WorldFoundry、動画・3D・実世界行動を横断する評価基盤を提案

何が起きたか

arXiv掲載論文「WorldFoundry: Towards Unified Infrastructure for World Intelligence」は2026年11月7日、動画、3D・4D、身体性を伴う行動、対話型の世界システムを横断するオープンソース基盤WorldFoundryを提示した。カタログにはモデル270件、ベンチマーク74件、登録指標62件を収録し、実行準備状況と評価上の証拠を分けて記録する。

詳細

WorldFoundryは、モデルとベンチマークの検索、実行環境とアセットの準備、実行の編成、成果物管理、対話型可視化を統合する。モダリティ別のアダプターは、各方式固有の入力、実行上の意味、出力表現、評価手順を保つ設計だ。明示的なマニフェストと成果物の記録規約を用い、評価上の主張を根拠となる成果物まで追跡できるようにする。

Key Facts

本紙の見方

この論文の軸は、新しい生成モデルの提示ではなく、異なる種類の世界モデルを同じ評価基盤で扱うための実行・証拠管理の設計にある。論文は、見た目にもっともらしい映像を生成できても、状態の持続、物理的な動き、介入に対する因果的に一貫した応答が伴うとは限らないと問題を置く。したがって、評価対象を出力の見栄えにとどめず、履歴に応じた状態保持や行動後の変化まで含む動的システムとして捉える点が、提案の出発点だ。 WorldFoundryの構成で重要なのは、モデル検索、実行環境の準備、実行管理、成果物の保存、可視化をつなぎながら、各モダリティの入力や評価手順はアダプターで維持することだ。共通化を進めても、動画と3D・4D、身体性を伴う行動などを単一の入出力形式に押し込まない設計と読める。カタログの270モデル、74ベンチマーク、62指標という規模は、比較対象を集約する足場を示す一方、登録数だけで評価の網羅性や各モデルの性能が保証されるわけではない。 また、実行可能な状態と評価上の裏づけを別々に扱い、マニフェストや成果物を通じて主張を追跡可能にする点は、再現性を評価結果の提示方法に組み込むものだ。異なる環境で得たスコアを並べるだけでは、実行条件や評価手順の違いが比較を損なう可能性がある。WorldFoundryの設計は、その差を消すのではなく、方式固有の手順を保ったまま、何を実行し何を根拠に評価したかを記録しようとする。 未確定なのは、登録されたモデルや指標の更新・選定方法、各項目の実行証拠がどの程度そろっているか、異なるモダリティ間で比較可能性をどこまで確保できるかだ。論文要旨は基盤の機能とカタログ数を示すが、利用者による再現実験の結果や、世界モデルの能力を測る評価基準の妥当性までは示していない。今後は、個別の評価主張がどの成果物に基づくのか、また状態保持や介入応答をどの指標で測るのかが、基盤の実用性を判断する焦点となる。

なぜ重要か

論文が問題として挙げるのは、映像の見た目だけでは状態の持続や介入への一貫した応答を確認できない点だ。WorldFoundryは実行準備と評価根拠を分けて記録し、モデル間の比較を成果物まで追跡可能にする設計を示している。