何が起きたか

The Robot Reportは2026年10月28日、プリンストン大学、テキサス大学オースティン校、トロント大学、NVIDIA、AgiBotの研究者が、行動条件付き世界モデル（ACWM）を評価するWorldOracleを導入したと報じた。ベンチマークは、同じ初期観測と行動列から生成したモデルの予測を、対応する実機実行と比較する。研究チームは代表的な7モデルを評価したという。

本紙の見方

WorldOracleで注目すべきなのは、生成映像の見た目だけでなく、実際の動作と予測を対応づけて評価する設計だ。同じ初期観測と行動列を使うため、モデルが描いた動作が実行結果とどこで食い違うかを検討できる。報道では、腕の動きは比較的よく予測できても、操作対象の位置や動きは実際とずれる場合があり、短い区間での性能が操作シーケンス全体では低下するとされる。これは、腕の軌道が自然に見えることだけでは、物体を扱う一連のタスクの予測精度を評価しきれないことを示す材料となる。 この点は、シミュレーションと実機の一致度を扱った智元、Genie Simを更新　柔軟物体の仿真と実機との相関を報道と並べると、評価対象の違いが見える。同記事は4種類のロボットと22項目のタスクで得点相関96.7%と報じた。一方、WorldOracleは行動列に対する世界モデルの予測と対応する実機実行を照合する。いずれもシミュレーションや予測の有用性に関わるが、得点相関と個々の実行結果の一致は同じ指標ではない。数値を直接比較するのではなく、何を評価した値かを区別する必要がある。 また、7モデルを対象とし、オープンウェイトとクローズドソースの双方を受け付ける構成は、モデルの公開形態を限定しない比較の枠組みを意図したものと読める。ただし、報道された評価だけでは、対象タスクや環境の範囲、同一条件での再現性、評価値と実環境での稼働成績との関係までは判断できない。次に確認すべきなのは、物体の位置・動きと長い操作列をどう採点するか、また異なるロボットやタスクで結果がどこまで保たれるかだ。ベンチマークの評価結果を、実運用時の安全性や成功率そのものと同一視しないことも重要になる。

なぜ重要か

報道された評価では、腕の動きと操作対象の動きで予測のずれ方が異なり、短い区間と操作全体でも性能に差が出る。世界モデルをロボット操作の計画や検証に用いる場合、映像の自然さだけでなく、物体の動きとシーケンス全体を実機結果と照合できるかが課題となる。