何が起きたか
arXivに2026-10-13に掲載された論文で、世界行動モデル（WAM）向けに、過去タスクのデータを保持せずに継続学習する「Rectified Generative Replay（R$^2$-WAM）」が提案された。WAMは事前学習済みの動画生成モデルを基盤に新しいロボット課題へ適応するが、逐次微調整では過去タスクを忘れやすいという問題がある。 提案手法は、WAM自身が過去タスクのロールアウトを自己再帰的に再生成し、エージェント的評価器でタスク完了時点まで切り詰め、観測と物理的に整合しない行動を含むロールアウトを除外する。著者らは、4つのLIBEROスイートと5つの実世界タスクで、逐次微調整比で忘却を90%以上減らしたとしている。
詳細
論文は、WAMにおける記憶喪失が主に逆動力学モデリングに集中すると分析している。忘却したWAMでも過去タスクの見た目としてはもっともらしい観測を生成できる一方、生成した行動が失敗するという。 また、経験再生（ER）は過去データを再学習することで忘却を抑えるが、ロボティクスでは学習データが共有されず、重みのみが配布されることが多いため、その前提が成り立ちにくいとしている。R$^2$-WAMはこの制約下で、過去データにアクセスせずにERに近い性能を示したとされる。
Key Facts
| Data-Free Continual Learning for World Action Model with Rectified Generative Replay は arXiv に 2026-10-13 に掲載された。 | [1] |
| 提案手法は Rectified Generative Replay（R$^2$-WAM）である。 | [1] |
| 評価は 4 つの LIBERO スイートと 5 つの実世界タスクで行われた。 | [1] |
| R$^2$-WAM は逐次微調整比で忘却を 90% 超削減し、過去データなしで経験再生（ER）にほぼ匹敵した。 | [1] |
| 論文は、WAM の忘却が逆動力学モデリングに集中すると分析している。 | [1] |
本紙の見方
本件の新しさは、WAMの継続学習を「過去データなし」で成立させる点にある。経験再生は従来、過去データを再び見せることで忘却を抑えるが、ロボット分野では学習データが残らず、重みだけが流通する前提があるため、同じ発想をそのまま適用しにくい。R$^2$-WAMは、その制約を前提に、モデル自身が過去のロールアウトを再生成し、さらに完了判定と物理的一貫性のフィルタを掛けることで、再生データの質を補正する構成になっている。 本紙の見方として重要なのは、提案が単なる再生学習の置き換えではなく、「生成→評価→切り詰め→選別」という処理系をWAM内部に閉じ込めている点である。つまり、入力としての実データが欠けても、モデルの生成能力と評価器を組み合わせて学習信号を作る設計である。ここは、動画生成モデルをロボット制御へ転用する流れの延長にある一方で、継続学習の弱点である忘却を正面から扱っている点で一段進む。加えて、著者らが忘却の中心を逆動力学に置いたことは、見た目の再現性だけでは継続学習の成立を保証できないことを示している。 業界構造への含意は、ロボット学習で重視される資産が「データの保有」から「生成モデルと評価機構の設計」へ移りうる点にある。過去データを共有しにくい環境では、学習済み重みの配布後にどのように再学習するかが実装上の論点になるため、今回のようなデータフリー再生は運用設計に影響しうる。ただし、論文が示したのは4つのLIBEROスイートと5つの実世界タスクでの結果であり、どの程度のタスク多様性や長期運用に耐えるかは別途確認が必要である。 未確定の論点としては、再生に使う評価器の構成、実世界タスクでの条件差、再生成したロールアウトの選別基準がどこまで汎用的かが残る。忘却抑制が90%超という結果も、対象タスクと設定に依存するため、より大規模なロボット群や長い学習系列で同じ傾向が出るかが焦点になる。
なぜ重要か
ロボットの学習済みモデルがデータを持たずに配布される前提では、更新のたびに過去タスクをどう守るかが実装上の課題になる。今回の手法は、過去データがなくてもモデル自身の生成を使って継続学習できる可能性を示しており、重み配布後の保守方法に関わる。