Verti-WM、オフロード強化学習向け世界モデルを提案　推論誤差34.6%低減

何が起きたか

arxiv.orgは2026-09-19、オフロード強化学習向けの世界モデル「Verti-WM」を掲載した。論文は、車両と地形の相互作用データ収集が高忠実度シミュレーターでは高コストだとし、シミュレーターのロールアウト代替として世界モデルを用いる枠組みを提案している。Verti-WMは、剛体地形向けの凍結Transformerと、変形地形向けの神経記号的な土壌力学モデルを反復的に融合する。

詳細

Verti-WMは、各予測姿勢で供給された地図から標高とセマンティック観測を参照し、融合条件として用いることで、追加のシミュレーターアクセスなしに6自由度のロールアウトを可能にするとしている。論文では、データ駆動型ベースライン比で予測誤差を34.6%低減し、物理ベースのベースライン比では21.7%低減したとしている。 また、Verti-WM内だけで学習した方策は、直接高忠実度シミュレーターで学習した場合と同等の課題成功率を保ちながら、計算時間を23.6倍短縮したとしている。実世界データによる検証では、学習した実世界のkinodynamics上で方策最適化を行い、Verti-4-Wheelerプラットフォームで成功率80%を示し、直接のsim-to-real転移では40%だったとしている。

Key Facts

本紙の見方

Verti-WMの新しさは、オフロード走行の世界モデルを「外界認識」と「地形の物理」に分けて扱い、それを地図参照と組み合わせた点にある。単にシミュレーターを置き換えるだけでなく、剛体地形は凍結Transformer、変形地形は神経記号的土壌力学モデルと役割分担させているため、入力→地形解釈→6自由度ロールアウト→方策最適化という流れが明示されている。一方で、これは完全な端から端の学習ではなく、既存の物理情報を使って学習の計算量と誤差を抑える設計であり、既定路線の延長でもある。 本紙の見方では、注目点は予測誤差34.6%・21.7%という改善幅そのものより、計算時間を23.6倍短縮しつつ成功率を維持できるとした点にある。高忠実度シミュレーターでの直接学習は、データ収集とロールアウト計算の両面で重いが、Verti-WMはその一部を学習済み世界モデルへ置き換える。つまり、ボトルネックは実機の走破性そのものより、学習時にどこまで現実の地形相互作用を持ち込めるかに移っていると読める。ここで重要なのは、地図から標高とセマンティクスを引く設計であり、単なる画像予測モデルではオフロードの変形地形を扱い切れないという問題設定が、モデル構造に直接反映されている。 そこで残る論点は、Verti-WMがどの程度広い地形条件に一般化するか、剛体地形と変形地形の切り分けがどの程度頑健か、そして実世界データで学習したkinodynamicsが別プラットフォームにも移るかである。とくに、成功率80%という結果がVerti-4-Wheeler固有の条件に依存するのか、地図品質や観測密度に敏感なのかは、次に確認すべき点だといえる。

なぜ重要か

オフロード走行では、地形と車両の相互作用を大量に集めにくいことが学習の制約になる。Verti-WMは、シミュレーター依存を減らしながら6自由度ロールアウトを行う設計を示しており、計算資源と実地データの使い方を変える可能性がある。

日本への影響

日本でオフロード車両や走破ロボットの研究開発を進める場合、地図から標高・セマンティクスを条件付ける世界モデルは、実地試験の回数を抑える設計として検討余地がある。ただし、本件ではVerti-4-Wheeler platformでの結果が示されているにとどまり、日本の地形・車両条件への適用性は本文だけでは判断できない。