むかが論点になりうる。とくに単腕、両腕、器用手まで含む評価枠組みは、日本の産業用・サービス用ロボット研究がどの操作領域で比較されるかに関わる。