Worldscape-MoE、拡散型MoE世界モデルを発表 異種アクション制御を統合

何が起きたか

2026年7月4日にarXivで公開された論文で、Worldscape-MoEが発表された。これは拡散トランスフォーマーに基づくMixture-of-Experts世界モデルで、カメラ軌道、ロボット動作、手の関節信号など異なるアクション制御を統合する枠組みを提供する。実験では、移動、ロボット操作、手の制御の各タスクで、異種の監視が個々の制御能力を向上させたと報告している。

詳細

Worldscape-MoEは、拡散トランスフォーマーを基盤とし、モダリティ認識型の制御注入、共有および制御固有のエキスパート、進行性のMoEチューニング戦略を採用する。これにより、新しいアクションモダリティへの継続的な拡張が可能になる。実験は移動、ロボット操作、手の制御の3領域で行われ、WorldArenaでの性能向上、移動と手の制御のメトリクス改善、分布外汎化の堅牢性、追加データとエキスパートの統合によるスケーリング挙動が確認された。

Key Facts

本紙の見方

今回の発表は、世界モデル研究における重要な進展と位置づけられる。従来のビデオ生成世界モデルは、カメラ軌道、ロボット動作、手の関節信号など、制御インターフェースごとに分断されており、スケーリングのボトルネックとなっていた。Worldscape-MoEは、これら異種の制御を統合する統一的な学習フレームワークを提案し、共有された世界ダイナミクスのモデルを維持しながら、異なるアクション監視を吸収する点で新規性がある。 本紙の過去報道との接続はないが、この研究は世界モデルのスケーリングに関する議論に一石を投じる。従来のアプローチでは、各制御モダリティに特化したモデルが個別に開発されていたが、Worldscape-MoEはそれらを統合することで、データとエキスパートの追加によるスケーリング挙動を示した。これは、世界モデルの学習におけるデータ効率と汎化能力の向上に寄与する可能性がある。 業界構造への含意として、この統合アプローチは、ロボット工学、自動運転、インタラクティブエージェントなど、複数の制御モダリティを扱う分野に影響を与える。特に、異種の監視が個々の制御能力を妨げるのではなく向上させるという結果は、マルチタスク学習の設計に示唆を与える。また、MoEアーキテクチャの採用は、計算資源の効率的な利用とモデルの拡張性に寄与する。 未確定の論点としては、実際のロボットシステムへの適用可能性、学習データの規模と質、エキスパート数の増加に伴う計算コスト、安全性や堅牢性の評価などが挙げられる。特に、WorldArenaでの性能が実世界のタスクにどの程度転移するかは、今後の検証が必要である。

なぜ重要か

この研究は、世界モデルの統合とスケーリングに関する新たな方向性を示すものであり、異種アクション制御の統一的な学習が可能であることを実証した。これは、ロボットやインタラクティブエージェントの開発において、より汎用的で効率的な基盤モデルの構築につながる可能性がある。