何が起きたか
arxiv.orgに2026年8月25日付で公開された論文で、ロボット制御のための世界行動モデル(WAM)の新アーキテクチャ「LAWA」が発表された。LAWAは、将来の観測を生成せずにコンパクトな潜在アクションを意図の表現として用いることで、テスト時の未来想像を効率的に行う。RoboCasaベンチマークでは、少数サンプル設定で平均成功率65.6%、フルデータ設定で80.8%を達成し、同等の実装のFast-WAMベースラインをそれぞれ9.6ポイント、4.5ポイント上回った。また、Joint-WAMと同等の性能を維持しつつ、推論遅延を42.9%削減した。
詳細
LAWAは、アクションフリーの事前学習によって強化された離散トークナイザーを用いて、操作中心のコードブックターゲットを生成する。推論時には、実行可能なアクションチャンクとともに、これらのターゲットに固定された連続潜在状態を共同でデノイズし、将来ビデオ分岐を省略する。RoboCasaでの評価では、少数サンプル設定で65.6%、フルデータ設定で80.8%の平均成功率を達成し、Fast-WAMベースラインをそれぞれ9.6ポイント、4.5ポイント上回った。Joint-WAMと比較して推論遅延は42.9%低く、性能は同等。さらに、LIBERO-Plusでのゼロショット堅牢性と実世界タスクでの優れた性能も示された。コードとモデルは公開予定。
Key Facts
| LAWAはRoboCasaで少数サンプル設定65.6%、フルデータ設定80.8%の平均成功率を達成し、Fast-WAM比でそれぞれ9.6ポイント、4.5ポイント向上した。 | [1] |
| LAWAはJoint-WAMと同等の性能を維持しつつ、推論遅延を42.9%削減した。 | [1] |
| LAWAは離散トークナイザーをアクションフリーの事前学習で強化し、操作中心のコードブックターゲットを生成する。 | [1] |
| LAWAは推論時に将来ビデオ分岐を省略し、実行可能なアクションチャンクとともに連続潜在状態を共同でデノイズする。 | [1] |
| LAWAはLIBERO-Plusでゼロショット堅牢性を示し、実世界タスクでも優れた性能を発揮した。 | [1] |
本紙の見方
今回のLAWAの提案は、ロボット制御における世界行動モデル(WAM)の設計において、将来の観測生成を「捨てる」か「残す」かという二項対立を解消する点で新規性がある。従来のWAMは将来の観測を生成することで性能を高めるが、テスト時の遅延が課題だった。Fast-WAMはこの生成を省略して効率化するが、汎化性能が低下する。LAWAは、将来の観測を直接生成する代わりに、コンパクトな潜在アクションを意図の表現として用いることで、性能と効率のトレードオフを改善した。このアプローチは、将来の想像を完全に捨てるのではなく、潜在空間で保持するという点で、既存の手法の延長線上にありながら、新たな設計選択を示している。 本紙の過去報道との接続はないが、ロボット学習における計算効率と性能の両立は継続的な課題であり、LAWAはその一つの解を示す。特に、推論遅延の削減は実世界でのリアルタイム制御に直結するため、実用化への重要な一歩とみられる。 業界構造への含意として、LAWAの手法は、ロボットの行動生成における計算資源の配分に影響を与える。将来の観測生成を省略することで、エッジデバイスや組み込みシステムでの展開が容易になる可能性がある。また、アクションフリーの事前学習は、ラベルなしデータを活用できるため、データ収集のコストを削減できる。これは、ロボット学習のスケーラビリティに寄与する。 未確定の論点としては、LAWAの実世界での性能がどの程度の汎化性を持つか、また、コードとモデルの公開後に再現性が確認されるかが挙げられる。さらに、潜在アクションの表現がタスクの複雑さにどの程度対応できるか、大規模なタスクセットでの評価が待たれる。
なぜ重要か
LAWAは、ロボット制御の効率性と性能のトレードオフを改善する新しい設計を提示した。推論遅延の削減は、実時間制御が求められる現場での応用可能性を広げる。また、アクションフリーの事前学習によるデータ効率の向上は、ロボット学習の実用化を後押しする。