WISE、行動候補の事前評価でロボットタスク成功率を改善　論文を公開

何が起きたか

2026年11月2日、論文「Seeing Through the Illusion: Test-Time Scaling for World Action Models」が公開され、行動候補を実行前に評価する手法WISE（World Action Inference Scaling through Evaluation）が示された。候補を4つ生成する設定では、Cosmos 3 Edgeを用いたRoboLabで閉ループ成功率が6.0％から24.0％に、DreamZeroを用いたLIBEROで平均成功率が75.1％から78.3％に上がった。

詳細

WISEは、各候補について行動の妥当性と時間的な規則性、提案行動と想像された動作の逆動力学的一貫性、指示に応じたタスク進捗を評価し、最も高い候補を実行する。評価時もWAMは固定される。 論文によると、既存の最良の選択手法に対する集計上の改善幅は、RoboLabで4.0ポイント、LIBEROで0.9ポイントだった。構成要素の除去実験と候補間の一致度分析では、3種類のスコアが異なる候補順位を付け、統合判断ではタスク進捗の重みが最も大きかった。

Key Facts

本紙の見方

この研究の焦点は、WAMそのものを追加学習するのではなく、生成した行動候補を実行前に選別する段階に計算を割く点にある。4候補を評価する設定で、RoboLabでは成功率が6.0％から24.0％へ上がった一方、LIBEROでは75.1％から78.3％への上昇だった。改善幅が環境とモデルの組み合わせで異なるため、候補評価の効果を単一の成功率で一般化するのではなく、対象タスクごとに見る必要がある。 評価軸は、行動自体の妥当性・時間的な規則性、予測した動きと行動の整合性、指示に対する進捗の3種類である。論文の分析では、これらが候補を異なる順序に並べ、統合時には進捗スコアが最も大きな重みを持った。これは、見た目にもっともらしい未来を生成できることと、その未来に対応する行動がタスクを進めることを、別々に扱う設計と読める。つまり、候補生成の性能だけでなく、候補を選ぶ評価器の判断が閉ループの結果を左右する構成である。 既存手法との比較では、集計上の改善はRoboLabで4.0ポイント、LIBEROで0.9ポイントと報告された。RoboLabの成功率の変化幅と比べると、既存選択手法からの上積みは別の尺度で示されているため、両者を混同してはならない。また、評価時にWAMを固定する方式は、モデル更新を伴う改善と区別できる。もっとも、論文要旨に示された結果は2つの環境とモデルの組み合わせに限られ、異なるロボット、指示、候補数で同じ選択基準が有効かはここから判断できない。 次に確認すべきなのは、候補を4つ評価する際の計算・時間コスト、失敗の種類ごとの改善、候補数を変えた場合の性能である。特に、進捗スコアが最大の重みを持つという結果が、別の環境でも維持されるかが重要になる。要旨は各スコアの役割の違いを示す一方、採点の具体的な実装や、実機での安全性・遅延については述べていない。したがって、報告された成功率の改善を、実運用での応答速度や安全性の改善まで含むものとして扱うことはできない。

なぜ重要か

WAMが予測する未来のもっともらしさだけでなく、提案行動との整合性やタスク進捗も実行前に評価することで、行動候補の選択を閉ループ成功率に結び付ける設計である。報告された効果はRoboLabとLIBEROで異なるため、適用先では環境ごとの評価と、候補評価に要するコストの確認が必要となる。