PhyWorld、物理法則に忠実な動画生成ワールドモデルを提案 2段階ポストトレーニングで実現

何が起きたか

2026年5月19日にarXivで公開された論文「PhyWorld: Physics-Faithful World Model for Video Generation」において、物理法則に忠実な動画生成ワールドモデル「PhyWorld」が提案された。このモデルは、2段階のポストトレーニング（フローマッチングによるファインチューニングと、物理選好ペアを用いたDPO）により、動画の一貫性と物理的妥当性を向上させる。

詳細

PhyWorldは、ビデオ生成モデルをワールドシミュレータとして活用するために、物理的に忠実なビデオ継続を生成することを目的とする。第1段階では、フローマッチングによるファインチューニングで、フレーム間の視覚的属性の安定性と動きの一貫性を向上させる。第2段階では、物理選好ペアを用いたDirect Preference Optimization（DPO）により、生成ダイナミクスを物理原理に整合させる。評価では、標準的なビデオ品質ベンチマーク（VBench）で平均スコア0.769を達成し、物理的忠実性ベンチマークで平均スコア3.09を達成した。

Key Facts

本紙の見方

今回の提案は、大規模ビデオ生成モデルを物理AIのためのワールドシミュレータとして実用化する上で、重要な一歩と位置づけられる。従来のビデオ生成モデルは、見た目の多様性やリアリティに焦点が当てられてきたが、物理的な一貫性や因果関係の正確さは必ずしも保証されていなかった。PhyWorldは、ポストトレーニングという比較的軽量な手法で、物理的忠実性を向上させる点が新しい。 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避けるが、物理AIのトレーニング環境としてのワールドシミュレータの重要性は、近年のロボティクスや自動運転の分野で高まっている。PhyWorldのアプローチは、シミュレーションと実世界のギャップを縮小する可能性があり、業界全体のトレーニング効率に影響を与えるとみられる。 業界構造への含意としては、ビデオ生成モデルの活用範囲が、エンターテインメントから物理AIのトレーニングへと拡大する可能性がある。これにより、シミュレーションデータの生成コストが削減され、実機でのテスト前に安全な環境で学習できるようになる。一方で、物理的忠実性の評価基準がまだ標準化されておらず、今回のベンチマークも独自のものであるため、業界全体での共通指標の確立が今後の焦点になる。 未確定の論点としては、PhyWorldが実際の物理AIシステムに組み込まれた際の性能や、計算コスト、スケーラビリティが挙げられる。また、物理法則の範囲（剛体力学、流体、変形など）をどこまでカバーできるかも不明である。今後の研究では、より多様な物理シナリオでの評価や、実ロボットへの適用事例が確認されるべきである。

なぜ重要か

PhyWorldは、ビデオ生成モデルを物理AIのトレーニングに活用するための具体的な手法を示した。これにより、シミュレーション環境の構築コストが下がり、物理AIの開発サイクルが加速する可能性がある。また、物理的忠実性の評価ベンチマークを提案したことで、今後の研究の比較基準が整いつつある。