SplineWAM、Bスプラインで行動区間を可変化する世界行動モデルを提案

何が起きたか

arXivは2026-09-30、SplineWAM（Adaptive Action Horizons for World Action Models via B-Spline Representations）を公開した。世界行動モデル（WAM）の固定長アクション塊を、3次Bスプラインのパラメータ窓に適応的に圧縮し、動きに応じて実行区間と次回ポリシー呼び出しまでの間隔を変える手法である。空間移動では長く実行し、接触を伴う操作ではより細かく推論資源を割くことを狙うとしている。

詳細

同手法では、軌道の特徴に合わせてノット時刻を当てはめ、1回分のパラメータ予算から異なる時間分解能と持続時間のチャンクを復号する。動画教師信号は、固定グリッドではなく、適合したノット時刻に合わせて示範デモのフレームをそろえるため、複雑な軌道部分に監督を集中させる設計である。 非同期デプロイ向けには、Jacobian-Pullback Real-Time Chunking（JP-RTC）を導入した。これは、スプラインのパラメータではなくロボットが実行する復号後の生アクションにチャンクの連続性を課し、デコーダを通じてパラメータを補正して、実行済みの前半部分と整合させる仕組みである。評価では、LIBERO-PlusとRoboCasaで成功率をそれぞれアクションチャキングWAM比で8.2ポイント、4.4ポイント改善し、1エピソード当たりのポリシー呼び出し回数を22%と26%削減した。3つの両腕実機タスクでは、非同期実行下でベースラインと同等以上の性能を示し、1回の呼び出しで実行する動作量は1.2倍から1.6倍になった。

Key Facts

本紙の見方

SplineWAMの新しさは、世界行動モデルを「固定長の行動塊を出す仕組み」から、動作の性質に応じて実行区間を変える仕組みに組み替えた点にある。単なる精度向上ではなく、推論1回あたりの実行時間と次回呼び出し間隔を予測結果から決めるため、クラウドでのサービス運用で問題になりやすい呼び出し頻度の圧縮に焦点がある。特に、空間移動では長い区間をまとめ、接触を伴う操作では密に刻むという設計は、入力の種類で計算の使い方を変える構造であり、従来の均一な時間配分とは異なる。 本紙の過去報道は与えられていないため、今回はこの論文単独の位置づけを見る必要がある。論文は、動画監督を固定グリッドではなくノット時刻に合わせる点と、非同期実行の連続性をパラメータ側ではなく実行アクション側で担保する点を組み合わせている。ここから読み取れるのは、学習時の表現と実機実行時の制約を同じ座標系で扱わず、復号後の運動そのものを基準にずれを補正していることである。WAM系の設計では、予測の見た目よりも、実際に何回推論し、どれだけ先まで確定できるかが運用上の論点になる。 業界構造への含意としては、ロボットの能力を単に「1回でどれだけ動けるか」ではなく、「接触の有無に応じて推論粒度を切り替えられるか」で見る必要が出てくる。LIBERO-PlusとRoboCasaで成功率を上げながら呼び出し回数を削減した事実は、精度とスループットを別々の指標ではなく、同じ設計で同時に扱える可能性を示す。ただし、これは論文評価であり、実運用での安定性、モデルサイズ、学習データの範囲、非同期制御時の安全余裕はまだ確認が必要である。 次に確認すべき論点は、(1) どの程度のロボット群やタスクに一般化するか、(2) JP-RTCが必要とする実行時計算の増分、(3) 3次Bスプライン化で失われる細かな動作の再現性、(4) 実機での失敗モード、(5) 1回あたり1.2倍〜1.6倍の動作量が長期運用の安定性にどう効くか、である。

なぜ重要か

論文は、WAMの推論回数をLIBERO-Plusで22%、RoboCasaで26%減らしつつ成功率も上げたとしており、ロボット制御の評価軸を精度だけでなく呼び出し頻度と実行時間の両面に広げる。非同期実行で1回あたり1.2倍から1.6倍の動作量を扱えるなら、クラウドでの推論サービス設計や実機の制御周期設計に影響する可能性がある。

日本への影響

日本企業への直接的な言及はないが、接触操作と自由空間移動で推論粒度を切り替える設計は、組立・搬送・検査のように動作の性質が混在する国内の実機開発で論点になりうる。特に、少ない呼び出し回数で長い動作区間を扱う設計は、ロボットの制御系と推論基盤をどう分担するかに関わる。