OSWAM、拡散1ステップで行動生成するモデルを発表

何が起きたか

論文「OSWAM: An Effective World Action Model with One-Step Action Generation」は2026年10月26日、行動を拡散1ステップで生成するWAMを発表した。対象は自動運転と身体性制御で、論文は直接方策型WAMに対し約3倍の高速化を報告している。NVIDIA RTX 5090では、コンパイル後の推論遅延が最短40msだったとしている。

詳細

OSWAMは、ランダムノイズから拡散を始める代わりに、物理的な事前情報と行動条件付き表現を持つ「imagination tokens」を初期値に用いる。さらに、将来情報を条件とする特権情報蒸留を導入し、将来を考慮した行動生成を強化する設計だ。 論文の要旨によると、実験では、数十ステップを要する直接方策型WAMおよびJoint-WAMと比べ、自動運転と身体性制御の双方で同等以上の結果を得たという。推論遅延40msはNVIDIA RTX 5090上のコンパイル後推論についての報告である。

Key Facts

本紙の見方

この研究の中心は、拡散ステップを単純に削るのではなく、行動系列の構造を初期値に持たせて1ステップ生成を成立させようとした点にある。論文の説明では、従来の直接方策型WAMはランダムノイズから一貫した行動系列を復元するため反復的なデノイジングを必要とし、回数を減らすだけでは行動品質が落ちる。OSWAMのimagination tokensは、その初期条件を変える設計上の対応であり、高速化の根拠を計算量の削減だけでなく、生成過程の組み立てに置いている。 もう一つの要素である将来情報を条件とする特権情報蒸留は、初期化だけでなく学習側から将来を考慮した行動生成を補う構成だ。したがって、提案の評価では「1ステップで出力できるか」だけでなく、初期トークンが物理的事前情報をどのように表現するか、蒸留がどの程度寄与するかを分けて見る必要がある。要旨は両者の導入を示すが、各要素を個別に除いた比較結果までは記していない。 業界構造への含意は、行動生成の遅延を下げる設計が、自動運転と身体性制御という異なる用途にまたがって検証されたと論文が報告している点にある。ただし、約3倍という比較は直接方策型WAMの基準モデルに対するもので、全ての行動モデルや実機運用に一般化できるとは限らない。RTX 5090上のコンパイル後40msも特定のハードウェアと推論条件に関する値であり、他の計算機や制御周期で同じ遅延になることを示すものではない。 次に確認すべきなのは、各タスクの評価指標と比較条件、実機またはシミュレーションの別、行動品質のばらつき、異なる環境への汎化性能だ。自動運転と身体性制御で「同等以上」とする結果の具体的な範囲や、安全性に関わる失敗事例も要旨からは判別できない。実時間推論を支える計算条件と、1ステップ化によって品質を保てるタスクの範囲が明らかになれば、遅延低減の実用性を評価しやすくなる。

なぜ重要か

論文が示すのは、数十ステップを要する既存の直接方策型WAMに対し、行動系列の事前情報を初期化に使うことで拡散1ステップ生成を目指す設計である。論文は自動運転と身体性制御の実験で同等以上の結果と約3倍の高速化を報告しているが、RTX 5090上の推論値や評価条件が適用できる範囲が、実運用上の判断材料となる。