Runway、動画事前学習をロボット制御につなぐ「Praxis-1」を公開

何が起きたか

Runwayは2026年11月11日、動画の事前学習をロボット制御につなぐ世界アクションモデル「Praxis-1」を公開した。27Bパラメーターのモデルで、重みと推論・ファインチューニング用コードをApache 2.0で提供し、商用利用も可能としている。Runwayによると、NVIDIAのRoboLab-120で1,200エピソードを評価した成功率は46.2%だった。

詳細

Praxis-1はmixture-of-experts構成のdiffusion transformerで、動画とアクションを同時に予測する。RunwayはRoboLab-120でFLUX 3 Actionが42.9%、Cosmos3 Nanoが36.8%、π0.5が28.0%だったとし、Praxis-1を同評価の最高成績としている。 GitHub、Hugging Face、vLLM-Omniで利用でき、全パラメータのファインチューニングとLoRAに対応する。Runwayは、NVIDIA H100、B200、RTX 5090、RTX PRO 6000、Jetson Thorで動作すると説明している。また、GoogleのRT-1で訓練データに含まれなかったロボットに適応させた場合、SimplerEnvで成功率80.0%を記録し、元のRT-1ポリシーの52.4%を上回ったとしている。

Key Facts

本紙の見方

Praxis-1で注目すべきなのは、動画を扱う基盤モデルをロボット制御に転用するだけでなく、動画とアクションを一つのモデルで同時に予測し、その重みと調整用コードを公開した点だ。Apache 2.0で商用利用も可能とする一方、公開されたこと自体は、異なるロボットでの動作や安全性が検証済みであることを意味しない。RoboLab-120の46.2%は1,200エピソードでのベンチマーク結果であり、現場の成功率とは分けて読む必要がある。 データ面では、Runwayはウェブ動画が遠隔操作ロボットの動画と同等の事前学習データになり得るとの研究結果を示し、能力あるポリシーのボトルネックを「モデルが学べる一般動画の量」と位置づける。これは同じく映像データの収集・整理を扱ったMemories.ai、ロボット向け一人称映像データの標準化パイプライン構築と報道とは異なる層の取り組みだ。映像を集めるパイプラインと、そこから動作を学ぶモデルは連続するが、データ量や利用条件が示されなければ、学習基盤としての実効性までは判断できない。 モデルを公開し、H100やB200といったデータセンターGPUからJetson Thorまで対応を掲げる構成は、学習・調整からロボット上での推論まで同じモデル系列を使う可能性を示す。ただし、対応ハードウェアの記載だけでは、各機器での処理速度や遅延、必要なメモリー、実機での稼働条件は分からない。ロボット向け開発ツールを扱ったUC BerkeleyとNVIDIA、ロボット向けAIエージェント開発ツールを公開と報道と同様、モデルやツールの公開と実機での再現性は切り分けて評価する必要がある。 次に確認すべきなのは、ロボットごとのカメラ構成やタスクに対する調整量、未学習環境での成績、実機での安全性と継続稼働だ。RT-1を使ったSimplerEnvの80.0%という結果は適応可能性を示す一例だが、Runwayの公開情報からは、実機での評価条件や運用時間、失敗時の挙動までは読み取れない。オープンウェイトが開発者に検査・改変の自由を与えるという同社の説明が、機種間の再現性や実運用上の検証へどう結びつくかが焦点となる。

なぜ重要か

Runwayは、Praxis-1の重みと推論・調整コードを商用利用可能なApache 2.0で公開し、複数世代のNVIDIA製品での動作を掲げた。ロボット開発者にとって、独自に動画事前学習モデルを一から用意せず、手元の機体やデータに合わせて調整できる選択肢となる一方、公開ベンチマークの成績だけでは実機での安全性や稼働性能は判断できない。